CN102157949B

CN102157949B - 一种小干扰稳定性预测及辅助决策方法

Info

Publication number: CN102157949B
Application number: CN 201110072520
Authority: CN
Inventors: 林涛; 高玉喜; 张帆; 李强; 徐遐龄
Original assignee: Wuhan University WHU
Current assignee: Wuhan University WHU
Priority date: 2011-03-25
Filing date: 2011-03-25
Publication date: 2013-06-19
Anticipated expiration: 2031-03-25
Also published as: CN102157949A

Abstract

本发明涉及一种预测及辅助决策方法，尤其是涉及一种小干扰稳定性预测及辅助决策方法。本发明创造性地采用范例推理理论及OAPID计算，基于WAMS实时量测数据，依据已有范例（特别是WAMS记录的频发低频振荡事件对应的振荡前的运行方式）和当前运行方式的相似程度实现小干扰稳定预测；另一方面，若预测结果认为当前运行方式存在弱阻尼模式或已发生低频振荡，则以提高相应模式（对应的弱阻尼模式或低频振荡对应模式）的阻尼比为目标，依据匹配相似程度较高且阻尼比满足条件的范例所提示的运行方式进行调度，改善系统的小干扰稳定性。

Description

一种小干扰稳定性预测及辅助决策方法

技术领域

本发明涉及一种预测及辅助决策方法，尤其是涉及一种小干扰稳定性预测及辅助决策方法。

背景技术

随着电网规模的不断扩大、结构日益复杂，电网稳定问题日益突出。进一步，随着负荷需求的不断增加以及电力企业对运行效益和效率的追求，不断增加线路传输容量，容易引发电力系统小干扰稳定问题。电力系统小干扰稳定问题已成为制约输电线路传输容量的主要因素之一。

众所周知，扰动之后可能出现的不稳定通常有两种形式：①由于同步转矩不足，发电机转子角逐步增大；②由于有效阻尼转矩不足，转子角增幅振荡。在现代电力系统中，小干扰稳定性问题通常是因阻尼不足而导致的低频振荡问题(功率增幅振荡)，一般可分为局部振荡模态(振荡频率0.7～2.5Hz)和区间振荡模态(振荡频率0.1～0.7Hz)。小干扰不稳定通常出现在重负荷长距离输电的情况下，开始往往只是局部电网或电气元件的微小扰动，造成正常工作方式的破坏。如果不能及时正确的处理，随着时间的推移，其影响可能波及到电网其他元件甚至整个电网，进而造成电网大范围停电和电气设备的损坏，造成巨大的经济损失和恶劣的社会影响。目前我国互联电网由于送电距离较长、电压支撑较弱，各部分间振荡模式多表现为较低频率的区间振荡。

为保障电力系统安全稳定运行，需要实时了解系统的稳定状况，即在系统正常运行时，运行人员能够实时、全面的了解电力系统的运行状态和小干扰稳定性，并通过调整运行方式，以使系统远离潜在的小干扰不稳定或弱阻尼运行方式。在已经发生低频振荡时，调度人员能够正确分析和判断，并迅速采取调整控制措施平息振荡，防止事故的蔓延。因此，对系统的小干扰稳定性进行实时的监视和预警，对于预防低频振荡的发生和蔓延是非常必要的。

目前的电力系统在线分析侧重于在线动态安全分析与研究，主要指在一定时间内完成大量预想事故的暂态稳定分析与评价，并没有明确提出涵盖小干扰稳定在线计算的任务，这主要是由于在线动态安全分析面向的在线数据是按区域分布所导致的。由于管理体制和竞争机制等原因，全网内每个区域仅拥有自己本地的在线数据和电网模型与参数，各区域数据相互并不完全透明，全网各区域在线数据的集中既存在管理方面的问题，也存在技术上的困难。为此，目前区域电网在线动态安全分析，对外网系统通常采用等值的方法。应用于互联区域电网的小干扰稳定分析有可能丢失重要的振荡模式。因此，必须研究小干扰稳定在线分析的有效方法。

