CN102227086A - 一种实时判定电力系统低频振荡辨识信号扰动的方法 - Google Patents

Abstract

一种实时判定电力系统低频振荡辨识信号扰动的方法，它包括有如下的步骤：实时采集电力系统中随时间变化的N个低频振荡辨识信号数据，作为基础数据；将基础数据经腐蚀变换、膨胀变换、梯度变换处理后求取软阈值，然后获得判定序列值；进行低频振荡辨识信号扰动状态的判定；更新基础数据，重复执行前面的步骤。如此往复循环，实现实时判定电力系统低频振荡辨识信号扰动状态的目的。本发明可以实时准确判定当前低频振荡辨识信号处于稳定状态还是扰动状态，电力系统低频振荡预警系统可以依据此状态采用相应的技术处理方式，实现电力系统低频振荡模式的有效可靠辨识，从而为低频振荡的准确预警以及阻尼控制奠定坚实基础。

Description

一种实时判定电力系统低频振荡辨识信号扰动的方法

(一)、技术领域

本发明涉及一种电力系统动态监测技术，尤其是一种实时判定电力系统低频振荡辨识信号扰动的方法。

(二)、背景技术

建设大型的互联电网实现资源优化配置是当今世界电力工业发展的大趋势，也是我国电网公司正在实施的宏伟工程。随着电力系统从区域互联电网逐步发展为国家互联电力系统和跨国跨地区的互联电力系统，我国已经形成了两个巨型的交流链式同步电网，即：国家电网和南方电网。在这两个电网的实际运行过程中，由于存在远距离输电、线路的重载运行以及大量发电机组上配装的快速励磁设备的使用，容易造成电力系统阻尼降低，甚至出现负阻尼的现象，因此，在这种情况下，一旦电力系统上发生线路跳闸、开关失效以及负荷的随机波动等小扰动现象，就会导致输电线路的功率极容易发生频率为0.1Hz至2.5Hz之间的振荡，即低频振荡。此时，如果电力系统有足够的阻尼，低频振荡就会逐渐消失，不会对电力系统造成影响；但是，如果电力系统缺乏必要的阻尼，那么低频振荡越来越剧烈，电力系统会失去动态稳定。从国内外已经发生的多次低频振荡事故来看，由于电网结构不完善，缺少相应的安全措施，一个局部的小扰动或异常运行都可能引起整个电力系统的连锁反应并造成大面积的系统瓦解，导致大面积的停电事故，从而对人民生活及国民经济造成灾难性损失。针对低频振荡事故对电网的严重危害，因此，实时准确地对电力系统出现低频振荡之前的特征参数(即低频振荡模式)有效辨识，实现对低频振荡的预警，以便及时采取预防和控制措施，避免低频振荡事故，成为迫切需要解决的技术问题。目前，对电力系统的实时辨识低频振荡模式所采用的方法是自回归滑动平均处理方法(即ARMA方法)，该方法仅适用于稳态信号的辨识，一旦电力系统低频振荡辨识信号发生扰动，ARMA方法处理的结果误差非常大，根本不适用，此时，应当采用普罗尼方法(Prony方法)进行辨识。至于何时采用ARMA方法，何时采用Prony方法，与电力系统低频振荡辨识信号是否发生扰动紧密相关，因此，实时地准确判定电力系统低频振荡辨识信号是否处于扰动状态，成为了亟待解决的技术难题，这也是本发明的目的所在。

现有电力系统低频振荡辨识信号扰动信号实时检测主要使用突变量检测法。该方法是对电力系统低频振荡辨识信号进行差分运算，其实质是得到两个信号之间的突变差异量，根据这差异量和预先人为设定的某一标准阈值进行比较，大于该标准阈值则认为当前低频振荡辨识信号发生扰动，反之则没有扰动发生。但是由于不同线路上低频振荡辨识信号的差异较大，如果采用固定的标准阈值，检测结果误差极大，可靠性低。

