CN104865474A - 一种基于pmu数据实时监测低频振荡源的方法 - Google Patents

Abstract

本发明提供一种基于PMU数据实时监测低频振荡源的方法，涉及电力系统的安全运行。该方法利用相量测量装置PMU获得电力系统电厂发电机母线出口侧信息，具体包括发电厂出口母线的有功输出功率、无功输出功率、电压相角、电压幅值以及功角，根据这些获得的数据计算发电厂母线的振荡能量，同时，利用TLS-ESPRIT算法对获得的数据进行辨识，提取出该电厂机组侧的主导振荡模式，并获取相应的振荡特性参数。若振荡源位于该电厂，则有振荡能量流出该电厂，振荡能量流为正值；反之，振荡能量流为负值。本发明的优点是能够直接利用PMU获得输入信号，对电力系统低频振荡源进行实时监测，方便快捷且计算速度快，实用型强。

Description

一种基于PMU数据实时监测低频振荡源的方法

技术领域

本发明属于电力系统低频振荡源实时监测领域，具体涉及一种基于PMU数据实时监测低频振荡源的方法。

背景技术

虽然电网互联极大的提高了发电和输电的可靠性和经济性，带来一系列的经济效益，但同时也给电网安全运行带来了一些新问题，如大电网内部或与其它电网互联线路的潮流控制和稳定性控制等问题。大容量、远距离输电和重负荷的互联电网阻尼系数较小，在系统受到扰动时，会引发电力系统振荡，导致发电机转子之间会发生相对摇摆，从而引发电力系统低频振荡现象，威胁到电网的安全稳定运行。如果能够通过在线监测电厂侧信号及时发现振荡源，则对于提高系统阻尼、平息振荡具有重要的指导意义。因此，电厂侧振荡源在线识别对电网的安全稳定运行具有重要意义。

在低频振荡源的定位方面，已经有很多文献和专利发表，但是这些专利和文献的定位振荡源方法在获得输入信号时比较空难，实用价值不大。本发明针对已有振荡源定位方法的缺点，提出了一种基于PMU数据实时监测低频振荡源的方法，在能量流算法以及总体最小二乘-旋转不变技术的信号参数估计(TLS-ESPRIT)算法的基础上，利用PMU直接获得振荡源定位算法所需的输入信号。

发明内容

本发明提出了一种基于PMU数据实时监测低频振荡源的方法。本发明是一种判别低频振荡源是否发生在该电厂侧的方法，能够对电力系统低频振荡源进行实时监测，有效识别低频振荡源的位置，方便快捷且计算速度快，实用型强。

为了实现上述目的，本发明采用如下技术方案：利用相量测量装置(PMU)采集的数据，计算电厂出口母线的振荡能量，从而根据振荡能量的流向判别振荡源是否位于该电厂。

一种基于PMU数据实时监测低频振荡源的方法，包括以下步骤：

1)通过PMU系统获取电厂侧实时数据，具体包括发电厂出口母线的有功输出功率P、无功输出功率Q、电压相角θ、电压幅值U以及发电机功角δ；

2)进行预分析，采用的判据为：

$\underset{n=\mathrm{1,2},...,N}{\max }|{\mathrm{\δ}}_i\left(n\right)-{\mathrm{\δ}}_{i0}|\≤C$

式中，N为离散数据的长度；C为给定的一个较小的数值，δ_i0为发电机在稳定工作点运行的功角额定值；

3)对该组数据进行低通滤波，限定频段为低频振荡的频率范围0.2-2.5Hz的闭区间，避免这个频段的振荡信息被信号中叠加的能量较高的高频信号所淹没，使得监测程序不能及时发现低频振荡现象，错失了对系统进行保护调整的时机；