发明内容

本发明主要是解决现有技术所存在的全网内每个区域仅拥有自己本地的在线数据和电网模型与参数，各区域数据相互并不完全透明，全网各区域在线数据的集中既存在管理方面的问题，也存在技术上的困难等的技术问题；提供了一种通过与数据库中的范例匹配快速评估系统当前运行方式下的小干扰稳定性，避免了特征值在线计算，无需了解系统精确的模型和参数的一种小干扰稳定性预测及辅助决策方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种小干扰稳定性预测及辅助决策方法，其特征在于，包括以下步骤：

步骤1，建立电网动态模型，对广域监测系统监测的各种运行方式，根据从电能管理系统中获得的运行方式数据进行仿真复现、小干扰稳定分析，对于实际低频振荡事件或包含弱阻尼机电模式的运行方式，还需要基于仿真模型激发相应模式的振荡并选择广域监测系统能够监测到的发电机及线路，进行功率振荡增量分布计算，并将相应的计算分析结果存入范例库中，所述的范例库包括无低频振荡库和有低频振荡库；

步骤2，基于广域监测系统量测数据，根据系统是否发生低频振荡选择执行如下步骤进行匹配：

步骤2.1，若广域监测系统未检测到低频振荡发生，此时将同步相量测量装置上传的运行方式数据与无低频振荡库中的范例进行正匹配，得到与当前运行方式最相似的范例，并根据各模式阻尼比与小干扰稳定预警阈值(5％)的比较结果选择执行以下步骤：

步骤2.21，若匹配所得范例的各模式阻尼比均大于设定的小干扰稳定预警阈值，此时匹配过程结束；

步骤2.22，若匹配所得范例存在弱阻尼模式即阻尼比小于设定的阈值，则进行小干扰稳定预警，并在无低频振荡库中进行反匹配，按照将得到接近的小干扰稳定运行方式进行调节；

步骤2.2，若广域监测系统检测到低频振荡发生，则进入有低频振荡库进行正匹配，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息。

经过正匹配以后，再根据正匹配结果进入无低频振荡库进行反匹配，最终按照得到方式相似度高、对应模式阻尼比大于阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式进行调节。

本发明创造性地采用范例推理理论及OAPID计算，基于WAMS实时量测数据，依据已有范例(特别是WAMS记录的频发低频振荡事件对应的振荡前的运行方式)和当前运行方式的相似程度实现小干扰稳定预测；另一方面，若预测结果认为当前运行方式存在弱阻尼模式或已发生低频振荡，则以提高相应模式(对应的弱阻尼模式或低频振荡对应模式)的阻尼比为目标，依据匹配相似程度较高且阻尼比满足条件的范例所提示的运行方式进行调度，改善系统的小干扰稳定性。

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤2.1中，正匹配基于以下公式得到当前运行方式信息与范例库范例对应运行方式信息的相似度，在相似度阈值大于0.85的范例中得到与当前运行方式最相似的范例。

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

其中C_a＝[f₁，f₂，L f_n]为新范例，f_k为新范例属性。C_b＝[a₁，a₂，L a_n]为范例库中的历史范例，a_k为历史范例属性。w_k、R_k分别表示范例单元中第k个特征属性的权值和取值范围，其值视具体的物理量类型而定。

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤2.1中，反匹配基于以下公式得到正匹配所得运行方式数据与范例库其他范例对应运行方式信息的相似度，选取相似度大于阈值0.85的范例，按相似度从高到低根据范例各振荡模式的阻尼是否均大于阈值对范例进行筛选，按照得到运行方式接近的小干扰稳定运行方式进行调节：

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤2.2中，正匹配首先根据广域监测系统记录的振荡前运行方式数据，基于以下公式得到和范例库范例对应运行方式信息的相似度，按相似度阈值(0.8)筛选出一组相似范例，然后对广域监测系统记录的当前方式振荡波形进行功率振荡增量分布计算，根据主导模式频率寻找相似范例中频率相近模式，比较广域监测系统记录振荡波形的功率振荡增量分布计算结果与相似范例中频率相近模式的功率振荡增量分布结果的相似程度，最后综合运行方式相似度、频率差值以及功率振荡增量分布结果相似度，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息：

