CN108390398A - 基于类噪声信号的风电场潜在次同步振荡识别方法 - Google Patents

基于类噪声信号的风电场潜在次同步振荡识别方法 Download PDF

Info

Publication number
CN108390398A
CN108390398A CN201810207549.6A CN201810207549A CN108390398A CN 108390398 A CN108390398 A CN 108390398A CN 201810207549 A CN201810207549 A CN 201810207549A CN 108390398 A CN108390398 A CN 108390398A
Authority
CN
China
Prior art keywords
signal
power plant
wind power
noise
synchronous oscillation
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.)
Granted
Application number
CN201810207549.6A
Other languages
English (en)
Other versions
CN108390398B (zh
Inventor
刘芳
马俊杰
刘玲
李勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201810207549.6A priority Critical patent/CN108390398B/zh
Publication of CN108390398A publication Critical patent/CN108390398A/zh
Application granted granted Critical
Publication of CN108390398B publication Critical patent/CN108390398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种基于类噪声信号的风电场潜在次同步振荡识别方法，根据实际情况预估次同步振荡频率的范围；从风电场提取类噪声信号；通过对类噪声信号进行小波分解与重构，获取所需次同步振荡频率范围内的提取信号；通过对提取信号的模态识别，获得风电场潜在的次同步振荡模态信息。本发明能够准确从风电场正常运行的数据中获取线路参数及风电场次同步振荡模态，从而有助于对风电场潜在的次同步振荡风险进行预警，以及时调整风电场的运行方式。