4)利用TLS-ESPRIT方法对该组数据进行辨识，提取出该电厂机组侧的主导振荡模式，并获取相应的振荡特性参数；

5)根据PMU获取的电厂出口母线的离散数据，计算该发电厂流出的振荡能量，如果振荡能量为正值，则该发电厂为振荡源；反之，则该电厂不是振荡源所在；

6)输出结果。

本发明的优点是：

1)本发明的输入信号直接从相量测量装置(PMU)的数据集中处理单元处获得，可以最大限度地利用PMU信息，直观快速地显现电厂侧振荡时的特征，摆脱对元件参数精确性的依赖，并快速在线监测电力系统中的低频振荡源；

2)本发明利用最小二乘-旋转不变技术的信号参数估计(TLS-ESPRIT)算法能够克服传统Prony分析容易受到噪声信号干扰的缺点，可以使用较短观测时间的数据有效地辨识电力系统低频振荡主导模式，具体包括各振荡模式的角频率ω_k、幅值a_k、相位θ_k、和衰减因子σ_k；

3)本发明采用的能量流算法，原理简单易懂，计算速度快，易于实现，可以直接在PMU系统上开发应用，改造工程量小，具有广阔的应用前景。

附图说明

图1为一种基于PMU数据实时监测低频振荡源的方法流程示意图；

图2为该方法所需输入信号位置的发电机及出线示意图；

图3为该方法从PMU获得数据的示意图。

具体实施方式

下面结合实例和附图，对本发明做进一步的详细介绍。

如附图1所示本发明基于PMU数据实时监测低频振荡源的方法流程示意图，所述的电力系统低频振荡源定位方法包括以下步骤：

1)通过PMU装置获取附图2中所示的电厂发电机母线出口侧的实时离散数据，具体包括发电厂出口母线的有功输出功率P、无功输出功率Q、电压相角θ、电压幅值U以及发电机功角δ。

2)利用发电机功角δ进行预分析，采用的判据如下式：

$\underset{n=\mathrm{1,2},...,N}{\max }|{\mathrm{\δ}}_i\left(n\right)-{\mathrm{\δ}}_{i0}|\≤C$

式中，N为离散数据的长度；C为给定的一个较小的数值，δ_i0为发电机在稳定工作点运行的功角额定值。

3)对采集的数据低通滤波，将频段限定在低频振荡的频率范围(0.2-2.5Hz的闭区间)，该步骤的主要作用是避免低频段的振荡信息被信号中叠加的能量较高的高频信号所淹没，使得监测程序不能及时发现低频振荡现象，错失了对系统进行保护调整的时机。

4)利用TLS-ESPRIT方法对该组数据进行辨识，提取出该电厂机组侧的主导振荡模式，并获取相应的振荡特性参数。

TLS-ESPRIT实现方法如下所示：

根据采样数据构造Hankel矩阵X，然后对矩阵X进行奇异值分解，可得到信号子空间V_S。

设V₁、V₂分别为V_S删除最后一行和第一行余下的矩阵，对[V₁ V₂]进行奇异值分解可得到，P可表达为如下形式：

$P=\left[\begin{array}{cc}{P}_{11}& P_{12}\\ P_{21}& P_{22}\end{array}\right]$

计算P₁₁P₂₁ ^-1的特征根λ_k(k＝1,2,…,P)，可估计信号中各分量的频率、衰减系数：

${\mathrm{\ω}}_k=\frac{\arg {\mathrm{\λ}}_k}{T_S}$

${\mathrm{\σ}}_k=-\frac{\ln \left|{\mathrm{\λ}}_k\right|}{T_S}$

对于N点采样信号，有：

Y＝λc

Y＝[x(0),x(1),…,x(N-1)]^T

c＝[c₁,c₂,…c_P]^T

$\mathrm{\λ}=\left[\begin{array}{cccc}1& 1& ...& 1\\ {\mathrm{\λ}}_1& {\mathrm{\λ}}_2& ...& {\mathrm{\λ}}_P\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ {\mathrm{\λ}}_1^{N-1}& {\mathrm{\λ}}_2^{N-1}& ...& {\mathrm{\λ}}_P^{N-1}\end{array}\right]$