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤2.2中，反匹配利用正匹配所得运行方式代替当前运行方式进行方式相似度计算并利用正匹配所得方式对应的低频振荡模式的频率、参与因子排序及右特征向量与相似运行方式特征值结果进行匹配，以频率差值、按参与因子排序强相关机组中相同机组所占比例及对应特征向量相位关系为判据，最终得到方式相似度较高、对应模式阻尼比大于阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式作为调节建议。

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤1中，无低频振荡库的运行方式类型包括未实际发生低频振荡事件的运行方式，存储信息包括运行方式信息和对应特征值计算结果。

在上述的小干扰稳定性预测及辅助决策方法，所述的步骤1中，有低频振荡库的运行方式类型包括实际发生的低频振荡事件和仿真所得弱阻尼低频振荡运行方式；存储信息包括运行方式信息、对应特征值计算结果和参与因子信息及OAPID计算结果。

因此，本发明具有如下优点：通过与数据库中的范例匹配快速评估系统当前运行方式下的小干扰稳定性，避免了特征值在线计算，无需了解系统精确的模型和参数。

附图说明

附图1是本发明的详细流程图；

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

首先介绍一下本发明需要涉及到的两个理论：

1)范例推理理论

范例推理(Case-Based Reasoning，CBR)是人工智能领域一项重要的推理方法。其核心思想是对经验和知识进行结构化存储，进而实现判断与推理。一个完整的CBR系统一般由范例的表示及组织、检索及匹配、重用和修正、新范例的添加等几个过程组成。

当CBR应用于电力系统小干扰稳定预测时，基本范例由问题的一系列特征属性向量和问题解向量组成。一个典型的基本范例单元可定义为一个二元组：

c_i＝<p_i，s_i> (1)

式(1)中：p_i＝{a_i1，a_i2，L，a_in}是一个非空有限集合，表征了运行状态的相关信息，包括发电机出力、负荷功率、母线电压、线路电流等，称为条件属性；s_i表示当前运行方下各振荡模式的特征值、振荡频率、阻尼比、运行方式灵敏度等信息，为决策属性。为消除各指标的量纲效应和规范各指标的变化范围，使建模具有一般性，还需要对条件属性数据进行标准化处理，完成范例单元c_i的表示及组织。将包含不同条件属性和决策属性的范例单元c_i按线性列表结构进行存储，便可形成历史范例库C＝{c₁，c₂，L，c_m}，用于范例检索与匹配。

范例检索是利用范例库的索引机制，根据范例相似性量度方法，从范例库中找到与当前求解问题最相似的一个范例(或范例集)作为当前待求解问题的解。实际的范例相似性匹配包括两个步骤：(1)根据范例特征描述，评估新范例和旧范例的各特征属性之间的相似性；(2)根据相似性匹配函数，评估新范例与旧范例的综合相似程度。具体而言，实际的范例相似度可由下式定义：

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]} - - - (2)

其中C_a＝[f₁，f₂，L f_n]为新范例，f_k为新范例属性。C_b＝[a₁，a₂，L a_n]为范例库中的历史范例，a_k为历史范例属性。w_k、R_k分别表示范例单元中第k个特征属性的权值和取值范围，其值视具体的物理量类型而定。新范例通过检索和匹配后，得到与之最相似范例。由于相似范例和新范例相似度较高，且前者决策属性包含的特征值、阻尼比等信息已知，故可用来评估后者的小干扰稳定程度。

当系统出现与范例库中的方式差异较大的新方式时，则匹配相似度较低，此时可按照同样的范例表示方式将其组织成新范例并存入范例库中。

2)功率振荡增量分布理论及计算方法

功率振荡增量分布(OAPID)是分析低频振荡的一种新方法。它反映了在某机电振荡模式下，全网中的有功功率(包括发电机出力、线路输送功率、负荷吸收的功率)的波动情况。它是从功率和能量角度分析系统中各元件在某振荡模式中的参与程度。与特征值法相比，它能综合反映特征向量和参与因子，因此能够与特征值法一样，实现对低频振荡的规律及特征进行描述。

