CN110098610B - 故障扰动下电力系统振荡主导模式的实时辨识方法及系统 - Google Patents

故障扰动下电力系统振荡主导模式的实时辨识方法及系统 Download PDF

Info

Publication number
CN110098610B
CN110098610B CN201910152699.6A CN201910152699A CN110098610B CN 110098610 B CN110098610 B CN 110098610B CN 201910152699 A CN201910152699 A CN 201910152699A CN 110098610 B CN110098610 B CN 110098610B
Authority
CN
China
Prior art keywords
oscillation
model
power system
mode
signal
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.)
Active
Application number
CN201910152699.6A
Other languages
English (en)
Other versions
CN110098610A (zh
Inventor
张青蕾
金吉良
张艳丽
邓俊
夏楠
章海静
李树芃
王建波
尹俊钢
王楷
贺瀚青
李俊臣
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.)
National Network Xi'an Environmental Protection Technology Center Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910152699.6A priority Critical patent/CN110098610B/zh
Publication of CN110098610A publication Critical patent/CN110098610A/zh
Application granted granted Critical
Publication of CN110098610B publication Critical patent/CN110098610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种故障扰动下电力系统振荡主导模式的实时辨识方法及系统,具体步骤包括:利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;对拟合分析模型进行迭代求解,达到预设精度要求时停止计算,获得计算结果并确定模型阶数p的最优解,进而获得最优解p阶的Prony模型;利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式。本发明的辨识方法无需建立电力系统精确的数学模型,只需对故障扰动发生后的系统各电气量的响应信号进行分析,即可辨识系统的振荡主导模式。