(三)、发明内容

本发明的目的就是提供一种实时判定电力系统低频振荡辨识信号扰动的方法，它可以实时准确判定当前低频振荡辨识信号处于稳定状态还是扰动状态，电力系统低频振荡预警系统可以依据此状态采用相应的技术处理方式，实现电力系统低频振荡模式的有效可靠辨识，从而为低频振荡的准确预警以及阻尼控制奠定坚实基础。

本发明的目的是通过这样的技术方案实现的，它包括有如下的步骤：

(1)、先设定低频振荡辨识信号扰动状态标志初值为无扰动；实时采信电力系统中随时间变化的N个低频振荡辨识信号数据，时间间隔为T，以此作为最初的基础数据；

(2)、对当前的基础数据中进行处理，更加突显其低频振荡辨识信号发生扰动时的幅值差异，具体进行处理方法如下：

①、对基础数据进行腐蚀变换和膨胀变换：

a、腐蚀变换：e(n)＝min[f(n+m)-g(m)]

b、膨胀变换：d(n)＝max[f(n-m)+g(m)]

上式中：

f(n)是基础数据序列中，第n个数据所对应的功率值，且n≤N，其中N是基础数据序列的个数总和；

g(m)是预先设定的结构元素序列，其中m＝1，2，3，…，M，M是结构元素序列的个数总和，且M远小于N；

e(n)是腐蚀变换后的数据序列，其中n＝1，2，3，…，N；min[f(n+m)-g(m)]是f(n+1)-g(1)、f(n+2)-g(2)、f(n+3)-g(3)、…、f(n+M)-g(M)序列数据中的最小值；

d(n)是膨胀变换后的数据序列，其中n＝1，2，3，…，N；max[f(n-m)+g(m)]是f(n-1)+g(1)、f(n-2)+g(2)、f(n-3)+g(3)、…、f(n-M)+g(M)序列数据中的最大值；

②、将步骤①中获得的膨胀变换序列值d(n)和腐蚀变换序列值e(n)进行梯度变换：G(n)＝d(n)-e(n)，式中，G(n)是梯度变换后的数据序列，即膨胀变换序列值d(n)与腐蚀变换序列值e(n)就同一n值之差后得到的序列值；

③、将步骤②中获得的梯度变换后的数据序列G(n)求取软阈值：

$\mathrm{\σ}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\left|G\left(n\right)\right|/\left(0.6745N\right),$ 式中，σ是软阈值；

④、将步骤②中获得的梯度变换数据序列G(n)和步骤③求得的软阈值σ进行比较，当G(n)≤σ时，取判定值P(n)＝0；当G(n)＞σ时，取判定值P(n)＝G(n)-σ；从而获得作为判定低频振荡辨识信号扰动的判定序列值P(n)；

(3)、低频振荡辨识信号扰动状态的判定：

①、当扰动状态标志是无扰动时，取出判定序列值P(n)的最后一个值P(N)与标准扰动阈值δ₁相比较，如果P(N)≥δ₁，那么，判定电力系统低频振荡辨识信号开始扰动，将扰动状态标志更改为已扰动；如果P(N)＜δ₁，那么，判定电力系统低频振荡辨识信号没有扰动；

②、当扰动状态标志是已扰动时，取出判定序列值P(n)的最后Q个值分别与标准平稳阈值δ₂相比较，且δ₁是δ₂的2-8倍，如果Q个P(n)值均小于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号结束扰动，将扰动状态标志更改为无扰动；如果Q个P(n)值至少有一个大于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号继续扰动；

(4)、每隔时间T，实时采集一个新的低频振荡辨识信号数据，在当前基础数据的基础上，剔除第一个低频振荡辨识信号数据，把新采集的一个低频振荡辨识信号数据加入到最后一个数据之后，以作为最新的基础数据，执行步骤(2)；