(1)OAPID理论计算方法

电力系统小干扰稳定分析数学模型可表示成如下状态空间形式：

其中x是n维状态变量，u为l维输入，y为m维输出，A是n×n的矩阵，B为n×1维矩阵，C为m×n维矩阵。

现选择系统输出y为功率信号。其中某2个功率振荡增量分别为ΔP_i和ΔP_j则由式(3)可得：

ΔP_i＝C_i1x₁+C_i2x₂+LC_inx_n (4)

ΔP_j＝C_j1x₁+C_j2x₂+LC_jnx_n (5)

两者的比值为：

\frac{Δ P_{i}}{Δ P_{j}} = \frac{C_{i 1} + C_{i 2} x_{2} / x_{1} + L + C_{in} x_{n} / x_{1}}{C_{j 1} + C_{j 2} x_{2} / x_{1} + L + C_{jn} x_{n} / x_{1}} - - - (6)

对于某一特定振荡模式λ，状态变量之比等于其对于右特征向量中分量之比。另特征值λ对应右特征向量为v，对应分量分别为v₁，v₂，L v_n，则x₁对应于v₁，对应于v₂，以此类推，式(6)可进一步表示为：

\frac{Δ P_{i}}{Δ P_{j}} = \frac{C_{i 1} + C_{i 2} v_{2} / v_{1} + L + C_{in} v_{n} / v_{1}}{C_{j 1} + C_{j 2} v_{2} / v_{1} + L + C_{jn} v_{n} / v_{1}} - - - (7)

将上式扩展到多个变量情况下的增量之比，如下式所示：

Δ P_{1} : Δ P_{2} : LΔ P_{m} = (Σ_{k = 1}^{n} C_{1 k} v_{k} / v_{1})

: (Σ_{k = 1}^{n} C_{2 k} v_{k} / v_{1}) : L : (Σ_{k = 1}^{n} C_{mk} v_{k} / v_{1}) - - - (8)

综上，功率振荡增量分布的理论计算方法可简述如下：首先计算系统线性化模型的特征值及特征向量，得到输出矩阵，然后由式(8)获得对应于某一振荡模式的OAPID在全网中的分布，最后相对于最大的增量进行归一化。

(2)基于TLS-ESPRIT辨识的OAPIOD计算方法

可以看出，OAPID的理论计算方法需要得到系统状态模型以及特定振荡模式的特征向量，难以满足OAPID的在线应用，因此，需要寻找更加快速、简捷的OAPID计算方法。

参考相关文献，用Prony辨识法代替理论算法对OAPID进行辨识计算，可获得同样的分析结果。相对于Prony，本发明则选取抗噪声性能优良、算法参数适应性更好、辨识精度更高的TLS-ESPRIT辨识算法进行OAPID的计算。其计算过程如下：

(1)确定电网中需要参与OAPID计算的发电机、传输线路及负荷等；

(2)获取相应功率振荡波形，合理选择TLS-ESPRIT算法参数对功率信号进行辨识，得到相关模式的功率振荡增量分布；

(3)对辨识出的发电机、线路及负荷的OAPID计算结果，相对于幅值最大值对OAPID幅值进行归一化处理，并以OAPID最大幅值对应相位为基准，得到OAPID相对相位信息。

经过理论分析及实例验证可以得出，通过辨识算法所得发电机OAPID相对幅值与特征值计算所得对应模式的参与因子大小存在一一对应关系，且发电机OAPID相对相位信息也与该模式的特征向量之间存在对应关系，同时线路及负荷的OAPID结果也能够在一定程度上反映低频振荡的特征和规律。因此，基于TLS-ESPRIT辨识的OAPID计算方法所得结果能够在避免特征值计算的情况下反映参与因子及特征向量，从而可以代替参与因子及特征向量，作为特征量参与范例匹配的模式匹配，与方式相似度配合，寻找与当前低频振荡方式相似的范例及对应的模式。