Description

故障扰动下电力系统振荡主导模式的实时辨识方法及系统
技术领域
本发明属于电力系统动态行为分析技术领域,特别涉及一种故障扰动下电力系统振荡主导模式的实时辨识方法及系统。
背景技术
随着电力工业的迅速发展,我国电网的单机容量不断增大,灵活交流输电装置和超大规模远距离输电的交直流混合输电装置在广泛应用,我国电网已经进入了超高压、远距离和大容量的交直流混合输电时代,电网的拓扑结构也越发复杂多变。
结构复杂、运行方式多变、非线性因素众多以及故障扰动的随机性强是现代电力系统的主要特点。由于目前尚未出现可以大规模快速存储电能的有效方法,这就对电力系统稳定性分析和控制的精确性和实时性提出了很高的要求,故在电力系统动态行为分析中,稳定性问题是研究分析的重点问题。
目前,通过对整个电力系统进行精确的数学建模,然后进行特征值分析,可以确定系统振荡频率及振荡模式,定量分析系统振荡问题;然而随着电网规模的扩大,系统模型线性化后形成的系数矩阵阶数大大增加,不能准确地获得数学模型;传统的方法不能准确地求得系统的特征值且计算量大,不能准确地辨别判断系统振荡的主导模式,亟需一种能够满足复杂电力系统需要的故障扰动下电力系统振荡主导模式的实时辨识方法。
发明内容
本发明的目的在于提供一种故障扰动下电力系统振荡主导模式的实时辨识方法及系统,以解决上述存在的一个或多个技术问题。本发明的辨识方法无需建立电力系统精确的数学模型,只需对故障扰动发生后的系统各电气量的响应信号进行分析,即可辨识系统的振荡主导模式。
为达到上述目的,本发明采用以下技术方案:
一种故障扰动下电力系统振荡主导模式的实时辨识方法,具体步骤包括:
步骤1,利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;
拟合分析模型为:
Figure BDA0001981986960000021
式中,
Figure BDA0001981986960000022
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε为残差,J(p)为求阶数p的目标函数;
取初值p0=1对拟合分析模型进行迭代求解,J(p)达到预设精度要求时停止计算,获得计算结果并确定p的最优解,进而获得最优解p阶的Prony模型;
步骤2,利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式;
其中,各振荡模式能量的计算公式为:
Figure BDA0001981986960000023
本发明的进一步改进在于,步骤1中的待测电力系统振荡信号通过模拟仿真或者实际测量获得。
本发明的进一步改进在于,步骤1中的待测电力系统振荡信号通过模拟仿真获得,具体步骤包括:
基于电磁暂态仿真软件搭建待测电力系统的时域仿真模型;
将参数设置模块和信号采集模块加载至搭建的时域仿真模型上,通过参数设置模块进行电磁暂态时域仿真计算的参数设置,通过信号采集模块对故障扰动下电力系统振荡信号进行采集;
通过时域模拟仿真获得待测电力系统振荡信号。
本发明的进一步改进在于,步骤1搭建的待测电力系统的时域仿真模型包括:同步发电机模型、汽轮发电机组轴系模型、励磁系统模型、汽轮机及其调速系统模型、输电线路模型、系统等值网络模型和故障模型。
本发明的进一步改进在于,通过参数设置模块设置的参数包括:仿真总时长、仿真步长、读取仿真结果数据的步长、系统的运行方式、故障扰动方式、分析的振荡信号与分析结果输出。
本发明的进一步改进在于,信号采集模块的信号采集过程中,采样数据的起始时间在故障结束后。
本发明的进一步改进在于,信号采集模块的信号采集过程中,采样频率为信号最高频率的7~9倍。
本发明的进一步改进在于,信号采集模块的信号采集过程中,采集的时间长度为包括2个周期最低频率的振荡;用于分析的数据的时间长度为1s-2s。
本发明的一种故障扰动下电力系统振荡主导模式的实时辨识系统,包括:
拟合分析模块,用于利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;
拟合分析模型为:
Figure BDA0001981986960000041
式中,
Figure BDA0001981986960000042
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε为残差,J(p)为求阶数p的目标函数;取初值p0=1对拟合分析模型进行迭代求解,J(p)达到预设精度要求时停止计算,获得计算结果并确定p的最优解,进而获得最优解p阶的Prony模型;
信号分析模块,用于利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式;
其中,各振荡模式能量的计算公式为:
Figure BDA0001981986960000043
与现有技术相比,本发明具有以下有益效果:
