CN102185324A - 基于量测信息的电力系统低频振荡分析方法 - Google Patents
基于量测信息的电力系统低频振荡分析方法 Download PDFInfo
- Publication number
- CN102185324A CN102185324A CN201110102626XA CN201110102626A CN102185324A CN 102185324 A CN102185324 A CN 102185324A CN 201110102626X A CN201110102626X A CN 201110102626XA CN 201110102626 A CN201110102626 A CN 201110102626A CN 102185324 A CN102185324 A CN 102185324A
- Authority
- CN
- China
- Prior art keywords
- oscillation
- active power
- frequency
- low
- generator active
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明是一种基于量测信息的电力系统低频振荡分析方法,其特点是,包括有:故障后电力系统中各发电机有功功率的载入与截取,各发电机有功功率数据的经验模态分解,各发电机有功功率关键固有模态分量的提取和利用随机子空间辨识理论提取低频振荡模态参数步骤。利用本发明的方法能够从实测振荡信号中提取振荡频率及阻尼比的同时还能够获得相应的阵型信息,与传统算法相比,具有抗噪能力强、定阶简单等优势,具有适应性强,应用价值高等优点。
Description
技术领域
本发明涉及电力低频振荡分析技术领域,是一种基于量测信息的电力系统低频振荡分析方法。
背景技术
大电网互联输电带来巨大的经济和技术方面益处的同时,也使低频振荡成为威胁弱互联电网安全稳定运行的关键问题之一。目前电力系统低频振荡问题的研究方法主要有两种:一种是基于模型的分析方法,即通过建立各元件的机电暂态模型,获得全系统的微分和代数方程,根据李亚普诺夫稳定性第一定理分析系统的稳定性。但该方法仅适用于离线分析,且依赖于模型和参数的准确性。另一种是基于实时量测信息的分析方法,即采用Prony算法、ARMA算法和HHT变换等先进的数学方法,通过对某一局部动态观测信息的信号处理,分析系统的低频振荡现象。但现有相关文献所用数学方法及信号分析工具只能对某一局部发电机功角、发电机有功功率及联络线有功率等单一信号进行处理和分析,无法从全局角度对扰动后的振荡现象进行分析,只能得到扰动后系统低频振荡的频率及阻尼比,不能够根据实测信号获得系统的振型,即振荡模态,无法分析发电机间的振荡关系,难以应用于抑制低频振荡的实时控制中。而且上述方法还存在受噪声信号影响较大,系统阶数确定困难,容易出现伪模态和计算过程复杂、耗时长等缺点。
发明内容
本发明的目的是克服现有电力系统低频振荡分析方法的不足,提供一种具有计算简单、结果准确、易于实现且应用价值高等特点的电力系统低频振荡分析方法。
实现本发明目的所采用的技术方案是:一种基于量测信息的电力系统低频振荡分析方法,其特征是,它包括以下步骤:
a)故障后电力系统中各发电机有功功率的载入与截取:载入各发电机有功功率数据,手动截取故障后3s内的各个发电机有功功率并存储;
b)各发电机有功功率数据的经验模态分解:利用经验模态分解对载入并截取的故障后发电机有功功率进行分解,得到各个发电机有功功率对应的固有模态分量;
c)各发电机有功功率关键固有模态分量的提取:对各个发电机有功功率的固有模态分量进行参数提取,保留振荡频率在电力系统低频振荡研究与分析范围内,低频振荡频率范围0.1~2.5Hz的固有模态分量作为各发电机的关键固有模态分量;
d)利用随机子空间辨识理论提取低频振荡模态参数:将各个振荡频率相近的关键固有模态分量作为随机子空间辨识算法的输入进行计算,既得到系统状态矩阵及观测矩阵,进而根据状态矩阵特征值计算结果,即得到系统的振荡模式及其相关振荡参数。
由本发明基于量测信息的电力系统低频振荡分析方法,在现代大型互联电网动态安全分析应用中,与传统分析方法相比具有如下优点:
1)对低频振荡过程中发电机有功功率采样信号进行EMD既解决了随机子空间定阶困难的问题,又可以避免随机子空间算法在处理非线性、非平稳信号过程中所产生的虚假模态;
2)与传统算法相比,本文提出的算法具有抗噪能力强、定阶简单等优势;
3)同时多机系统仿真分析结果表明,系统受扰后的振荡表现为多种模式共同作用的复合振荡模式,利用随机子空间算法对WAMS监测数据进行实时分析可以为电力系统低频振荡在线辨识与控制提供有力的依据。
4)本发明的分析方法具有计算简单、速度快等特点,有很高的工程应用价值。
附图说明
图1是基于量测信息的电力系统低频振荡分析方法流程示意图。
图2是四机两区域系统示意图。
图3是各发电机有功功率EMD分解结果示意图。
图4是分解前奇异值结果示意图。
图5是EMD分解后奇异值结果示意图。
图6是理论模态示意图。
图7是计算得出的模态示意图。
具体实施方式
下面利用附图和具体实施方式对本发明作进一步说明。
参照图1,本发明的基于量测信息的电力系统低频振荡分析方法,其步骤如下:
a)故障后电力系统中各发电机有功功率的载入与截取:载入各发电机有功功率数据,手动截取故障后3s内的各个发电机有功功率并存储;
b)各发电机有功功率数据的经验模态分解:利用经验模态分解对载入并截取的故障后发电机有功功率进行分解,得到各个发电机有功功率对应的固有模态分量;
c)各发电机有功功率关键固有模态分量的提取:利用希尔伯特变换及最小二乘法,参见李天云,高磊等撰写的“基于HHT的电力系统低频振荡分析”,论文来源:中国电机工程学报-26(14):24-30,对各个发电机有功功率的固有模态分量进行参数提取,保留振荡频率在电力系统低频振荡研究与分析范围内,低频振荡振荡频率范围0.1~2.5Hz的固有模态分量作为各发电机的关键固有模态分量;
d)利用随机子空间辨识理论提取低频振荡模态参数:将各个振荡频率相近的关键固有模态分量作为随机子空间辨识算法的输入进行计算,既得到系统状态矩阵及观测矩阵,进而根据状态矩阵特征值计算结果,即得到系统的振荡模式及其相关振荡参数;
利用随机子空间理论辨识莫泰参数的具体过程如下:
由采样时序数据组成Hankel矩阵
利用随机子空间理论计算得到状态矩阵Ad及观测矩阵C;
在确定离散系统状态矩阵Ad后对其进行特征值分解
Ad=ψΛψ-1 (2)
式中:A=diag(ηi)∈Rn×n,i=1,2,…n。ηi为离散系统特征值;ψ为系统特征向量;
根据离散系统与连续系统的特征值关系可得连续时间系统特征值:
λi=ai±bi=ln(ηi)/Δt (3)
式中:λi为连续系统的特征值;ai和bi特征值λi的实部和虚部;Δt为采样时间间隔;
进而可以得到振荡频率及阻尼比计算公式:
系统的模态振型定义为输出点处的系统特征向量:
参照图2和3,图2所示四机两区域系统:在母线BUS6设置一维持1s的冲击负荷扰动,利用经验模态分解对故障后3s内各发电机有功率进行分解,得到图3所示的结果。对各固有模态分量参数进行特征提取,结果如表2所示。由表1中结果可以看出,各发电机有功功率的分量1的振荡频率集中在0.62Hz左右,分量2的振荡频率均小于0.1Hz,振荡频率不在低频振荡范围内,低频振荡振荡频率范围0.1~2.5Hz。
参照图4-7,基于经验模态分解(EMD)的暂态有功功率信号分解;关键固有模态分量(IMF分量)的辨识;基于随机子空间(SSI)的低频振荡模态参数辨识。是将各发电机有功功率经EMD后的IMF分量作为随机子空间辨识算法的输入,经奇异值分解计算结果如图4所示;图5为发电机有功功率采样信号直接作为随机子空间输入所得奇异值分解结果;对比图4及图5不难发现,经EMD后所得IMF分量具有较好的平稳性,只含有一个振荡模式,即2阶,因此直接可以将IMF分量作为输入的随机子空间辨识过程的阶数定为2阶,由此可见对采样信号进行EMD,既解决了随机子空间定阶困难的问题又可以避免随机子空间算法在处理非线性、非平稳信号过程中所产生的虚假模态。
表1IMF分量特征提取结果
经计算该扰动方式所激发出的模式为振荡为0.613 7Hz、阻尼比为5.08%的区域间模式,模态图如图6所示。图6为利用PSASP的电力系统综合分析程序,小干扰稳定分析模块计算得到的区域间模式模态,其振荡频率和阻尼比分别为0.625 8Hz和6.1%。对比图6及图7中2个模态图及频率和阻尼比可以看出,随机子空间辨识算法得到的振荡模态与理论模态相同,只是振荡频率与阻尼比有所不同,主要原因在于不同的扰动方式所激发出振荡频率及阻尼比不尽相同,与静态分析所得的理论值同样存在一定的差别。
Claims (1)
1.一种基于量测信息的电力系统低频振荡分析方法,其特征是,它包括以下步骤:
a)故障后电力系统中各发电机有功功率的载入与截取:载入各发电机有功功率数据,手动截取故障后3s内的各个发电机有功功率并存储;
b)各发电机有功功率数据的经验模态分解:利用经验模态分解对载入并截取的故障后发电机有功功率进行分解,得到各个发电机有功功率对应的固有模态分量;
c)各发电机有功功率关键固有模态分量的提取:对各个发电机有功功率的固有模态分量进行参数提取,保留振荡频率在电力系统低频振荡研究与分析范围内,低频振荡频率范围0.1~2.5Hz的固有模态分量作为各发电机的关键固有模态分量;
d)利用随机子空间辨识理论提取低频振荡模态参数:将各个振荡频率相近的关键固有模态分量作为随机子空间辨识算法的输入进行计算,既得到系统状态矩阵及观测矩阵,进而根据状态矩阵特征值计算结果,即得到系统的振荡模式及其相关振荡参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110102626XA CN102185324A (zh) | 2011-04-25 | 2011-04-25 | 基于量测信息的电力系统低频振荡分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110102626XA CN102185324A (zh) | 2011-04-25 | 2011-04-25 | 基于量测信息的电力系统低频振荡分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102185324A true CN102185324A (zh) | 2011-09-14 |
Family
ID=44571417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110102626XA Pending CN102185324A (zh) | 2011-04-25 | 2011-04-25 | 基于量测信息的电力系统低频振荡分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102185324A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570486A (zh) * | 2012-02-10 | 2012-07-11 | 东南大学 | 一种抑制多模式低频振荡的pss参数优化方法 |
CN102692872A (zh) * | 2012-04-26 | 2012-09-26 | 中冶南方工程技术有限公司 | 结晶器离散状态方程辨识方法 |
CN103956756A (zh) * | 2014-05-23 | 2014-07-30 | 福州大学 | 一种电力系统低频振荡模态辨识方法 |
CN104218594A (zh) * | 2013-05-30 | 2014-12-17 | 通用电气公司 | 电力系统稳定化 |
CN106546847A (zh) * | 2016-10-20 | 2017-03-29 | 西南交通大学 | 基于prce的低频振荡模式在线辨识方法 |
CN108767880A (zh) * | 2018-06-28 | 2018-11-06 | 东北电力大学 | 一种电力系统主导振荡模式辨识的快速迭代随机子空间法 |
CN108767879A (zh) * | 2018-06-28 | 2018-11-06 | 东北电力大学 | 一种基于随机子空间的电力系统振荡模式快速辨识方法 |
CN110703013A (zh) * | 2019-09-26 | 2020-01-17 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 |
CN112103939A (zh) * | 2019-06-18 | 2020-12-18 | 上海电机学院 | 一种电力系统稳定性分析方法及装置 |
CN112632751A (zh) * | 2020-12-02 | 2021-04-09 | 西安航天动力技术研究所 | 一种基于随机子空间算法的弹体结构异常检测方法 |
CN113158785A (zh) * | 2021-03-11 | 2021-07-23 | 复旦大学 | 一种振荡信号模态参数的识别方法 |
-
2011
- 2011-04-25 CN CN201110102626XA patent/CN102185324A/zh active Pending
Non-Patent Citations (2)
Title |
---|
李天云 等: "基于EMD和SSI的电力系统低频振荡模态参数识别方法", 《电力系统保护与控制》 * |
蔡国伟 等: "基于实测信号的电力系统低频振荡模态辨识", 《电网技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570486A (zh) * | 2012-02-10 | 2012-07-11 | 东南大学 | 一种抑制多模式低频振荡的pss参数优化方法 |
CN102692872A (zh) * | 2012-04-26 | 2012-09-26 | 中冶南方工程技术有限公司 | 结晶器离散状态方程辨识方法 |
CN102692872B (zh) * | 2012-04-26 | 2014-04-09 | 中冶南方工程技术有限公司 | 结晶器离散状态方程辨识方法 |
CN104218594A (zh) * | 2013-05-30 | 2014-12-17 | 通用电气公司 | 电力系统稳定化 |
CN104218594B (zh) * | 2013-05-30 | 2018-04-06 | 通用电气公司 | 电力系统稳定化 |
CN103956756A (zh) * | 2014-05-23 | 2014-07-30 | 福州大学 | 一种电力系统低频振荡模态辨识方法 |
CN103956756B (zh) * | 2014-05-23 | 2015-12-02 | 福州大学 | 一种电力系统低频振荡模态辨识方法 |
CN106546847B (zh) * | 2016-10-20 | 2018-12-25 | 西南交通大学 | 一种基于prce的低频振荡模式在线辨识方法 |
CN106546847A (zh) * | 2016-10-20 | 2017-03-29 | 西南交通大学 | 基于prce的低频振荡模式在线辨识方法 |
CN108767880A (zh) * | 2018-06-28 | 2018-11-06 | 东北电力大学 | 一种电力系统主导振荡模式辨识的快速迭代随机子空间法 |
CN108767879A (zh) * | 2018-06-28 | 2018-11-06 | 东北电力大学 | 一种基于随机子空间的电力系统振荡模式快速辨识方法 |
CN112103939A (zh) * | 2019-06-18 | 2020-12-18 | 上海电机学院 | 一种电力系统稳定性分析方法及装置 |
CN112103939B (zh) * | 2019-06-18 | 2024-01-26 | 上海电机学院 | 一种电力系统稳定性分析方法及装置 |
CN110703013A (zh) * | 2019-09-26 | 2020-01-17 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 |
CN112632751A (zh) * | 2020-12-02 | 2021-04-09 | 西安航天动力技术研究所 | 一种基于随机子空间算法的弹体结构异常检测方法 |
CN112632751B (zh) * | 2020-12-02 | 2023-04-21 | 西安航天动力技术研究所 | 一种基于随机子空间算法的弹体结构状态异常检测方法 |