下面具体介绍本发明的具体步骤：

步骤1：，建立电网动态模型，对广域监测系统监测的各种已发生的运行方式，根据从电能管理系统中获得的运行方式数据进行仿真复现、小干扰稳定分析，对于实际低频振荡事件或包含弱阻尼机电模式的运行方式，还需要基于仿真模型激发相应模式的振荡并选择广域监测系统能够监测到的发电机及线路，进行功率振荡增量分布计算，并将相应的计算分析结果存入范例库中，所述的范例库包括无低频振荡库和有低频振荡库；

本发明的范例库建立的具体实施方法如下：

离线建立历史范例库

即在电力系统仿真软件中建立电网动态模型，对WAMS各种运行方式，根据从EMS中获得的运行方式数据进行仿真复现、小干扰稳定分析，对于实际低频振荡事件或包含弱阻尼机电模式的运行方式，还需要基于仿真模型激发相应模式的振荡并选择WAMS能够监测到的发电机及线路(主要为500kV层面发电机及关键线路，如省间、省内端面联络线等)进行OAPID计算，并将相应的计算分析结果存入范例库中。按是否出现低频振荡将范例库分为无低频振荡库和有低频振荡库两类(以下分别简称库I和II)，其结构如表1所示：

表1范例库结构及存储内容

表1中运行方式信息对应于电网中有限PMU能够监测到的发电机出力、线路功率及母线电压，运行方式下特征值计算结果则包含特征值、对应频率、阻尼比、机电回路相关比，参与因子信息则包括参与因子模值及右特征向量。每个运行方式对应于一个范例，将不同范例存入数据库中构成历史范例库。同时还需要根据电网结构变化不断的添加新范例，丰富范例库，以提高匹配准确度。

2)基于WAMS量测数据的范例匹配流程

基于WAMS量测数据的范例匹配根据系统是否发生低频振荡分两种情况进行匹配，为了便于对匹配流程进行描述，现对不同情况下的范例正、反匹配所用特征量及匹配所得决策属性进行总结，如表2所示：

表2范例正、反匹配内容

步骤2，根据基于广域监测系统量测数据的无低频振荡库匹配根据系统是否发生低频振荡选择执行如下步骤进行匹配：

步骤2.1，若广域监测系统未检测到低频振荡发生，此时将同步相量测量装置上传的运行方式数据与无低频振荡库中的范例进行正匹配，得到与当前运行方式最相似的范例，并根据各模式阻尼比与小干扰稳定预警阈值的比较结果选择执行以下步骤：

其中，正匹配基于以下公式得到当前运行方式信息与范例库范例对应运行方式信息的相似度，在相似度阈值大于0.85的范例中得到与当前运行方式最相似的范例。

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

反匹配基于以下公式得到正匹配所得运行方式数据与范例库其他范例对应运行方式信息的相似度，选取相似度大于阈值0.85的范例，按相似度从高到低根据范例各振荡模式的阻尼是否均大于阈值对范例进行筛选，按照得到运行方式接近的小干扰稳定运行方式进行调节：

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

步骤2.2，若广域监测系统检测到低频振荡发生，则进入有低频振荡库进行正匹配，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息；经过正匹配以后，再根据正匹配结果进入无低频振荡库进行反匹配，最终按照得到方式相似度高、对应模式阻尼比大于阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式进行调节，其中，正匹配首先根据广域监测系统记录的振荡前运行方式数据，基于以下公式得到和范例库范例对应运行方式信息的相似度，按相似度阈值(0.8)筛选出一组相似范例，然后对广域监测系统记录的当前方式振荡波形进行功率振荡增量分布计算，根据主导模式频率寻找相似范例中频率相近模式，比较广域监测系统记录振荡波形的功率振荡增量分布计算结果与相似范例中频率相近模式的功率振荡增量分布结果的相似程度，最后综合运行方式相似度、频率差值以及功率振荡增量分布结果相似度，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息：