本发明的电力系统振荡主导模式的实时辨识方法基于时域仿真分析方法,实现了在时域仿真软件上对电力系统振荡主导模式的辨识。时域仿真分析的方法不受系统复杂程度与运行方式的影响,且可对电力系统进行全时域数字仿真,计及了各种非线性因素的作用,十分便于分析电力系统的动态行为。具有体现在:建模能力强,可准确精细地模拟研究对象的动态特征;能模拟系统各种大小扰动分析,为研究扰动产生的冲击扭矩和机组轴系奠定基础,这是一般的小扰动分析所不具备的;可以计及各种非线性因素的作用,得到各变量随时间变化的曲线,分析的输入、输出信号丰富且可定制。
进一步地,采样数据的起始时间应在故障结束后,是因为在故障期间振荡信号的变化较大,非线性较强,所以故障时的信号不能反映系统自身的模态,而且会影响分析的准确性。
进一步地,根据采样定理,采样频率大于信号最高频率的2倍时,才不会产生频谱混叠现象。实际应用中,采样频率刚刚大于2倍最高频率还不够,而是应该有相当的裕度,故按7~9倍的下采样间距进行采样即可;更高的采样频率没有必要,甚至会导致拟合结果变差。
进一步地,时间长度一般应该包括2个周期最低频率的振荡,在振荡分析研究中,可以取1秒-2秒时间长度的数据进行分析。过长的时间长度没有必要,加长时间长度将使衰减快的分量无法辨识,使结果丢失重要信息。
附图说明
图1是本发明实施例的一种故障扰动下电力系统振荡主导模式的实时辨识方法的流程示意框图;
图2是本发明实施例的一种故障扰动下电力系统振荡主导模式的实时辨识方法中振荡分析的流程示意图;
图3是本发明实施例的一种故障扰动下电力系统振荡主导模式的实时辨识方法中模拟仿真获得的振荡信号波形示意图;
图4是本发明实施例在时域中的振荡信号和拟合信号对比示意图;
图5是本发明实施例在频域中的振荡信号和拟合信号对比示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
请参阅图1,本发明的一种故障扰动下电力系统振荡主导模式的实时辨识方法,所述方法包括以下主要步骤:
步骤1:基于电磁暂态仿真软件搭建电力系统的时域仿真模型;其中,电力系统时域仿真模型包括同步发电机模型、汽轮发电机组轴系模型、励磁系统模型、汽轮机及其调速系统模型、输电线路模型、系统等值网络模型和故障模型。
步骤2:加载振荡主导模式辨识模块,根据模块的链接信息,将建立好的内部模块和元件模型进行连接组合。
请参阅图2,具体的,振荡主导模式辨识模块系统包括:
参数设置模块,用于进行电磁暂态时域仿真计算的参数设置,需要设置的参数主要有:仿真总时长、仿真步长、读取仿真结果数据的步长、系统的运行方式、故障扰动方式、分析的振荡信号与分析结果输出等;
信号采集模块,用于实现对故障扰动下系统振荡的信号进行采集,其主要分为以下几个步骤:
1)采样数据的选择:采样数据的起始时间在故障结束后,因为在故障期间振荡信号的变化较大,非线性较强,所以故障时的信号不能反映系统自身的模态,而且会影响分析的准确性。
2)采样频率的选择:根据采样定理,采样频率大于信号最高频率的2倍时,才不会产生频谱混叠现象。实际应用中,采样频率刚刚大于2倍最高频率还不够,而是应该有相当的裕度,故按7—9倍的下采样间距进行采样即可。更高的采样频率没有必要,甚至会导致拟合结果变差。
3)时间长度的选择:时间长度一般应该包括2个周期最低频率的振荡,在振荡分析研究中,可以取1秒-2秒时间长度的数据进行分析。过长的时间长度没有必要,加长时间长度将使衰减快的分量无法辨识,使结果丢失重要信息。
振荡分析模块,用于实现对故障扰动下系统振荡的信号进行分析,其主要分为以下两个步骤:
1)利用Prony模型并结合WLAV法来对振荡信号进行拟合分析,其模型如下:
Figure BDA0001981986960000071
式中
Figure BDA0001981986960000072
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε是残差,J(p)为求阶数p的目标函数,即拟合信号与原振荡信号各点误差的绝对值,当p为最优拟合阶数时,目标函数最小。
取p0=1对上述模型进行迭代求解,直至J(p)满足精度要求,停止计算,记录保存计算结果并确定p的最优解。
2)计算各模式的能量并分类,按照能量值大小进行排序:
定义各振荡模式能量:
Figure BDA0001981986960000073
步骤3:进行电磁暂态时域仿真计算,分析仿真结果,辨识系统的振荡主导模式。即拟合信号与原振荡信号各点误差的绝对值,当p为最优拟合阶数时,目标函数最小。
步骤3具体为,对时域仿真模型进行电磁暂态时域仿真计算,分析仿真结果,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式。
实施例1
请参阅图1,本发明实施例的一种故障扰动下电力系统振荡主导模式的实时辨识方法,具体步骤如下:
步骤1:基于电磁暂态仿真软件搭建电力系统的时域仿真模型