用最小二乘法得到方程的解c＝(λ^Tλ)^-1λ^TY，可得到信号中各个分量的幅值和相位：

a_k＝2|c_k|

φ_k＝arg c_k

5)根据PMU获取的电厂出口母线的离散数据，计算该发电厂流出的振荡能量，如果振荡能量为正值，则该发电厂为振荡源，反之，则该电厂不是振荡源所在，振荡能量ΔV_PEi的表达式如下所示：

ΔV_PEi＝∫[ΔP_idΔθ_i+ΔQ_id(ΔlnU_i)]

式中，ΔP_i和ΔQ_i分别为发电厂i出口母线流出的有功功率变化量(实际测量值与稳定运行状态的额定值作差)的标幺值、无功功率变化量的标幺值；ΔU_i和Δθ_i分别为母线i电压幅值变化量的标幺值和相角变化量。

取功率基值S_b＝100MW，电压基值U_b的取值采用附图2中发电机侧额定电压作为基值，基准相角θ₀取频率等于50Hz时的相角为基准值。

$S^{*}=\frac{S}{S_b},P^{*}=\frac{P}{S_b}=,Q^{*}=\frac{Q}{S_b}=,U^{*}=\frac{U}{U_b}$

$\mathrm{\ΔP}=P^{*}-P_b^{*},\mathrm{\ΔQ}=Q^{*}-Q_b^{*}$

ΔU＝U^*-1,Δθ＝θ-θ₀

上式中分别为有功功率、无功功率为额定功率时的标幺值，P^*,Q^*分别为有功功率、无功功率为实际功率的标幺值，U^*为实际电压的标幺值。

6)输出结果，如果ΔV_PEi为正值，则该发电厂为振荡源，反之，则该电厂不是振荡源所在。

Claims (4)

1.一种基于PMU数据实时监测低频振荡源的方法，其特征在于，具体包含以下步骤：

(1)通过PMU系统获取电厂侧实时数据，具体包括发电厂出口母线的有功输出功率P、无功输出功率Q、电压相角θ、电压幅值U以及发电机功角；

(2)进行预分析，采用的判据为：

$\underset{n=\mathrm{1,2},...,N}{\max }|{\mathrm{\δ}}_i\left(n\right)-{\mathrm{\δ}}_{i0}|\≤C$

式中，N为离散数据的长度；C为给定的一个较小的数值，δ_i0为发电机在稳定工作点运行的功角额定值；

(3)对该组数据进行低通滤波，限定频段为低频振荡的频率范围0.2-2.5Hz的闭区间，避免这个频段的振荡信息被信号中叠加的能量较高的高频信号所淹没，使得监测程序不能及时发现低频振荡现象，错失了对系统进行保护调整的时机；

(4)在数据库辨识单元，利用TLS-ESPRIT算法对该组数据进行辨识，提取出该电厂机组侧的主导振荡模式，并获取相应的振荡特性参数；

(5)根据PMU获取的电厂出口母线的离散数据，计算该发电厂流出的振荡能量，如果振荡能量为正值，则该发电厂为振荡源；反之，则该电厂不是振荡源所在；

(6)输出结果。

2.根据权利要求书1所述一种基于PMU数据实时监测低频振荡源的方法，其特征在于，步骤(5)中的能量流算法如下所示：

ΔV_PEi＝∫[ΔP_idΔθ_i+ΔQ_id(ΔlnU_i)]

其中，ΔP_i和ΔQ_i分别为发电厂i出口母线流出的有功功率变化量、无功功率变化量；ΔU_i和Δθ_i分别为母线i电压幅值变化量和相角变化量。

3.根据权利要求书1所述一种基于PMU数据实时监测低频振荡源的方法，其特征在于，该低频振荡源实时监测算法所需的发电厂i出口母线流出的有功功率、无功功率；电压幅值和相角以及发电机功角等输入信号直接从PMU获取。

4.根据权利要求书1所述一种基于PMU数据实时监测低频振荡源的方法，其特征在于，步骤(4)中的TLS-ESPRIT算法为总体最小二乘-旋转不变技术的信号参数估计算法。