S (C_{a}, C_{b}) = \sqrt{Σ_{k = 1}^{n} w_{k} [1 - {(\frac{f_{k} - a_{k}}{R_{k}})}^{2}]}

其中C_a＝[f₁，f₂，L f_n]为新范例，f_k为新范例属性。C_b＝[a₁，a₂，L a_n]为范例库中的历史范例，a_k为历史范例属性。w_k、R_k分别表示范例单元中第k个特征属性的权值和取值范围，其值视具体的物理量类型而定；

反匹配利用正匹配所得运行方式代替当前运行方式进行方式相似度计算并利用正匹配所得方式对应的低频振荡模式的频率、参与因子排序及右特征向量与相似运行方式特征值结果进行匹配，以频率差值、按参与因子排序强相关机组中相同机组所占比例及对应特征向量相位关系为判据，最终得到方式相似度较高、对应模式阻尼比大于阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式作为调节建议。

本实施例针对实际电网，进行了相关测试及结果验证，具体情况如下：

A区域电网WAMS监测到YHJ变电站附近线路发生有功功率波动，监测振荡频率为0.808Hz，为局部振荡，振荡机组集中于YHJ站附近区域。依据WAMS量测所得运行方式数据及OAPID计算结果在库II中进行正匹配，此时库中方式1与WAMS量测运行方式数据相似度较高(0.831249)，且频差相近模式(方式1低频振荡模式频率为0.693Hz)的OAPID结果也比较相近，在此列出OAPID比较结果，如表3所示：

表3WAMS实测数据与方式1相近模式的OAPID结果对比

1)以排序前10的发电机、线路中相同发电机、线路所占比例作为判断相似性的一项指标。此算例对应指标值为90％(排序前10的发电机、线路中，相同机组、线路为9个)。

2)以幅值最大机组(或线路)为标准，相对相位为0，对其他相对相位位于_-45°∶45°及位于_{135°∶225°}的机组、线路进行统计，作为另一项指标，如表4所示：

表4WAMS实测数据与方式1相近模式的OAPID相对相位分析

从表4可以看出，位于_-45°∶45°内的相同机组及线路个数占总数的50％，位于_{135°∶225°}内的相同机组及线路占比则达100％。按等权重进行综合，作为指标2的相对相位的指标值为75％。

3)综上，根据排序中前10机组及线路中相同机组及线路所占比例(指标1，达90％)及相对相位关系(指标2，为75％)，可认为WAMS实测振荡波形的OAPID结果与方式1中频率相近模式的OAPID结果相似度较高。

综合方式相似度、频率差值、OAPID相似度，最终选取方式1作为正匹配结果，相应小干扰稳定结果及参与因子信息如表5、6所示：

表5正匹配所得方式及对应振荡模式信息

正匹配所得方式	方式相似度	特征值实部	特征值虚部	频率(Hz)	阻尼比(％)
						1	0.831249	-0.073143	4.355848	0.693255	1.68

表6振荡模式强相关的机组及参与因子

从表5、6可以看出，在低频振荡情形下，正匹配得到的振荡模式频率与WAMS监测频率比较接近，阻尼比较低，且从地理接线图上看，该振荡模式强相关机组均位于YHJ站附近，属于局部振荡模式，与电网监测结果相符合。

同时比较表3、表6还可以看出，表6中按参与因子大小排序所得前10位的强相关机组中，500kV层面机组(YQB、YDBS)均能在表5中找到对应机组(YQB)或相应的发电机出线(DBS-TP)，这也进一步证明，OAPID方法与特征值法一样，对低频振荡特征的分析结果是一致的。

为进一步验证正匹配结果的正确性，本发明对此次低频振荡事件做了仿真复现计算：在电力系统综合分析软件包PSASP V6.25中，依据EMS记录的稳态运行时系统潮流分布数据，采用相关仿真复现方法，复现出振荡发生前系统的稳态运行方式(称之为实际运行方式)，并在此基础上，进行小干扰稳定计算。根据低频振荡波形的OAPID结果选取小干扰稳定结果中对应模式，用于校核正、反匹配结果的正确性。正匹配校核结果如表7、8所示：