步骤2:加载振荡主导模式辨识模块,根据模块的链接信息,将建立好的内部模块和元件模型进行连接组合。
步骤3:设置仿真总时长、仿真步长、读取仿真结果数据的步长、系统的运行方式、故障扰动方式、分析的振荡信号与分析结果输出等参数。
步骤4:选择采样数据、采样频率与分析的时间长度。
步骤5:进行电磁暂态时域仿真计算,将仿真结果数据导入振荡分析模块。
步骤6:对故障扰动下系统振荡的信号进行拟合分析。
步骤7:根据分析结果计算各模式的能量并分类排序。
步骤8:判断振荡类型,辨识系统的振荡主导模式。
实施例2
请参阅图1至图5,实施例2以含串联电容补偿的IEEE第一标准模型(单机无穷大系统)为例来介绍本发明的振荡主导模式的辨识方法,具体包括:
步骤1:基于PSCAD/EMTDC搭建时域仿真模型。
步骤2:加载振荡主导模式辨识模块,根据模块的链接信息,将建立好的内部模块和元件模型进行连接组合。
步骤3:设置仿真总时长5s、仿真步长100us、读取仿真结果数据的步长1000us、系统运行方式为Xc=0.371p.u.、故障扰动方式为在1.5s于等值电源处经过渡阻抗发生三相短路,故障持续时间为0.075s、分析的振荡信号为系统串联补偿电容的电压。
步骤4:对2s后的采样数据进行采样、采样频率按下采样间距为8进行采样、选择1s的时间长度数据进行分析。
步骤5:进行电磁暂态时域仿真计算,将仿真结果数据导入振荡分析模块。
步骤6:对振荡信号进行拟合分析,直到得到拟合精度满足要求的拟合信号。
步骤7:根据分析结果计算各模式的能量并分类排序。
步骤8:判断振荡类型,辨识系统的振荡主导模式。
如图3为仿真得到的振荡信号波形图,图4和图5所示为在时域和在频域中的振荡信号和拟合信号对比图,表1为各模式的能量计算结果:
表1各模式的能量计算结果
模式 频率 幅值 衰减因子 阻尼比 能量
1 60.00 0.3600 0.0300 -0.0001 8.8000
2 40.00 0.2400 0.2700 -0.0011 4.8106
3 39.00 0.2600 -4.3000 0.0175 0.5000
4 58.00 0.0530 -0.5800 0.0016 0.1060
5 44.00 0.0260 0.3800 -0.0014 0.0680
6 49.00 0.0047 0.0880 -0.0003 0.0016
7 34.00 0.0027 -0.9900 0.0046 0.0002
8 28.00 0.0010 -0.0710 0.0004 0.0000
9 24.00 0.0001 0.4400 -0.0029 0.0000
10 19.00 0.0000 -0.0590 0.0005 0.0000
11 12.00 0.0000 -1.9000 0.0252 0.0000
12 7.20 0.0000 -3.7000 0.0815 0.0000
请参阅表1,根据表1可判断出,此时的系统发生的振荡类型为次同步振荡,主导模式频率为40Hz。至此,完成了故障扰动下电力系统振荡主导模式的辨识。
综上,本发明提供了一种故障扰动下电力系统振荡主导模式的实时辨识方法,主要解决发生故障扰动时系统中产生的低频振荡和次同步振荡的主导模式辨识问题。所述方法基于电磁暂态仿真软件,搭建电力系统的时域仿真模型,加载振荡主导模式辨识模块对时域仿真计算结果进行分析,通过振荡模式能量来辨识系统的振荡主导模式。本发明的实时辨识方法,实现了在时域仿真软件上对电力系统振荡主导模式的辨识。时域仿真分析的方法不受系统复杂程度与运行方式的影响,且可对电力系统进行全时域数字仿真,计及了各种非线性因素的作用,十分便于分析电力系统的动态行为。
本发明的一种故障扰动下电力系统振荡主导模式的实时辨识系统,包括:
拟合分析模块,用于利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;
拟合分析模型为:
Figure BDA0001981986960000101
式中,
Figure BDA0001981986960000102
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε为残差,J(p)为求阶数p的目标函数;取初值p0=1对拟合分析模型进行迭代求解,J(p)达到预设精度要求时停止计算,获得计算结果并确定p的最优解,进而获得最优解p阶的Prony模型;
信号分析模块,用于利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式;
其中,各振荡模式能量的计算公式为:
Figure BDA0001981986960000103
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的应用范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的应用范围之内。因此,本发明的应用范围应该以权利要求的保护范围为准。