Description

基于类噪声信号的风电场潜在次同步振荡识别方法
技术领域
本发明涉及一种基于类噪声信号的风电场潜在次同步振荡识别方法。
背景技术
自2010年中国风电总装机容量达到4470万千瓦以来，我国风力发电装机容量一直居世界首位。由于风能分布特点，风电场一般离电力消费地区较远。而目前在远距离大容量的输电线路中加入串联补偿电容以提高系统的输送能力的方式有可能会引发了风电场的次同步振荡(Sub-synchronous Oscillation)，导致机组损坏。由于风电场处于发电侧，无法即时获知传输线路的具体参数，因此随时会面临潜在的次同步振荡风险。
对于一个正常运行状态的风电场，由于负荷投切、线路参数调整、风电场内部参数调整等随机性质的小扰动获得的系统响应数据很多，但由于种小扰动响应由于幅值小、持续时间短，容易被噪声信号所掩盖，因此也被称为类噪声信号。类噪声信号中蕴含有风电场潜在的次同步振荡信息。因此针对风电场类噪声数据特点，提出有效的基于类噪声数据的次同步振荡辨识方法，对了解风电场运行状态、保证风力发电系统发电安全及发电质量有着重要意义。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于类噪声信号的风电场潜在次同步振荡识别方法，降低振荡带来的风险，不需要获得传输线路的串补度即可计算获得风电场的次同步振荡模态。
为解决上述技术问题，本发明所采用的技术方案是：一种基于类噪声信号的风电场潜在次同步振荡识别方法，包括以下步骤：
1)采集含次同步振荡信息的风电场类噪声数据；
2)对风电场类噪声数据X(t)进行小波分解，从中提取有效信号Y(t)；
3)针对有效信号Y(t)，通过模态辨识方法，识别出风电场潜在的次同步振荡模态信息。
步骤1)中，所述风电场类噪声数据包括风电场输出有功功率、无功功率、等效电磁转矩、母线电压电流、发电机转子等效角速度。
步骤1)中，风电场类噪声数据信号模型表示为：X(t)＝S(t)+N(t)；其中，X(t)为含噪声的信号序列，也就是风电场类噪声数据；S(t)为实际小扰动下的响应信号序列，也就是类噪声中的有效信息；N(t)为噪声信号序列。
步骤2)的具体实现过程包括：
1)选取合适的小波基ψ(*)与分解层数J；
2)根据上述小波基ψ(*)与分解层数J，对风电场类噪声数据X(t)进行小波分解，分解后的信号可描述为：X(t)≈XJ(t)＝X0(t)+w0(t)+w1(t)+...+wJ-1(t)；其中，X0(t)为剩余信号，wj-1(t)，j＝0,1,...,J-1，为第j个小波分量，其频率fj所属范围为：fs为采样频率。
3)对各个小波分量wj及剩余信号X0(t)的频率所属范围进行判断，判断是否成立，若成立，则将该小波分量所有信息保留，否则将其所有信息滤除；
4)将保留的小波分量信号叠加，重组成新的信号Y(t)。
小波基ψ(*)优先选择sym5、bior3.3或db11；分解层数J的计算公式为：
步骤3)中，模态辨识方法包括快速傅里叶变换、Prony或Ibrahim时域法。
与现有技术相比，本发明所具有的有益效果为：本发明能够对风电场的潜在的次同步振荡模态进行辨识，降低了振荡带来的风险；不需要获得传输线路的串补度即可计算获得风电场的次同步振荡模态；辨识使用运行过程中大量存在的类噪声数据，在振荡发生前即可进行预警；易于实现。
附图说明
图1为两类不同小扰动下的风电场类次同步振荡噪声信号；其中，(1)位负载投切时的类噪声信号；(2)为风速波动下的类噪声信号；
图2为基于小波分解重构的风电场类噪声数据提取流程图；
图3为负载投切类噪声信号的小波分解结果；
图4为两类风电场类噪声信号经小波分解重构后提取的次同步振荡分量信息；其中，(1)为负载投切类噪声提取信号；(2)为风速波动类噪声提取信号；
图5为本发明与其他滤波方法的频谱图对比；其中，(1)负载投切类噪声信号及其提取信号频谱图；(2)风速波动类噪声信号及其提取信号频谱图。
具体实施方式
通过SIMULINK搭建风电场-串补网络模型，可通过风电场电磁转矩Tem观察风电场的次同步振荡。图1为模拟产生的两类含次同步信息的风电场类噪声信号，两类类噪声信号分别由(1)负载投切、(2)风速波动两种不同的小扰动产生，并被噪声信号掩盖。
针对图1所示信号，本发明采用小波分解方法，对类噪声信号中的有效信息进行进一步提取。提取流程图如图2所示。以负载投切产生的类噪声信号为例，具体提取步骤如下：
Step-1对于负载投切产生的类噪声信号X(t)，选取sym5小波基对信号进行小波分解。由于信号采样频率为1000Hz，通过计算获得小波分解层数为7。
Step-2使用sym5小波对信号进行7层的分解，分解后获得7个小波分量wj(j＝0,1,...,6)，以及一个剩余信号X0，分解效果如图3所示。
Step-3判断信号各个小波分量wj是否含有10Hz-40Hz的频率。经计算可知，小波分量w0–w6以及剩余信号X0的频率范围如下：X0[0Hz，7.8Hz]；w0[7.8Hz，15.7Hz]；w1[15.7Hz，31.3Hz]；w2[31.3Hz，62.5Hz]；w3[62.5Hz，125Hz]；w4[125Hz，250Hz]；w5[250Hz，500Hz]；w6[500Hz，1000Hz]。因此w0–w2含有10Hz-40Hz的频率信息。根据判断结果，将w0、w1、w2信号保留(小波滤波阈值为0)，剩余信号滤除(小波滤波阈值为max)。
Step-4将w0、w1、w2信号叠加，重构成新的信号Y(t)。
基于上述方法，信号Y(t)中在保留了负载投切产生的类噪声信号X(t)中完整的次同步振荡信息，同时将62.5Hz以上的高频噪声与7.8Hz以下的低频信号滤除。图1所示的两类类噪声信号经小波分解重构后，提取出含次同步振荡信息的有效信号如图4所示。
在提取有效信号后，通过快速傅里叶变换即可计算获得风电场的次同步振荡模态信息。图4中两类类噪声提取信号经模态识别结果分别为：
(1)负载投切类噪声提取信号：主导模态频率26.54Hz，阻尼系数-4.8；
(2)风速波动类噪声提取信号：主导模态频率26.71Hz，阻尼系数-2.9。
通过计算可获得系统实际串补度为31.0％-31.1％之间。
图5为本发明与其他滤波方法的频谱图对比。本发明与变分模态分解法(VMD)、经验模态分解法(EMD)、滑动均值滤波(AR)等方法对比，可看出本发明各频段都有最佳的滤波效果，能够最大限度滤除由噪声信号；同时本发明能够有效剔除低频信息与直流分量，从而最大可能地保证了次同步振荡模态识别的正确性。