如此往复循环地执行步骤(2)、(3)、(4)，实现实时判定电力系统低频振荡辨识信号扰动状态的目的。

在本发明中，所采用的基础数据来自经过电力系统低频振荡预警系统预处理模块处理后的实时低频振荡辨识信号。这样处理的目的是因为在采集信号的时候由于信号采集器的误操作，信号输出过程上的通信错误等人为不可控的因素将导致原始数据会存在一些明显错误的数据，通过预处理程序可以最大程度上的减少这些错误数据对判定算法的影响，保证算法的准确性。对基础数据进行膨胀和腐蚀变换以及接下来的梯度变换，其实质就是使稳态数据幅值差异变小，扰动数据幅值差异增大，这样的处理可以使信号中扰动数据和稳态数据的差异更加显著，为后续的判断处理奠定数据基础。软阈值的选取是为了充分考虑基础数据序列中所有数据的幅值，而系数0.6745和δ₁是δ₂的2-8倍的选取是根据大量的实验数据归纳总结之后所得到的。在扰动开始判断中才采用基础序列最后一个值做为开始判断位和扰动停止判断中采用最后Q位做为停止判断位，是为了本发明方法可以及时准确判定数据的状态，从而为电力系统低频振荡预警系统实时可靠运行提供判断依据。

低频振荡辨识信号中，在未出现扰动状态时，由于电网负荷的随机变化，导致信号中含有大量的明显波动，因此，如果直接采用经过预处理后的低频振荡辨识信号进行扰动判别，往往会把这些明显波动的信号错误地判定为扰动，从而导致电力系统相关设备的误操作；本发明的方法就是将预处理后的低频振荡辨识信号进行相应的处理后形成判定序列，它能够凸显扰动信号与这些明显波动信号的显著差异，并准确地区分这些波动数据与扰动数据，从而实时准确地判断信号的扰动状态。最终可以有效地避免因为误判断扰动而引起的事故，保证电力系统相关设备的正常运行。

由于采用了上述技术方案，本发明可以实时准确判定当前低频振荡辨识信号处于稳定状态还是扰动状态，电力系统低频振荡预警系统可以依据此状态采用相应的技术处理方式，实现电力系统低频振荡模式的有效可靠辨识，从而为低频振荡的准确预警以及阻尼控制奠定坚实基础。

(四)、附图说明

本发明的附图说明如下：

图1是取N＝900，M＝3，T＝0.5秒，Q＝5时，功率值f(n)与数据个数n实测结果关系图；

图2是图1状态下，判定序列P(n)与数据个数n实测结果关系图；

图3是取N＝1500、M＝4、T＝0.2秒、Q＝10时，功率值f(n)与数据个数n实测结果关系图；

图4是图3状态下，判定序列P(n)与数据个数n实测结果关系图；

图5是取N＝3000、M＝5、T＝0.1秒、Q＝15时，功率值f(n)与数据个数n实测结果关系图；

图6是图5状态下，判定序列P(n)与数据个数n实测结果关系图。

图7是取N＝900，M＝3，T＝0.5秒，Q＝5时，电压相角差值f(n)与数据个数n实测结果关系图；

图8是图7状态下，判定序列P(n)与数据个数n实测结果关系图；

图9是取N＝1500，M＝4，T＝0.2秒，Q＝10时，电压相角差值f(n)与数据个数n实测结果关系图；

图10是图9状态下，判定序列P(n)与数据个数n实测结果关系图；

图11是取N＝3000，M＝5，T＝0.1秒，Q＝15时，电压相角差值f(n)与数据个数n实测结果关系图；

图12是图11状态下，判定序列P(n)与数据个数n实测结果关系图。

(五)、具体实施方式

下面结合附图和实施例对本发明作进一步说明：

本发明包括有如下的步骤：

(1)、先设定低频振荡辨识信号扰动状态标志初值为无扰动；实时采信电力系统中随时间变化的N个低频振荡辨识信号数据，时间间隔为T，以此作为最初的基础数据；

(2)、对当前的基础数据中进行处理，更加突显其低频振荡辨识信号发生扰动时的幅值差异，具体进行处理方法如下：

①、对基础数据进行腐蚀变换和膨胀变换：

c、腐蚀变换：e(n)＝min[f(n+m)-g(m)]

d、膨胀变换：d(n)＝max[f(n-m)+g(m)]