Claims (9)

1.一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,具体步骤包括:
步骤1,利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;
拟合分析模型为:
Figure FDA0001981986950000011
式中,
Figure FDA0001981986950000012
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε为残差,J(p)为求阶数p的目标函数;
取初值p0=1对拟合分析模型进行迭代求解,J(p)达到预设精度要求时停止计算,获得计算结果并确定p的最优解,进而获得最优解p阶的Prony模型;
步骤2,利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式;
其中,各振荡模式能量的计算公式为:
Figure FDA0001981986950000013
2.根据权利要求1所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,步骤1中的待测电力系统振荡信号通过模拟仿真或者实际测量获得。
3.根据权利要求1所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,步骤1中的待测电力系统振荡信号通过模拟仿真获得,具体步骤包括:
基于电磁暂态仿真软件搭建待测电力系统的时域仿真模型;
将参数设置模块和信号采集模块加载至搭建的时域仿真模型上,通过参数设置模块进行电磁暂态时域仿真计算的参数设置,通过信号采集模块对故障扰动下电力系统振荡信号进行采集;
通过时域模拟仿真获得待测电力系统振荡信号。
4.根据权利要求3所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,步骤1搭建的待测电力系统的时域仿真模型包括:同步发电机模型、汽轮发电机组轴系模型、励磁系统模型、汽轮机及其调速系统模型、输电线路模型、系统等值网络模型和故障模型。
5.根据权利要求3所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,通过参数设置模块设置的参数包括:仿真总时长、仿真步长、读取仿真结果数据的步长、系统的运行方式、故障扰动方式、分析的振荡信号与分析结果输出。
6.根据权利要求3所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,信号采集模块的信号采集过程中,采样数据的起始时间在故障结束后。
7.根据权利要求3所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,信号采集模块的信号采集过程中,采样频率为信号最高频率的7~9倍。
8.根据权利要求3所述的一种故障扰动下电力系统振荡主导模式的实时辨识方法,其特征在于,信号采集模块的信号采集过程中,采集的时间长度为包括2个周期最低频率的振荡;用于分析的数据的时间长度为1s-2s。
9.一种故障扰动下电力系统振荡主导模式的实时辨识系统,其特征在于,包括:
拟合分析模块,用于利用Prony模型并结合WLAV法,对待测电力系统振荡信号进行拟合分析;
拟合分析模型为:
Figure FDA0001981986950000031
式中,
Figure FDA0001981986950000032
为拟合信号,p为模型的阶数,Am为幅值,θm为初相,αm为衰减因子,fm为频率,Δt为时间间隔,wT为权重向量,ε为残差,J(p)为求阶数p的目标函数;取初值p0=1对拟合分析模型进行迭代求解,J(p)达到预设精度要求时停止计算,获得计算结果并确定p的最优解,进而获得最优解p阶的Prony模型;
信号分析模块,用于利用最优解p阶的Prony模型对待测电力系统振荡信号进行分析,计算获得各振荡模式的能量并分类,按照能量值大小进行排序,确定故障扰动下系统发生的振荡类型,并结合振荡类型辨识系统振荡主导模式;
其中,各振荡模式能量的计算公式为:
Figure FDA0001981986950000033
CN201910152699.6A 2019-02-28 2019-02-28 故障扰动下电力系统振荡主导模式的实时辨识方法及系统 Active CN110098610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910152699.6A CN110098610B (zh) 2019-02-28 2019-02-28 故障扰动下电力系统振荡主导模式的实时辨识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910152699.6A CN110098610B (zh) 2019-02-28 2019-02-28 故障扰动下电力系统振荡主导模式的实时辨识方法及系统

Publications (2)

Publication Number Publication Date
CN110098610A CN110098610A (zh) 2019-08-06
CN110098610B true CN110098610B (zh) 2020-11-06

Family

ID=67443845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910152699.6A Active CN110098610B (zh) 2019-02-28 2019-02-28 故障扰动下电力系统振荡主导模式的实时辨识方法及系统

Country Status (1)

Country Link
CN (1) CN110098610B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110707694B (zh) * 2019-10-29 2022-09-20 东北电力大学 风电并网电力系统通过网络模式能量识别振荡路径的方法
CN113156200B (zh) * 2020-12-14 2023-01-13 北京信息科技大学 一种电网低频振荡实时监测装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809294A (zh) * 2016-03-30 2016-07-27 国家电网公司 电力系统低频振荡的prony分析方法及装置
CN106532743A (zh) * 2016-12-01 2017-03-22 国家电网公司 一种基于振荡能量的互联系统低频振荡安控量获取方法
CN106845010A (zh) * 2017-02-16 2017-06-13 西南交通大学 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法
CN108182529A (zh) * 2017-12-27 2018-06-19 河海大学常州校区 一种微电网运行时的不确定因素辨识方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104101805B (zh) * 2014-07-15 2016-09-21 四川大学 一种基于振荡能量注入的励磁系统负阻尼检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809294A (zh) * 2016-03-30 2016-07-27 国家电网公司 电力系统低频振荡的prony分析方法及装置
CN106532743A (zh) * 2016-12-01 2017-03-22 国家电网公司 一种基于振荡能量的互联系统低频振荡安控量获取方法
CN106845010A (zh) * 2017-02-16 2017-06-13 西南交通大学 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法
CN108182529A (zh) * 2017-12-27 2018-06-19 河海大学常州校区 一种微电网运行时的不确定因素辨识方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Energy-Sorted Prony Analysis for Identification of Dominant Low Frequency Oscillations;V. S. Patel;《2013 Australian Control Conference》;20131231;第85-90页 *
Prony算法分析低频振荡的有效性研究;王铁强;《中国电力》;20011130;第38-41页 *
基于谐波小波和 Prony算法的转子不平衡信号提取;李传江;《仪器仪表学报》;20121130;第2516-2522页 *

Also Published As

Publication number Publication date
CN110098610A (zh) 2019-08-06

Similar Documents

Publication Publication Date Title
US20210042452A1 (en) Generator dynamic model parameter estimation and tuning using online data and subspace state space model
CN109713685B (zh) 一种适用于vsc接入引发次同步振荡的在线定位方法
CN106505557B (zh) 一种遥测错误辨识方法及装置
CN110119570B (zh) 一种实测数据驱动的风电场模型参数校核方法
CN112054552A (zh) 一种光伏逆变器控制参数的辨识方法和装置
CN107085148B (zh) 一种并联电容器组的在线容限预警方法及装置
CN103699723B (zh) 一种发电厂机组动力系统模型校核方法
Beryozkina et al. The accelerate estimation method of power system parameters in static and dynamic processes
CN110098610B (zh) 故障扰动下电力系统振荡主导模式的实时辨识方法及系统
Ma et al. Application of multisynchrosqueezing transform for subsynchronous oscillation detection using PMU data
CN111046327A (zh) 适用于低频振荡与次同步振荡辨识的Prony分析方法
CN103577695A (zh) 一种电能质量数据中的可疑数据检测方法及装置
Severoglu et al. Statistical models of EAF harmonics developed for harmonic estimation directly from waveform samples using deep learning framework
CN111308198B (zh) 一种基于Hanning窗的加窗插值DFT的谐波测量方法
CN106407955B (zh) 一种电力系统低频振荡模式在线辨识方法
CN108535558B (zh) 一种电力稳定器的测试方法及系统
CN108574290B (zh) 受迫振荡的振荡源定位方法、装置、终端及可读存储介质
CN113162002B (zh) 一种计及宽频测量环节的直流行波保护方法及系统
CN107958120B (zh) 一种基于幂级数展开的系统戴维南等值参数计算方法
CN117990979A (zh) 适用于并网逆变器频率耦合导纳的高精度测量方法及系统
Papadopoulos et al. Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids
CN108233356B (zh) 一种光伏逆变器控制器一致性评估方法及其评估平台
CN112067893A (zh) 一种基于动态时间规整的风电机组谐波评估方法及系统
CN114744631A (zh) 一种基于非pmu配电网的数据驱动电压估计方法
CN104267243A (zh) 同步发电机内电势和电抗参数的测量方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20231227

Address after: 710199 no.669 Hangtian Middle Road, Chang'an District, Xi'an City, Shaanxi Province

Patentee after: STATE GRID SHAANXI ELECTRIC POWER Research Institute

Patentee after: STATE GRID CORPORATION OF CHINA

Patentee after: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd.

Address before: Beilin District in Shaanxi province Xi'an City friendship road 710054 No. 308

Patentee before: STATE GRID SHAANXI ELECTRIC POWER Research Institute

Patentee before: STATE GRID CORPORATION OF CHINA

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240511

Address after: No. 669, Hangtian Middle Road, Xi'an national civil aerospace industry base, Shaanxi 710100

Patentee after: Electric Power Research Institute of State Grid Shaanxi Electric Power Co.,Ltd.

Country or region after: China

Patentee after: STATE GRID CORPORATION OF CHINA

Patentee after: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd.

Address before: 710199 no.669 Hangtian Middle Road, Chang'an District, Xi'an City, Shaanxi Province

Patentee before: STATE GRID SHAANXI ELECTRIC POWER Research Institute

Country or region before: China

Patentee before: STATE GRID CORPORATION OF CHINA

Patentee before: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd.

TR01 Transfer of patent right