CN113158785A (zh) * | 2021-03-11 | 2021-07-23 | 复旦大学 | 一种振荡信号模态参数的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102185324A (zh) | 基于量测信息的电力系统低频振荡分析方法 | |
Ghorbaniparvar | Survey on forced oscillations in power system | |
Negi et al. | Event detection and its signal characterization in PMU data stream | |
Liu et al. | Data-driven event identification in the US power systems based on 2D-OLPP and RUSBoosted trees | |
Ju et al. | Analytical assessment for transient stability under stochastic continuous disturbances | |
Gargoom et al. | Automatic classification and characterization of power quality events | |
CN101944776B (zh) | 电力网络低频振荡监测系统 | |
Mishra et al. | Fast discrete s-transform and extreme learning machine based approach to islanding detection in grid-connected distributed generation | |
CN103198184B (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
Xia et al. | Dominant low‐frequency oscillation modes tracking and parameter optimisation of electrical power system using modified Prony method | |
CN110795840A (zh) | 基于dmd的电力系统主导振荡模式及参数识别方法 | |
CN106353623A (zh) | 基于随机响应信号的电力系统低频振荡模式在线辨识方法 | |
Zuhaib et al. | A novel method for locating the source of sustained oscillation in power system using synchrophasors data | |
Kaplan et al. | A novel method based on Weibull distribution for short-term wind speed prediction | |
Li et al. | Rolling bearing reliability estimation based on logistic regression model | |
CN105356462A (zh) | 风电场谐波预测评估方法 | |
Jin et al. | Mode identification of low‐frequency oscillations in power systems based on fourth‐order mixed mean cumulant and improved TLS‐ESPRIT algorithm | |
Pan et al. | Boring chatter identification by multi-sensor feature fusion and manifold learning | |
Kumar et al. | Determination of mode shapes in PMU signals using two‐stage mode decomposition and spectral analysis | |
Yang | Towards the development of a wake meandering model based on neural networks | |
Chen et al. | Fault diagnosis of full-hydraulic drilling rig based on RS–SVM data fusion method | |
CN106407955A (zh) | 一种电力系统低频振荡模式在线辨识方法 | |
Zhang et al. | Low frequency oscillation mode estimation using synchrophasor data | |
Yibei et al. | Research on chaos phenomena in power system | |
CN114966201B (zh) | 一种典型场景下谐波电压电流测量与特征分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110914 |