上式中：

f(n)是基础数据序列中，第n个数据所对应的功率值，且n≤N，其中N是基础数据序列的个数总和；

g(m)是预先设定的结构元素序列，其中m＝1，2，3，…，M，M是结构元素序列的个数总和，且M远小于N；

e(n)是腐蚀变换后的数据序列，其中n＝1，2，3，…，N；min[f(n+m)-g(m)]是f(n+1)-g(1)、f(n+2)-g(2)、f(n+3)-g(3)、…、f(n+M)-g(M)序列数据中的最小值；

d(n)是膨胀变换后的数据序列，其中n＝1，2，3，…，N；max[f(n-m)+g(m)]是f(n-1)+g(1)、f(n-2)+g(2)、f(n-3)+g(3)、…、f(n-M)+g(M)序列数据中的最大值；

②、将步骤①中获得的膨胀变换序列值d(n)和腐蚀变换序列值e(n)进行梯度变换：G(n)＝d(n)-e(n)，式中，G(n)是梯度变换后的数据序列，即膨胀变换序列值d(n)与腐蚀变换序列值e(n)就同一n值之差后得到的序列值；

③、将步骤②中获得的梯度变换后的数据序列G(n)求取软阈值：

$\mathrm{\σ}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\left|G\left(n\right)\right|/\left(0.6745N\right),$ 式中，σ是软阈值；

④、将步骤②中获得的梯度变换数据序列G(n)和步骤③求得的软阈值σ进行比较，当G(n)≤σ时，取判定值P(n)＝0；当G(n)＞σ时，取判定值P(n)＝G(n)-σ；从而获得作为判定低频振荡辨识信号扰动的判定序列值P(n)；

(3)、低频振荡辨识信号扰动状态的判定：

①、当扰动状态标志是无扰动时，取出判定序列值P(n)的最后一个值P(N)与标准扰动阈值δ₁相比较，如果P(N)≥δ₁，那么，判定电力系统低频振荡辨识信号开始扰动，将扰动状态标志更改为已扰动；如果P(N)＜δ₁，那么，判定电力系统低频振荡辨识信号没有扰动；

②、当扰动状态标志是已扰动时，取出判定序列值P(n)的最后Q个值分别与标准平稳阈值δ₂相比较，且δ₁是δ₂的2-8倍，如果Q个P(n)值均小于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号结束扰动，将扰动状态标志更改为无扰动；如果Q个P(n)值至少有一个大于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号继续扰动；

(4)、每隔时间T，实时采集一个新的低频振荡辨识信号数据，在当前基础数据的基础上，剔除第一个低频振荡辨识信号数据，把新采集的一个低频振荡辨识信号数据加入到最后一个数据之后，以作为最新的基础数据，执行步骤(2)；

如此往复循环地执行步骤(2)、(3)、(4)，实现实时判定电力系统低频振荡辨识信号扰动状态的目的。

在本发明中，所采用的基础数据来自经过电力系统低频振荡预警系统预处理模块处理后的实时低频振荡辨识信号。这样处理的目的是因为在采集信号的时候由于信号采集器的误操作，信号输出过程上的通信错误等人为不可控的因素将导致原始数据会存在一些明显错误的数据，通过预处理程序可以最大程度上的减少这些错误数据对判定算法的影响，保证算法的准确性。对基础数据进行膨胀和腐蚀变换以及接下来的梯度变换，其实质就是使稳态数据幅值差异变小，扰动数据幅值差异增大，这样的处理可以使信号中扰动数据和稳态数据的差异更加显著，为后续的判断处理奠定数据基础。软阈值的选取是为了充分考虑基础数据序列中所有数据的幅值，而系数0.6745和δ₁是δ₂的2-8倍的选取是根据大量的实验数据归纳总结之后所得到的。在扰动开始判断中才采用基础序列最后一个值作为开始判断位和扰动停止判断中采用最后Q位作为停止判断位，是为了本发明方法可以及时准确判定数据的状态，从而为电力系统低频振荡预警系统实时可靠运行提供判断依据。

低频振荡辨识信号中，在未出现扰动状态时，由于电网负荷的随机变化，导致信号中含有大量的明显波动，因此，如果直接采用经过预处理后的低频振荡辨识信号进行扰动判别，往往会把这些明显波动的信号错误地判定为扰动，从而导致电力系统相关设备的误操作；本发明的方法就是将预处理后的低频振荡辨识信号进行相应的处理后形成判定序列，它能够凸显扰动信号与这些明显波动信号的显著差异，并准确地区分这些波动数据与扰动数据，从而实时准确地判断信号的扰动状态。最终可以有效地避免因为误判断扰动而引起的事故，保证电力系统相关设备的正常运行。

在本发明中，数据个数可以是N＝900，结构元素序列的个数总和可以是M＝3，时间间隔可以是T＝0.5秒，Q＝5。

在本发明中，数据个数可以是N＝1500，结构元素序列的个数总和可以是M＝4，时间间隔可以是T＝0.2秒，Q＝10。

在本发明中，数据个数可以是N＝3000，结构元素序列的个数总和可以是M＝5，时间间隔可以是T＝0.1秒，Q＝15。

标准平稳阈值δ₂可以是设定值，且0＜δ₂≤15。标准平稳阈值δ₂可以是0.0008，标准扰动阈值δ₁可以是0.0064；标准平稳阈值δ₂也可以是8，标准扰动阈值δ₁也可以是40；标准平稳阈值δ₂还可以是15，标准扰动阈值δ₁还可以30。

标准平稳阈值δ₂可以采用如下的步骤实时获取：

(1)、稳态标准平稳阈值δ₂的初值设定：从最初的判断序列值中，在没有出现低频振荡辨识信号扰动情况下，取出该判断序列中的最大值作为稳态标准平稳阈值δ₂的初值；

(2)、稳态标准平稳阈值δ₂的实时获取：每隔一个小时，如果连续N次扰动标志均为无扰动，那么，取出当前的判断序列中最大值作为最新的稳态标准平稳阈值δ₂；，如果连续N次扰动标志中至少有一个为已扰动，稳态标准平稳阈值δ₂保持不变。

电力系统低频振荡辨识信号是功率信号或电压相角差信号。

实验例1：

按照本发明的方法进行实验测试，其中选取：N＝900，M＝3，T＝0.5秒，Q＝5，g(1)＝g(2)＝g(3)＝1，δ₂＝15，δ₁＝30，低频振荡辨识信号是功率信号。

实时采集功率信号并经过预处理后的基础数据如图1所示，图中第1个数据至第476个数据虽有波动，但却没有发生扰动，即n＝1至n＝476之间没有真正发生过扰动；从第477个数据开始发生扰动，即n＝477发生扰动；第478个数据到第545个数据之间处于扰动继续的状态，即n＝478至545已扰动；第546个数据扰动停止，即n＝546扰动停止；从第547个数据至第900个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝547至900没有扰动发生。

用本发明的方法判断所得实验结果如图2所示：在第1个数据至第476个数据之间，即当n＝1至n＝476时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第477个数据上，即n＝477时，判断序列值P(n)大于δ₁，判定发生扰动；在第478个数据至第546个数据之间，即当n＝478至n＝546时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第547个数据上，即n＝547时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第548个数据至第900个数据上，即当n＝548至n＝900时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图1、图2可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图1与图2的比较可知，图2完全排除了图1中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

实验例2：

在本发明中，低频振荡辨识信号是功率信号，也可以是：N＝1500，M＝4，T＝0.2秒，Q＝10，g(1)＝g(2)＝g(3)＝g(4)＝1，δ₂由如下方法实时获取：

(1)、稳态标准平稳阈值δ₂的初值设定：从最初的判断序列值中，在没有出现低频振荡辨识信号扰动情况下，取出该判断序列中的最大值作为稳态标准平稳阈值δ₂的初值；

(2)、稳态标准平稳阈值δ₂的实时获取：每隔一个小时，如果连续N次扰动标志均为无扰动，那么，取出当前的判断序列中最大值作为最新的稳态标准平稳阈值δ₂；，如果连续N次扰动标志中至少有一个为已扰动，稳态标准平稳阈值δ₂保持不变。

选取δ₁是δ₂的8倍。

实时采集功率信号并经过预处理后的基础数据如图3所示，图中第1个数据至第776个数据虽有波动，但却没有发生扰动，即n＝1至n＝776之间没有真正发生过扰动；从第777个数据开始发生扰动，即n＝777发生扰动；第778个数据到第865个数据之间处于扰动继续的状态，即n＝778至865已扰动；第866个数据扰动停止，即n＝866扰动停止；从第867个数据至第1500个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝867至1500没有扰动发生。

用本发明的方法判断所得实验结果如图4所示：在第1个数据至第776个数据之间，即当n＝1至n＝776时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第777个数据上，即n＝777时，判断序列值P(n)大于δ₁，判定发生扰动；在第778个数据至第865个数据之间，即当n＝778至n＝865时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第866个数据上，即n＝866时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第867个数据至第1500个数据上，即当n＝867至n＝1500时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图3、图4可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图3与图4的比较可知，图4完全排除了图3中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

实验例3：

按照本发明的方法进行实验测试，其中选取：N＝3000，M＝5，T＝0.1秒，Q＝15，，g(1)＝g(2)＝g(3)＝g(4)＝g(5)＝1，δ₂＝8，选δ₁是δ₂的5倍，δ₁＝40，低频振荡辨识信号是功率信号。

实时采集功率信号并经过预处理后的基础数据如图5所示，图中第1个数据至第1378个数据虽有波动，但却没有发生扰动，即n＝1至n＝1378之间没有真正发生过扰动；从第1379个数据开始发生扰动，即n＝1379发生扰动；第1380个数据到第1453个数据之间处于扰动继续的状态，即n＝1380至1453已扰动；第1454个数据扰动停止，即n＝1454扰动停止；从第1455个数据至第3000个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝1454至3000没有扰动发生。

用本发明的方法判断所得实验结果如图6所示：在第1个数据至第1378个数据之间，即当n＝1至n＝1378时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第1379个数据上，即n＝1379时，判断序列值P(n)大于δ₁，判定发生扰动；在第1380个数据至第1453个数据之间，即当n＝1380至n＝1453时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第1454个数据上，即n＝1454时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第1455个数据至第3000个数据上，即当n＝1455至n＝3000时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图5、图6可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图5与图6的比较可知，图6完全排除了图5中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

实验例4：

按照本发明的方法进行实验测试，其中选取：N＝900，M＝3，T＝0.5秒，Q＝5，g(1)＝g(2)＝g(3)＝0.001，δ₂＝0.001，选δ₁是δ₂的5倍，δ₁＝0.005，低频振荡辨识信号是电压相角差信号。

实时采集电压相角差信号并经过预处理后的基础数据如图7所示，图中第1个数据至第501个数据虽有波动，但却没有发生扰动，即n＝1至n＝501之间没有真正发生过扰动；从第502个数据开始发生扰动，即n＝502发生扰动；第503个数据到第580个数据之间处于扰动继续的状态，即n＝503至580已扰动；第581个数据扰动停止，即n＝581扰动停止；从第582个数据至第900个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝582至900没有扰动发生。

用本发明的方法判断所得实验结果如图8所示：在第1个数据至第501个数据之间，即当n＝1至n＝501时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第502个数据上，即n＝502时，判断序列值P(n)大于δ₁，判定发生扰动；在第503个数据至第580个数据之间，即当n＝503至n＝580时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第581个数据上，即n＝581时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第582个数据至第900个数据上，即当n＝582至n＝900时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图7、图8可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图7与图8的比较可知，图8完全排除了图7中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

实验例5：

按照本发明的方法进行实验测试，低频振荡辨识信号是电压相角差信号，其中选取：N＝1500，M＝4，T＝0.2秒，Q＝10，g(1)＝g(2)＝g(3)＝g(4)＝0.001，δ₂由如下方法实时获取：

(1)、稳态标准平稳阈值δ₂的初值设定：从最初的判断序列值中，在没有出现低频振荡辨识信号扰动情况下，取出该判断序列中的最大值作为稳态标准平稳阈值δ₂的初值；

(2)、稳态标准平稳阈值δ₂的实时获取：每隔一个小时，如果连续N次扰动标志均为无扰动，那么，取出当前的判断序列中最大值作为最新的稳态标准平稳阈值δ₂；，如果连续N次扰动标志中至少有一个为已扰动，稳态标准平稳阈值δ₂保持不变。

选取δ₁是δ₂的2倍。

实时采集功率信号并经过预处理后的基础数据如图9所示，图中第1个数据至第698个数据虽有波动，但却没有发生扰动，即n＝1至n＝698之间没有真正发生过扰动；从第699个数据开始发生扰动，即n＝699发生扰动；第700个数据到第889个数据之间处于扰动继续的状态，即n＝700至889已扰动；第890个数据扰动停止，即n＝890扰动停止；从第891个数据至第1500个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝891至1500没有扰动发生。

用本发明的方法判断所得实验结果如图10所示：在第1个数据至第697个数据之间，即当n＝1至n＝697时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第698个数据上，即n＝698时，判断序列值P(n)大于δ₁，判定发生扰动；在第699个数据至第889个数据之间，即当n＝699至n＝889时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第890个数据上，即n＝890时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第891个数据至第1500个数据上，即当n＝891至n＝1500时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图9、图10可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图9与图10的比较可知，图10完全排除了图9中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

实验例6：

按照本发明的方法进行实验测试，其中选取：N＝3000，M＝5，T＝0.1秒，Q＝15，g(1)＝g(2)＝g(3)＝g(4)＝g(5)＝0.001，δ₂＝0.0008，选δ₁是δ₂的8倍，δ₁＝0.0064，低频振荡辨识信号是电压相角差信号。

实时采集功率信号并经过预处理后的基础数据如图11所示，图中第1个数据至第1002个数据虽有波动，但却没有发生扰动，即n＝1至n＝1002之间没有真正发生过扰动；从第1003个数据开始发生扰动，即n＝1003发生扰动；第1004个数据到第1082个数据之间处于扰动继续的状态，即n＝1004至1082已扰动；第1083个数据扰动停止，即n＝1083扰动停止；从第1084个数据至第3000个数据之间可以观察到，虽有波动但仍没有扰动发生，即n＝1084至3000没有扰动发生。

用本发明的方法判断所得实验结果如图12所示：在第1个数据至第1002个数据之间，即当n＝1至n＝1002时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生；在第1003个数据上，即n＝1003时，判断序列值P(n)大于δ₁，判定发生扰动；在第1004个数据至第1082个数据之间，即当n＝1004至n＝1082时，判断序列值P(n)的最后Q个值仍存在大于δ₂的值，判定为扰动继续；在第1083个数据上，即n＝1083时，判断序列值P(n)的最后Q个值均小于δ₂，判定扰动停止；在第1084个数据至第3000个数据上，即当n＝1084至n＝3000时，判断序列值P(n)处于一个基本稳定的状态且均小于δ₂的值，从而判定扰动未发生。

结合图11、图12可知：本发明方法能够实时准确的判断出功率信号的扰动状态，即能准确判定功率信号是处于扰动状态还是无扰动状态，而且从图11与图12的比较可知，图12完全排除了图11中出现的平稳波动，准确凸显出扰动信号的判定序列值，实现了准确判断的目的，两者误差极小。

Claims (10)

1.一种实时判定电力系统低频振荡辨识信号扰动的方法，它包括有如下的步骤：

(1)、先设定低频振荡辨识信号扰动状态标志初值为无扰动；实时采信电力系统中随时间变化的N个低频振荡辨识信号数据，时间间隔为T，以此作为最初的基础数据；

(2)、对当前的基础数据中进行处理，更加突显低频振荡辨识信号发生扰动时的幅值差异，具体进行处理方法如下：

①、对基础数据进行腐蚀变换和膨胀变换：

a、腐蚀变换：e(n)＝min[f(n+m)-g(m)]

b、膨胀变换：d(n)＝max[f(n-m)+g(m)]

上式中：

f(n)是基础数据序列中，第n个数据所对应的功率值，且n≤N，其中N是基础数据序列的个数总和；

g(m)是预先设定的结构元素序列，其中m＝1，2，3，…，M，M是结构元素序列的个数总和，且M远小于N；

e(n)是腐蚀变换后的数据序列，其中n＝1，2，3，…，N；min[f(n+m)-g(m)]是f(n+1)-g(1)、f(n+2)-g(2)、f(n+3)-g(3)、…、f(n+M)-g(M)序列数据中的最小值；

d(n)是膨胀变换后的数据序列，其中n＝1，2，3，…，N；max[f(n-m)+g(m)]是f(n-1)+g(1)、f(n-2)+g(2)、f(n-3)+g(3)、…、f(n-M)+g(M)序列数据中的最大值；

②、将步骤①中获得的膨胀变换序列值d(n)和腐蚀变换序列值e(n)进行梯度变换：G(n)＝d(n)-e(n)，式中，G(n)是梯度变换后的数据序列，即膨胀变换序列值d(n)与腐蚀变换序列值e(n)就同一n值之差后得到的序列值；

③、将步骤②中获得的梯度变换后的数据序列G(n)求取软阈值：

$\mathrm{\σ}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\left|G\left(n\right)\right|/\left(0.6745N\right),$ 式中，σ是软阈值；

④、将步骤②中获得的梯度变换数据序列G(n)和步骤③求得的软阈值σ进行比较，当G(n)≤σ时，取判定值P(n)＝0；当G(n)＞σ时，取判定值P(n)＝G(n)-σ；从而获得作为判定低频振荡辨识信号扰动的判定序列值P(n)；

(3)、低频振荡辨识信号扰动状态的判定：

①、当扰动状态标志是无扰动时，取出判定序列值P(n)的最后一个值P(N)与标准扰动阈值δ₁相比较，如果P(N)≥δ₁，那么，判定电力系统低频振荡辨识信号开始扰动，将扰动状态标志更改为已扰动；如果P(N)＜δ₁，那么，判定电力系统低频振荡辨识信号没有扰动；

②、当扰动状态标志是已扰动时，取出判定序列值P(n)的最后Q个值分别与标准平稳阈值δ₂相比较，且δ₁是δ₂的2-8倍，如果Q个P(n)值均小于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号结束扰动，将扰动状态标志更改为无扰动；如果Q个P(n)值至少有一个大于标准平稳阈值δ₂，那么，判定电力系统低频振荡辨识信号继续扰动；

(4)、每隔时间T，实时采集一个新的低频振荡辨识信号数据，在当前基础数据的基础上，剔除第一个低频振荡辨识信号数据，把新采集的一个低频振荡辨识信号数据加入到最后一个数据之后，以作为最新的基础数据，执行步骤(2)；

如此往复循环地执行步骤(2)、(3)、(4)，实现实时判定电力系统低频振荡辨识信号扰动状态的目的。

2.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：N＝900，M＝3，T＝0.5秒，Q＝5。

3.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：N＝1500，M＝4，T＝0.2秒，Q＝10。

4.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：N＝3000，M＝5，T＝0.1秒，Q＝15。

5.如权利要求1、2、3或4所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：标准平稳阈值δ₂是设定值，且0＜δ₂≤15。

6.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：标准平稳阈值δ₂是0.0008，标准扰动阈值δ₁是0.0064。

7.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：标准平稳阈值δ₂是8，标准扰动阈值δ₁是40。

8.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：标准平稳阈值δ₂是15，标准扰动阈值δ₁是30。

9.如权利要求1、2、3或4所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值δ₂在是采用如下的步骤实时获取的：

(1)、稳态标准平稳阈值δ₂的初值设定：从最初的判断序列值中，在没有出现低频振荡辨识信号扰动情况下，取出该判断序列中的最大值作为稳态标准平稳阈值δ₂的初值；

(2)、稳态标准平稳阈值δ₂的实时获取：每隔一个小时，如果连续N次扰动标志均为无扰动，那么，取出当前的判断序列中最大值作为最新的稳态标准平稳阈值δ₂；，如果连续N次扰动标志中至少有一个为已扰动，稳态标准平稳阈值δ₂保持不变。

10.如权利要求1、2、3、4、6、7或8所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于：低频振荡辨识信号是功率信号或电压相角差信号。

Images