Claims (7)

1.一种基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，包括以下步骤：
1)采集含次同步振荡信息的风电场类噪声数据X(t)；
2)对风电场类噪声数据X(t)进行小波分解，从中提取有效信号Y(t)；
3)针对有效信号Y(t)，通过模态辨识方法，识别出风电场潜在的次同步振荡模态信息。
2.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤1)中，所述风电场类噪声数据包括风电场输出有功功率、无功功率、等效电磁转矩、母线电压电流、发电机等效转子角速度。
3.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤1)中，风电场类噪声数据信号模型表示为：X(t)＝S(t)+N(t)；其中，X(t)为含噪声的信号序列，也就是风电场类噪声数据；S(t)为实际小扰动下的响应信号序列，也就是类噪声中的有效信息；N(t)为噪声信号序列。
4.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤2)的具体实现过程包括：
1)选取合适的小波基ψ(*)与分解层数J；
1)根据上述小波基ψ(*)与分解层数J，对风电场类噪声数据X(t)进行小波分解，分解后的信号描述为：X(t)≈XJ(t)＝X0(t)+w0(t)+w1(t)+...+wJ-1(t)；其中，X0(t)为剩余信号，wj-1(t)，j＝0,1,...,J-1为第j个小波分量，其频率fj所属范围为：fs为采样频率；
2)对各个小波分量wj及剩余信号X0(t)的频率所属范围进行判断，判断是否成立，若成立，则将该小波分量所有信息保留，否则将其所有信息滤除；
3)将保留的小波分量信号叠加，重组成新的信号Y(t)。
5.根据权利要求4所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，小波基ψ(*)选择sym5、bior3.3或db11。
6.根据权利要求4所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，分解层数J的计算公式为：
7.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤3)中，模态辨识方法包括快速傅里叶变换、Prony或Ibrahim时域法。
CN201810207549.6A 2018-03-14 2018-03-14 基于类噪声信号的风电场潜在次同步振荡识别方法 Active CN108390398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810207549.6A CN108390398B (zh) 2018-03-14 2018-03-14 基于类噪声信号的风电场潜在次同步振荡识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810207549.6A CN108390398B (zh) 2018-03-14 2018-03-14 基于类噪声信号的风电场潜在次同步振荡识别方法

Publications (2)

Publication Number Publication Date
CN108390398A true CN108390398A (zh) 2018-08-10
CN108390398B CN108390398B (zh) 2021-04-16

Family

ID=63067244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810207549.6A Active CN108390398B (zh) 2018-03-14 2018-03-14 基于类噪声信号的风电场潜在次同步振荡识别方法

Country Status (1)