表7与实际运行方式相对应的小干扰稳定计算结果

特征值实部	特征值虚部	频率(Hz)	阻尼比(％)
				-0.064585	4.616818	0.734789	1.3988

表8相应强相关机组及参与因子

对比表5、6和表7、8可见，正匹配所得运行方式对应模式与此次低频振荡事件仿真复现方式对应模式在振荡频率、阻尼比、强相关机组及参与因子排序上都非常接近，说明匹配结果与电网实际情况相符合，表明正匹配结果正确。同时表8中500kV层面强相关机组也与基于WAMS数据的OAPID结果(见表3)存在对应关系(均包含YDBS、YQB)。

进一步进行反匹配：利用正匹配所得运行方式信息及参与因子信息进入库I中搜索满足第二节所提已发生低频振荡时的反匹配条件的运行方式作为调节建议。限于篇幅，不再给出具体匹配过程，只给出相应的匹配结果，如表9、10所示：

表9反匹配所得方式及对应振荡模式信息

表10相关的机组及参与因子

比较表10和表8可以看出，反匹配所得方式对应模式与实际运行方式仿真复现所得模式在频率、强相关机组及参与因子排序上均比较接近，可以认为反匹配搜索到了正确的模式，进而比较表9和表7，可以看出反匹配所得方式对应模式阻尼已有较大提高。即反匹配正确，可以得到能使系统稳定的运行方式。

最后需要根据反匹配所得方式对当前运行方式进行调节，但考虑到完全按照反匹配所得方式进行调节过于复杂，故以实际运行方式和反匹配建议运行方式某节点对应线路有功、无功及母线电压的综合相似程度为标准，只选取和当前方式相似度较低的8位厂(站)的运行方式数据作为调节建议，如表11所示：

表11反匹配所得的建议运行方式(单位：MW、Mvar、kV)

节点名	传输线路	节点相似度	实际有功	实际无功	实际电压	建议有功	建议无功	建议电压
									SMX	SH-SZ 1线	0894069	281219	-593527	534786	272431	14565	534054
YM	YM-ZZ线	0942786	460879	450442	543592	515376	-14101	5313013
									DGH	ML-DGH 1线	095305	-137331	-593271	535695	-141823	4515	5345609
SH	SH-YX 1线	0962521	409793	-186769	535124	392479	-159021	5295052
									XL	YX-XL 1线	0972387	-2885	-605	535317	-286861	-184527	5353411
NS	ZJB-ES 1线	0973381	65	0	534294	70423	117225	531539
									ZY	SXZY-LQ 1线	0987137	10875	835	536597	1176127	-10398	5316036
DJ	DJ-CH 1线	0987445	14255	-238957	533578	197824	44041	5354831

根据表11所给出的调节建议修正当前运行方式后，为了验证根据调节建议所做修正是否有效，对调节后运行方式进行小干扰稳定计算。所得结果如表12所示(只列出与低频振荡对应的模式信息)：

表12按调节建议修正后的运行方式小干扰稳定计算结果

实部	虚部	频率(Hz)	阻尼比(％)
				-0.297175	5.446594	0.866852	5.4481％

可以看出，调节后所得运行方式下该模式的阻尼得到了较大程度的提高，即低频振荡情况下本发明所提方法是有效的。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims

1.一种小干扰稳定性预测及辅助决策方法，其特征在于，包括以下步骤：

步骤1，建立电网动态模型，对广域监测系统监测的各种运行方式，根据从电能管理系统中获得的运行方式数据进行仿真复现、小干扰稳定分析，对于实际低频振荡事件或包含弱阻尼机电模式的运行方式，还需要基于仿真模型激发相应模式的振荡并选择广域监测系统能够监测到的发电机及线路，进行功率振荡增量分布计算，并将相应的计算分析结果存入范例库中,所述的范例库包括无低频振荡库和有低频振荡库;

步骤2.1，若广域监测系统未检测到低频振荡发生，此时将同步相量测量装置上传的运行方式数据与无低频振荡库中的范例进行正匹配，得到与当前运行方式最相似的范例,并根据各振荡模式阻尼比与小干扰稳定预警阈值的比较结果选择执行以下步骤:

步骤2.11，若匹配所得范例的各振荡模式阻尼比均大于设定的小干扰稳定预警阈值，此时匹配过程结束;

步骤2.12，若匹配所得范例存在弱阻尼模式即阻尼比小于设定的小干扰稳定预警阈值，则进行小干扰稳定预警，并在无低频振荡库中进行反匹配，按照将得到接近的小干扰稳定运行方式进行调节;

其中，正匹配基于以下公式得到当前运行方式信息与范例库范例对应运行方式信息的相似度，在相似度阈值大于0.85的范例中得到与当前运行方式最相似的范例：

其中C_a=[f₁,f₂,…f_n]为新范例，f_k为新范例属性；C_b=[a₁,a₂,…a_n]为范例库中的历史范例，a_k为历史范例属性；w_k、R_k分别表示范例单元中第k个特征属性的权值和取值范围，其值视具体的物理量类型而定；

步骤2.2，若广域监测系统检测到低频振荡发生，则进入有低频振荡库进行正匹配，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息；

经过正匹配以后，再根据正匹配结果进入无低频振荡库进行反匹配,最终按照得到方式相似度高、对应振荡模式阻尼比大于小干扰稳定预警阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式进行调节；

其中，反匹配基于以下公式得到正匹配所得运行方式数据与范例库其他范例对应运行方式信息的相似度，选取相似度阈值大于0.85的范例，按相似度从高到低根据范例各振荡模式的阻尼比是否均大于小干扰稳定预警阈值对范例进行筛选，按照得到运行方式接近的小干扰稳定运行方式进行调节：

其中C_a=[f₁,f₂,…f_n]为新范例，f_k为新范例属性；C_b=[a₁,a₂,…a_n]为范例库中的历史范例，a_k为历史范例属性；w_k、R_k分别表示范例单元中第k个特征属性的权值和取值范围，其值视具体的物理量类型而定。

2.根据权利要求1所述的小干扰稳定性预测及辅助决策方法，其特征在于，所述的步骤2.2中,正匹配首先根据广域监测系统记录的振荡前运行方式数据，基于以下公式得到和范例库范例对应运行方式信息的相似度，按相似度阈值筛选出一组相似范例，然后对广域监测系统记录的当前方式振荡波形进行功率振荡增量分布计算，根据主导模式频率寻找相似范例中频率相近模式，比较广域监测系统记录振荡波形的功率振荡增量分布计算结果与相似范例中频率相近模式的功率振荡增量分布结果的相似程度，最后综合运行方式相似度、频率差值以及功率振荡增量分布结果相似度，得到与当前低频振荡方式相似范例及对应的低频振荡模式和参与因子信息:

3.根据权利要求1所述的小干扰稳定性预测及辅助决策方法，其特征在于，所述的步骤2.2中,反匹配利用正匹配所得运行方式代替当前运行方式进行运行方式相似度计算并利用正匹配所得运行方式对应的低频振荡模式的频率、参与因子排序及右特征向量与相似运行方式特征值结果进行匹配，以频率差值、按参与因子排序强相关机组中相同机组所占比例及对应特征向量相位关系为判据，最终得到运行方式相似度较高、对应模式阻尼比大于小干扰稳定预警阈值且大于正匹配所得模式阻尼比的小干扰稳定运行方式作为调节建议。

4.根据权利要求1所述的小干扰稳定性预测及辅助决策方法，其特征在于，所述的步骤1中,无低频振荡库的运行方式类型包括未实际发生低频振荡事件的运行方式，存储信息包括运行方式信息和对应特征值计算结果。

5.根据权利要求1所述的小干扰稳定性预测及辅助决策方法，其特征在于，所述的步骤1中,有低频振荡库的运行方式类型包括实际发生的低频振荡事件和仿真所得弱阻尼低频振荡运行方式；存储信息包括运行方式信息、对应特征值计算结果和参与因子信息及功率振荡增量分布计算结果。