Country Link
CN (1) CN108390398B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111342457A (zh) * 2020-03-23 2020-06-26 云南电网有限责任公司 一种风电场的次同步振荡辨识方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609112A (zh) * 2009-07-13 2009-12-23 清华大学 基于广域测量噪声信号的电力系统节点相位关系辨识方法
CN102252669A (zh) * 2011-04-19 2011-11-23 东南大学 一种基于提升小波重构层的前向线性预测去噪方法
CN102820665A (zh) * 2012-05-30 2012-12-12 邵俊松 一种快速识别风电并网系统发生次同步震荡的方法
CN103198184A (zh) * 2013-03-27 2013-07-10 深圳大学 一种电力系统低频振荡特征类噪声辨识方法
CN103207931A (zh) * 2013-03-11 2013-07-17 武汉大学 基于mm和arma算法的次同步振荡模态辨识方法
CN103530650A (zh) * 2013-10-16 2014-01-22 深圳大学 电网低频振荡类噪声信号辨识方法
CN105606895A (zh) * 2016-01-07 2016-05-25 国家电网公司 电力系统次同步振荡成份的在线检测及滤除方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609112A (zh) * 2009-07-13 2009-12-23 清华大学 基于广域测量噪声信号的电力系统节点相位关系辨识方法
CN102252669A (zh) * 2011-04-19 2011-11-23 东南大学 一种基于提升小波重构层的前向线性预测去噪方法
CN102820665A (zh) * 2012-05-30 2012-12-12 邵俊松 一种快速识别风电并网系统发生次同步震荡的方法
CN103207931A (zh) * 2013-03-11 2013-07-17 武汉大学 基于mm和arma算法的次同步振荡模态辨识方法
CN103198184A (zh) * 2013-03-27 2013-07-10 深圳大学 一种电力系统低频振荡特征类噪声辨识方法
CN103530650A (zh) * 2013-10-16 2014-01-22 深圳大学 电网低频振荡类噪声信号辨识方法
CN105606895A (zh) * 2016-01-07 2016-05-25 国家电网公司 电力系统次同步振荡成份的在线检测及滤除方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘海洋等: "基于小波分析的次同步振荡检测研究", 《四川电力技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111342457A (zh) * 2020-03-23 2020-06-26 云南电网有限责任公司 一种风电场的次同步振荡辨识方法及装置

Also Published As

Publication number Publication date
CN108390398B (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN104459388B (zh) 一种永磁直驱风力发电系统一体化故障诊断方法
CN104502795B (zh) 一种适用于微电网的智能故障诊断方法
CN102611140B (zh) 基于小波变换与神经网络的并网逆变器孤岛检测方法
CN103424600A (zh) 一种基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别方法
CN101291055A (zh) 一种输电线路故障行波初始波头到达时刻精确标定方法
CN103728535A (zh) 一种基于小波变换暂态能量谱的特高压直流输电线路故障测距方法
CN107782443B (zh) 一种风力发电机叶片固有频率自动提取方法
CN104459397B (zh) 采用自适应多分辨率广义s变换的电能质量扰动识别方法
CN109617096B (zh) 一种基于遍历阻抗的区域电网宽频带扰动稳定分析方法
GB2535583A (en) Method and device for sub-synchronous oscillation protection in wind farms
CN110320467A (zh) 一种低压直流断路器故障诊断方法
CN102721885A (zh) 一种基于小波分析的孤岛效应检测方法
CN104459398A (zh) 一种采用二维形态学降噪的电能质量复合扰动识别方法
Nayak et al. Novel hybrid signal processing approach based on empirical mode decomposition and multiscale mathematical morphology for islanding detection in distributed generation system
CN111007429A (zh) 基于anfis的同步调相机短路故障识别方法和系统
Yılmaz et al. A new signal processing-based islanding detection method using pyramidal algorithm with undecimated wavelet transform for distributed generators of hydrogen energy
CN108390398A (zh) 基于类噪声信号的风电场潜在次同步振荡识别方法
Mahla et al. Recognition of complex and multiple power quality disturbances using wavelet packet-based fast kurtogram and ruled decision tree algorithm
CN113009337B (zh) 海上风电永磁直驱电机匝间短路故障识别方法
CN112861328B (zh) 一种基于随机响应信号的发电机阻尼评估装置及方法
Zhu et al. A novel islanding detection method of distributed generator based on wavelet transform
CN108280269B (zh) 一种基于小波神经网络与sms相结合的混合孤岛检测方法
CN105429157A (zh) 一种基于Prony分析的智能振荡模式识别方法
Qi et al. Subsynchronous oscillation monitoring and alarm method based on phasor measurements
CN105406490B (zh) 一种风电机组及其低频谐振自适应电压型补偿系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant