CN110703013B - 电力系统低频振荡模式的在线辨识方法、装置与电子设备 - Google Patents
电力系统低频振荡模式的在线辨识方法、装置与电子设备 Download PDFInfo
- Publication number
- CN110703013B CN110703013B CN201910919766.2A CN201910919766A CN110703013B CN 110703013 B CN110703013 B CN 110703013B CN 201910919766 A CN201910919766 A CN 201910919766A CN 110703013 B CN110703013 B CN 110703013B
- Authority
- CN
- China
- Prior art keywords
- identification result
- low
- mode
- oscillation mode
- power system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 203
- 230000010355 oscillation Effects 0.000 title claims abstract description 165
- 238000005259 measurement Methods 0.000 claims abstract description 130
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000007621 cluster analysis Methods 0.000 claims abstract description 27
- 238000013016 damping Methods 0.000 claims description 45
- 238000012935 Averaging Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
- G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例提供一种电力系统低频振荡模式的在线辨识方法、装置与电子设备,其中该方法包括:基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取第一初步辨识结果;基于第一初步辨识结果对应的运行量测的不同组合,获取低频振荡模式的精确辨识结果;基于电力系统的每一运行量测,获取第二初步辨识结果,并从第二初步辨识结果中去除上述精确辨识结果后进行聚类分析,获取遗漏模式;基于遗漏模式对应的运行量测的不同组合,获取遗漏模式的精确辨识结果;以上述两种精确辨识结果的整体作为电力系统的低频振荡模式的最终识别结果。本发明实施例能够对电力系统低频振荡模式进行更为可靠、精确、全面的辨识,实现低频振荡模式在线监测。
Description
技术领域
本发明涉及电力系统分析技术领域,更具体地,涉及一种电力系统低频振荡模式的在线辨识方法、装置与电子设备。
背景技术
在电力系统中,发电机通过输电线进行并列运行时,若系统中缺乏阻尼,在扰动的作用下,发电机转子间和输电线上的功率潮流会发生持续的振荡,由于振荡的频率很低,该现象被称为低频振荡。弱阻尼甚至负阻尼的低频振荡模式将会给电力系统的安全稳定运行带来很大的危害,实时地识别低频振荡模式及其模态,能够为判断系统是否稳定、提供预警信息、制定抑制振荡的策略带来很大的帮助。
目前,识别电力系统低频振荡模式的方法主要可以分为基于数学模型的方法、基于大扰动信号的方法以及基于类噪声的方法。但是,基于数学模型的方法容易受到建模不够准确的限制而导致识别准确率不高,而基于大扰动信号的方法只能在系统发生大扰动后而不能在系统正常运行时进行模式识别,故这两种方法都不适用于振荡模式的在线实时辨识。基于类噪声的方法采用系统中的随机扰动产生的类噪声信号进行振荡模式的辨识,但该类方法存在可能辨识出虚假模式、可能产生模式遗漏以及辨识出的模式存在较大误差的问题。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明实施例提供一种电力系统低频振荡模式的在线辨识方法、装置与电子设备,用以得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
第一方面,本发明实施例提供一种电力系统低频振荡模式的在线辨识方法,包括:
基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;
基于所述第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;
基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从所述第二初步辨识结果中去除所述精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;
基于能够观测到所述具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;
获取所述低频振荡模式的精确辨识结果和所述遗漏模式的精确辨识结果的整体,作为所述电力系统的低频振荡模式的最终识别结果。
第二方面,本发明实施例提供一种电力系统低频振荡模式的在线辨识装置,包括:
第一辨识模块,用于基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;
第二辨识模块,用于基于所述第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;
第三辨识模块,用于基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从所述第二初步辨识结果中去除所述精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;
第四辨识模块,用于基于能够观测到所述具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;
识别输出模块,用于获取所述低频振荡模式的精确辨识结果和所述遗漏模式的精确辨识结果的整体,作为所述电力系统的低频振荡模式的最终识别结果。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上第一方面所述的电力系统低频振荡模式的在线辨识方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机指令,所述计算机指令被计算机执行时,实现如上第一方面所述的电力系统低频振荡模式的在线辨识方法的步骤。
本发明实施例提供的电力系统低频振荡模式的在线辨识方法、装置与电子设备,通过采用随机子空间法,对电力系统的运行量测进行统一流程的分析处理,能够得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的电力系统低频振荡模式的在线辨识方法的流程示意图;
图2为本发明另一实施例提供的电力系统低频振荡模式的在线辨识方法的流程示意图;
图3为本发明实施例提供的电力系统低频振荡模式的在线辨识装置的结构示意图;
图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明实施例的一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明实施例保护的范围。
本发明实施例针对现有技术适用性差、准确率不高等问题,通过采用随机子空间法,对电力系统的运行量测进行统一流程的分析处理,能够得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。以下将具体通过多个实施例对本发明实施例进行展开说明和介绍。
图1为本发明一实施例提供的电力系统低频振荡模式的在线辨识方法的流程示意图,如图1所示,该方法包括:
S101,基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果。
可以理解为,本发明实施例首先根据电力系统的运行量测,获得低频振荡模式的初步辨识结果。具体而言,先将所有的运行量测去趋势后作为随机子空间法的输入,得出不同假定阶数下随机子空间法计算出的大量辨识结果,对于这些辨识结果,再采用聚类算法进行分析,以得到的各聚类的聚类中心作为振荡模式的初步辨识结果。为便于区分,将该初步辨识结果定义为第一初步辨识结果。
其中,选用的运行量测信号一般可以为线路的有功潮流和发电机组的有功出力量测。
其中,随机子空间法是系统识别领域应用比较成功的算法之一,它的输入为系统的量测信号,通过一系列矩阵运算,即可得到系统的模式及其模态辨识结果。
S102,基于第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果。
可以理解为,在上述步骤得到振荡模式的初步辨识结果的基础上,本发明实施例通过对初步辨识出的振荡模式对应运行量测进行进一步分析,得到振荡模式的精确辨识结果。具体而言,对于振荡模式的初步辨识结果,选取各振荡模式不同的运行量测的组合,作为随机子空间法的输入,得到新的辨识结果。之后通过重复多次执行上述选取运行量测的组合得到新的辨识结果的处理过程,得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法输出的对同一模式的大量不同的辨识结果。最后将这些结果取平均,得到振荡模式的精确辨识结果。
S103,基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从第二初步辨识结果中去除精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式。
具体而言,本发明实施例在得到低频振荡模式的精确辨识结果的基础上,对上述模式辨别处理所遗漏的振荡模式进行进一步搜索。具体的,对于电力系统中的每一个运行量测,将其单独作为随机子空间法的输入,可获取大量辨识结果作为第二初步辨识结果。之后,从第二初步辨识结果的模式中去掉步骤S102中所得精确辨识结果中已得到识别的模式,并将剩余的辨识结果进行聚类分析,得到在大量量测中具有强能观性的遗漏模式。
S104,基于能够观测到具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果。
可以理解为,本步骤根据上述步骤识别出的具有强能观性的遗漏模式,获得遗漏模式的精确辨识结果。具体而言,对于每一个遗漏模式,找到能够观测到该遗漏模式的运行量测,并从中选取不同的量测进行组合后作为随机子空间法的输入,得到新的辨识结果。之后,通过重复多次执行上述选取运行量测的组合得到新的辨识结果的处理过程,得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法给出的对同一遗漏模式的大量不同的辨识结果,将这些结果取平均,最终得到遗漏模式的精确辨识结果。
S105,获取低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果的整体,作为电力系统的低频振荡模式的最终识别结果。
可以理解为,本发明实施例的最后,将根据上述各步骤得到的低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果进行统一整理,得到识别结果整体,作为对目标电力系统的低频振荡模式进行识别的最终识别结果。
本发明实施例提供的电力系统低频振荡模式的在线辨识方法,通过采用随机子空间法,对电力系统的运行量测进行统一流程的分析处理,能够得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
进一步的,本发明实施例的在线辨识方法还包括:在每一次使用随机子空间法后,均对在不同假定阶数下随机子空间法的输出结果进行进一步聚类分析,进一步聚类分析包括:对输出结果的阻尼部分和频率部分进行聚类分析,获取阻尼和频率接近的辨识结果,并对阻尼和频率接近的辨识结果的模态部分进行聚类分析,获取阻尼、频率和模态均接近的辨识结果;将属于同一簇类的阻尼、频率和模态均接近的辨识结果取均值,作为当前次随机子空间法的最终辨识结果。
可以理解的是,本发明实施例中在每一次使用随机子空间法后,对于在不同的假定阶数下随机子空间法给出的结果,都会采用聚类算法进行分析,得到对应的聚类结果。
其中,根据上述各实施例可选的,获取低频振荡模式的第一初步辨识结果的步骤具体包括:将电力系统的运行量测去趋势后,作为随机子空间法的输入,获取不同假定阶数下随机子空间法的识别结果;采用聚类算法,对不同假定阶数下随机子空间法的识别结果进行聚类分析,获取各聚类中心作为低频振荡模式的第一初步辨识结果。
可以理解为,本发明实施例首先对获取的电力系统的所有运行量测进行去趋势处理,以去除量测信号中的低频趋势,提高随机子空间法所需的类噪声信号在量测信号中的占比,从而达到提高辨识算法精度的作用。之后,将经过去趋势处理的运行量测输入到随机子空间法中进行初步的模式识别,得出不同假定阶数下随机子空间法计算出的大量辨识结果。再之后,对于这些辨识结果,再采用聚类算法进行分析,以得到的各聚类的聚类中心作为振荡模式的初步辨识结果,也即第一初步辨识结果。
其中可选的,对不同假定阶数下随机子空间法的识别结果进行聚类分析的步骤具体包括:对不同假定阶数下随机子空间法的识别结果的阻尼部分和频率部分进行聚类分析,获取基于阻尼和频率的聚类结果;对基于阻尼和频率的聚类结果的模态部分进行聚类分析,获取阻尼、频率和模态均接近的聚类结果,并对属于同一簇类的阻尼、频率和模态均接近的聚类结果取均值,作为低频振荡模式的第一初步辨识结果。
具体而言,对于在不同的假定阶数下随机子空间法给出的结果,首先对其阻尼和频率部分进行聚类,得到阻尼和频率接近的聚类结果。之后对于聚类算法找到的阻尼和频率接近的聚类结果,再对其模态部分进行聚类,从而找到阻尼、频率和模态都接近的聚类结果。最后将属于同一簇类的结果取均值,作为低频振荡模式的初步辨识结果。
其中,对辨识结果根据阻尼和频率进行聚类时,可以选用基于密度的聚类算法DBSCAN算法。对辨识结果根据模态进行聚类时,可以选用MAFIA算法,或者根据各辨识结果之间的模态置信度MAC来进行聚类分析。
其中,根据上述各实施例可选的,获取低频振荡模式的精确辨识结果的步骤具体包括:对于第一初步辨识结果中的任一振荡模式,获取任一振荡模式对应的运行量测并进行不同组合,且对于任一组合,将任一组合作为随机子空间法的输入,得到任一振荡模式的新的辨识结果,直至得到的新的辨识结果的组数达到预设阈值,则对所有组的新的辨识结果取平均,获取任一振荡模式的精确辨识结果,直至遍历第一初步辨识结果中的每一振荡模式,获取低频振荡模式的精确辨识结果。
具体而言,本发明实施例通过对初步辨识出的振荡模式对应的运行量测进行进一步分析,得到振荡模式的精确辨识结果。也即,根据第一初步辨识结果中各振荡模式对应的运行量测,选取不同的运行量测的组合输入到随机子空间法中,进行辨识结果的进一步辨识,并且通过重复多次上述进一步辨识处理,得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法输出的对同一模式的大量不同的辨识结果。之后通过将这些结果取平均,得到该低频振荡模式的精确辨识结果。对于初步辨识出的每个振荡模式,均可执行上述辨识处理,得到所有低频振荡模式的精确辨识结果。
其中,根据上述各实施例可选的,获取低频振荡模式的精确辨识结果的步骤具体包括:
对于第一初步辨识结果中的每一振荡模式,基于模态幅值获取每一振荡模式能观性较强的运行量测,并从能观性较强的运行量测中选取一定数量的运行量测作为随机子空间法的输入,获取不同假定阶数下随机子空间法的计算结果;
对不同假定阶数下随机子空间法的计算结果进行聚类分析,获取聚类结果,并判断聚类结果的阻尼、频率和模态与聚类结果对应的振荡模式的阻尼、频率和模态的距离是否小于设定值,若是,则获取每一振荡模式的新的辨识结果;
重复执行从能观性较强的运行量测中选取一定数量的运行量测至获取每一振荡模式的新的辨识结果的步骤,直至重复次数达到预设阈值,对应获取每一振荡模式的多个新的辨识结果,并对多个新的辨识结果取平均,获取低频振荡模式的精确辨识结果。
可以理解为,本发明实施例对于初步识别出的每一个振荡模式,根据模态幅值找到对该模式能观性较强的几个量测,并从中选择一些量测输入到随机子空间法中,得到不同假定阶数下随机子空间法的计算结果。之后,对前述计算结果进行聚类分析,并对聚类的结果中的模式比较其阻尼、频率、模态是否与该模式的初步辨识结果的阻尼、频率、模态都接近,若是,则得到对该模式的另一辨识结果,即新的辨识结果。然后改变输入随机子空间法的量测组合,重复多次,获得对同一模式的大量辨识结果,通过将这些结果取平均,得到低频振荡模式的精确辨识结果。
可以理解的是,在对聚类的结果中的模式比较其阻尼、频率、模态是否与该模式的初步辨识结果的阻尼、频率、模态时,是将聚类结果中的模式的阻尼与该模式的初步辨识结果的阻尼之间计算距离,并通过比较该距离与预设阈值的大小来确定二者阻尼是否接近。同样的,对于频率和模态的比较也采用类似的处理方式。
其中可选的,在获得对同一模式的大量辨识结果后,可以采用DBSCAN算法进行聚类分析,从而剔除掉一些离群的异常的辨识结果,然后将剩余的集中的辨识结果取均值。
其中,根据上述各实施例可选的,获取具有强能观性的遗漏模式的步骤具体包括:获取电力系统的每一运行量测,输入到随机子空间法中,获取第二初步辨识结果;从第二初步辨识结果中去除精确辨识结果,获取剩余辨识结果,并对剩余辨识结果进行聚类分析,获取具有强能观性的遗漏模式。
具体而言,对于电力系统中的每一个运行量测,可将其单独输入到随机子空间法中得到一些辨识结果,将所有运行量测单独输入到随机子空间法中得到的全部结果作为第二初步辨识结果。之后,从第二初步辨识结果对应的所有模式中去掉低频振荡模式的精确辨识结果中已得到识别的模式,并将去除后剩余的辨识结果进行聚类分析,得到在大量运行量测中具有强能观性的遗漏模式。
其中,将剩余的辨识结果进行聚类分析时,可以采用CFSFDP算法,以其聚类中心作为遗漏模式的初步辨识结果。
其中可选的,在判断本发明实施例新得到的辨识结果是否是低频振荡模式的精确辨识结果中已经得到识别的模式时,可以设定一阈值,若新得到的辨识结果与某一已经得到识别的模式的阻尼和频率之差小于该阈值,则认为该辨识结果是低频振荡模式的精确辨识结果中已经得到识别的模式。
其中,根据上述各实施例可选的,获取遗漏模式的精确辨识结果的步骤具体包括:对于具有强能观性的遗漏模式中的任一遗漏模式,获取任一遗漏模式对应的运行量测并进行不同组合,且对于任一组合,将任一组合作为随机子空间法的输入,得到任一遗漏模式的新的辨识结果,直至得到的新的辨识结果的组数达到预设阈值,则对所有组的新的辨识结果取平均,获取任一遗漏模式的精确辨识结果,直至遍历具有强能观性的遗漏模式中的每一遗漏模式,获取遗漏模式的精确辨识结果。
可以理解为,对于根据上述各实施例识别到的每一个遗漏模式,找到能够观测到其的所有运行量测,并从中选取出不同的运行量测进行组合,再将运行量测的组合输入到随机子空间法中,得到新的辨识结果。之后,通过重复多次执行上述选取运行量测的组合到得到新的辨识结果的处理过程,可以获取到不同的量测组合作为随机子空间法的输入时,随机子空间法输出的对同一遗漏模式的大量不同的辨识结果,最后通过将这些结果取平均,可得到遗漏模式的精确辨识结果。
其中,在获得对同一遗漏模式的大量不同的辨识结果后,可以采用DBSCAN算法进行聚类分析,从而剔除掉一些离群的异常的辨识结果,然后将剩余的集中的辨识结果取均值。
为进一步说明本发明实施例的技术方案,本发明实施例根据上述各实施例提供如下具体的处理流程,但不对本发明实施例的保护范围进行限制。
如图2所示,为本发明另一实施例提供的电力系统低频振荡模式的在线辨识方法的流程示意图,其中主要包括如下处理步骤:
S201,获取低频振荡模式的初步辨识结果:将所有的量测去趋势后作为随机子空间法的输入,对于不同假定阶数下随机子空间法计算出的大量辨识结果,采用聚类算法进行分析,以聚类中心作为振荡模式的初步辨识结果。
其中聚类分析的具体做法为,对于在不同的假定阶数下随机子空间法给出的结果,首先对其阻尼和频率部分进行聚类,对于聚类算法找到的阻尼和频率接近的辨识结果,再对其模态部分进行聚类,从而找到阻尼、频率和模态都接近的辨识结果,将属于同一簇类的结果取均值,作为低频振荡模式的初步辨识结果。
S202,获取振荡模式的精确辨识结果:选取不同的量测的组合,作为随机子空间法的输入,重复多次,得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法给出的对同一模式的大量不同的辨识结果,将这些结果取平均,得到振荡模式的精确辨识结果。
具体实施时,对于上述步骤得到的每一个振荡模式,根据模态幅值找到对该模式能观性较强的几个量测,从中选择一些量测作为随机子空间法的输入,对不同假定阶数下随机子空间法的计算结果进行聚类分析,对聚类的结果,比较其阻尼、频率、模态是否和该模式的初步辨识结果都接近,若是,则得到对该模式的另一辨识结果,然后改变输入随机子空间法的量测组合,重复多次,获得对同一模式的大量辨识结果,将这些结果取平均,得到低频振荡模式的精确辨识结果。
S203,搜索遗漏模式:对于每一个量测,将其单独作为随机子空间法的输入,去掉辨识结果中已经得到识别的模式,将剩余的辨识结果进行聚类分析,找到在大量量测中具有强能观性的遗漏模式。
其中,在判断辨识结果是否是已经得到识别的模式时,可以设定一阈值,若辨识结果与某一已经得到识别的模式的阻尼和频率之差小于该阈值,则可以认为该辨识结果是上述第一和第二个步骤中已经得到识别的模式。
S204,获取遗漏模式的精确辨识结果:对于每一个遗漏模式,找到能够观测到该遗漏模式的量测,从中选取不同的量测的组合,作为随机子空间法的输入,重复多次,得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法给出的对同一遗漏模式的大量不同的辨识结果,将这些结果取平均,得到遗漏模式的精确辨识结果。
本发明实施例能够得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
基于相同的构思,本发明实施例根据上述各实施例提供一种电力系统低频振荡模式的在线辨识装置,该装置用于在上述各实施例中实现电力系统低频振荡模式的在线辨识。因此,在上述各实施例的电力系统低频振荡模式的在线辨识方法中的描述和定义,可用于本发明实施例中各个执行模块的理解,具体可参考上述实施例,此处不在赘述。
根据本发明实施例的一个实施例,电力系统低频振荡模式的在线辨识装置的结构如图3所示,为本发明实施例提供的电力系统低频振荡模式的在线辨识装置的结构示意图,该装置可以用于实现上述各方法实施例中电力系统低频振荡模式的在线辨识,该装置包括:第一辨识模块301、第二辨识模块302、第三辨识模块303、第四辨识模块304和识别输出模块305。其中:
第一辨识模块301用于基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;第二辨识模块302用于基于第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;第三辨识模块303用于基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从第二初步辨识结果中去除精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;第四辨识模块304用于基于能够观测到具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;识别输出模块305用于获取低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果的整体,作为电力系统的低频振荡模式的最终识别结果。
具体而言,第一辨识模块301先将所有的运行量测去趋势后作为随机子空间法的输入,得出不同假定阶数下随机子空间法计算出的大量辨识结果。对于这些辨识结果,第一辨识模块301再采用聚类算法进行分析,以得到的各聚类的聚类中心作为振荡模式的初步辨识结果。为便于区分,将该初步辨识结果定义为第一初步辨识结果。
之后,对于振荡模式的初步辨识结果,第二辨识模块302选取各振荡模式不同的运行量测的组合来作为随机子空间法的输入,得到新的辨识结果。之后通过重复多次执行上述选取运行量测的组合得到新的辨识结果的处理过程,第二辨识模块302可得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法输出的对同一模式的大量不同的辨识结果。最后通过将这些结果取平均,得到振荡模式的精确辨识结果。
再之后,对于电力系统中的每一个运行量测,第三辨识模块303将其单独输入到随机子空间法中,获取另一辨识结果作为第二初步辨识结果。之后,第三辨识模块303从第二初步辨识结果的模式中去上述精确辨识结果中已得到识别的模式,并将剩余的辨识结果进行聚类分析,得到在大量量测中具有强能观性的遗漏模式。
再之后,对于每一个遗漏模式,第四辨识模块304找到能够观测到该遗漏模式的运行量测,并从中选取不同的量测进行组合后作为随机子空间法的输入,得到新的辨识结果。之后,通过重复多次执行上述选取运行量测的组合得到新的辨识结果的处理过程,第四辨识模块304得到不同的量测组合作为随机子空间法的输入的情况下,随机子空间法给出的对同一遗漏模式的大量不同的辨识结果,之后通过将这些结果取平均,最终得到遗漏模式的精确辨识结果。
最后,识别输出模块305将根据上述处理得到的低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果进行统一整理,得到识别结果整体,作为对目标电力系统的低频振荡模式进行识别的最终识别结果。
本发明实施例提供的电力系统低频振荡模式的在线辨识装置,通过设置相应的执行模块,采用随机子空间法,对电力系统的运行量测进行统一流程的分析处理,可得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
可以理解的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现上述各实施例的装置中的各相关程序模块。并且,本发明实施例的电力系统低频振荡模式的在线辨识装置利用上述各程序模块,能够实现上述各方法实施例的电力系统低频振荡模式的在线辨识流程,在用于实现上述各方法实施例中电力系统低频振荡模式的在线辨识时,本发明实施例的装置产生的有益效果与对应的上述各方法实施例相同,可以参考上述各方法实施例,此处不再赘述。
作为本发明实施例的又一个方面,本实施例根据上述各实施例提供一种电子设备,该电子设备包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,该处理器执行该计算机程序时,实现如上述各实施例所述的电力系统低频振荡模式的在线辨识方法的步骤。
进一步的,本发明实施例的电子设备还可以包括通信接口和总线。参考图4,为本发明实施例提供的电子设备的实体结构示意图,包括:至少一个存储器401、至少一个处理器402、通信接口403和总线404。
其中,存储器401、处理器402和通信接口403通过总线404完成相互间的通信,通信接口403用于该电子设备与电力系统运行量测设备之间的信息传输;存储器401中存储有可在处理器402上运行的计算机程序,处理器402执行该计算机程序时,实现如上述各实施例所述的电力系统低频振荡模式的在线辨识方法的步骤。
可以理解为,该电子设备中至少包含存储器401、处理器402、通信接口403和总线404,且存储器401、处理器402和通信接口403通过总线404形成相互间的通信连接,并可完成相互间的通信,如处理器402从存储器401中读取电力系统低频振荡模式的在线辨识方法的程序指令等。另外,通信接口403还可以实现该电子设备与电力系统运行量测设备之间的通信连接,并可完成相互间信息传输,如通过通信接口403实现电力系统运行量测数据的读取等。
电子设备运行时,处理器402调用存储器401中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;基于第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从第二初步辨识结果中去除精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;基于能够观测到具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;获取低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果的整体,作为电力系统的低频振荡模式的最终识别结果等。
上述的存储器401中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。或者,实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还根据上述各实施例提供一种非暂态计算机可读存储介质,其上存储有计算机指令,该计算机指令被计算机执行时,实现如上述各实施例所述的电力系统低频振荡模式的在线辨识方法的步骤,例如包括:基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;基于第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从第二初步辨识结果中去除精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;基于能够观测到具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;获取低频振荡模式的精确辨识结果和遗漏模式的精确辨识结果的整体,作为电力系统的低频振荡模式的最终识别结果等。
本发明实施例提供的电子设备和非暂态计算机可读存储介质,通过执行上述各实施例所述的电力系统低频振荡模式的在线辨识方法的步骤,采用随机子空间法,对电力系统的运行量测进行统一流程的分析处理,能够得到对电力系统低频振荡模式更为可靠、精确、全面的辨识结果,实现对电力系统低频振荡模式的在线监测。
可以理解的是,以上所描述的装置、电子设备及存储介质的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,既可以位于一个地方,或者也可以分布到不同网络单元上。可以根据实际需要选择其中的部分或全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上实施方式的描述,本领域的技术人员可以清楚地了解,各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令,用以使得一台计算机设备(如个人计算机,服务器,或者网络设备等)执行上述各方法实施例或者方法实施例的某些部分所述的方法。
另外,本领域内的技术人员应当理解的是,在本发明实施例的申请文件中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明实施例的说明书中,说明了大量具体细节。然而应当理解的是,本发明实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明实施例公开并帮助理解各个发明方面中的一个或多个,在上面对本发明实施例的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明实施例的单独实施例。
最后应说明的是:以上实施例仅用以说明本发明实施例的技术方案,而非对其限制;尽管参照前述实施例对本发明实施例进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。
Claims (10)
1.一种电力系统低频振荡模式的在线辨识方法,其特征在于,包括:
基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;
基于所述第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;
基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从所述第二初步辨识结果中去除所述精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;
基于能够观测到所述具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;
获取所述低频振荡模式的精确辨识结果和所述遗漏模式的精确辨识结果的整体,作为所述电力系统的低频振荡模式的最终识别结果。
2.根据权利要求1所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述获取低频振荡模式的第一初步辨识结果的步骤具体包括:
将所述电力系统的运行量测去趋势后,作为随机子空间法的输入,获取不同假定阶数下随机子空间法的识别结果;
采用聚类算法,对所述不同假定阶数下随机子空间法的识别结果进行聚类分析,获取各聚类中心作为低频振荡模式的所述第一初步辨识结果。
3.根据权利要求1或2所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述获取低频振荡模式的第一初步辨识结果的步骤、所述获取低频振荡模式的精确辨识结果的步骤、所述获取第二初步辨识结果的步骤和所述获取遗漏模式的精确辨识结果的步骤还包括:
在每一次使用随机子空间法后,均对在不同假定阶数下随机子空间法的输出结果进行进一步聚类分析,所述进一步聚类分析包括:
对所述输出结果的阻尼部分和频率部分进行聚类分析,获取阻尼和频率接近的辨识结果,并对所述阻尼和频率接近的辨识结果的模态部分进行聚类分析,获取阻尼、频率和模态均接近的辨识结果;
将属于同一簇类的所述阻尼、频率和模态均接近的辨识结果取均值,作为当前次随机子空间法的最终辨识结果。
4.根据权利要求1所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述获取具有强能观性的遗漏模式的步骤具体包括:
获取所述电力系统的每一运行量测,输入到随机子空间法中,获取所述第二初步辨识结果;
从所述第二初步辨识结果中去除所述精确辨识结果,获取剩余辨识结果,并对所述剩余辨识结果进行聚类分析,获取所述具有强能观性的遗漏模式。
5.根据权利要求1或4所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述获取遗漏模式的精确辨识结果的步骤具体包括:
对于所述具有强能观性的遗漏模式中的任一遗漏模式,获取所述任一遗漏模式对应的运行量测并进行不同组合,且对于任一组合,将所述任一组合作为随机子空间法的输入,得到所述任一遗漏模式的新的辨识结果,直至得到的所述新的辨识结果的组数达到预设阈值,则对所有组的所述新的辨识结果取平均,获取所述任一遗漏模式的精确辨识结果,直至遍历所述具有强能观性的遗漏模式中的每一遗漏模式,获取所述遗漏模式的精确辨识结果。
6.根据权利要求2所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述对所述不同假定阶数下随机子空间法的识别结果进行聚类分析的步骤具体包括:
对所述不同假定阶数下随机子空间法的识别结果的阻尼部分和频率部分进行聚类分析,获取基于阻尼和频率的聚类结果;
对所述基于阻尼和频率的聚类结果的模态部分进行聚类分析,获取阻尼、频率和模态均接近的聚类结果,并对属于同一簇类的所述阻尼、频率和模态均接近的聚类结果取均值,作为低频振荡模式的所述第一初步辨识结果。
7.根据权利要求1所述的电力系统低频振荡模式的在线辨识方法,其特征在于,所述获取低频振荡模式的精确辨识结果的步骤具体包括:
对于所述第一初步辨识结果中的每一振荡模式,基于模态幅值获取所述每一振荡模式能观性较强的运行量测,并从所述能观性较强的运行量测中选取一定数量的运行量测输入随机子空间法,获取不同假定阶数下随机子空间法的计算结果;
对所述不同假定阶数下随机子空间法的计算结果进行聚类分析,获取聚类结果,并判断所述聚类结果的阻尼、频率和模态与所述聚类结果对应的振荡模式的阻尼、频率和模态的距离是否小于设定值,若是,则获取所述每一振荡模式的新的辨识结果;
重复执行所述从所述能观性较强的运行量测中选取一定数量的运行量测至所述获取所述每一振荡模式的新的辨识结果的步骤,直至重复次数达到预设阈值,对应获取所述每一振荡模式的多个所述新的辨识结果,并对多个所述新的辨识结果取平均,获取低频振荡模式的所述精确辨识结果。
8.一种电力系统低频振荡模式的在线辨识装置,其特征在于,包括:
第一辨识模块,用于基于电力系统的运行量测,依次利用随机子空间法和聚类算法,获取低频振荡模式的第一初步辨识结果;
第二辨识模块,用于基于所述第一初步辨识结果对应的运行量测的不同组合,利用随机子空间法和算术平均法,获取低频振荡模式的精确辨识结果;
第三辨识模块,用于基于电力系统的每一运行量测,利用随机子空间法,获取第二初步辨识结果,并通过从所述第二初步辨识结果中去除所述精确辨识结果后进行聚类分析,获取具有强能观性的遗漏模式;
第四辨识模块,用于基于能够观测到所述具有强能观性的遗漏模式的运行量测的不同组合,利用随机子空间法和算术平均法,获取遗漏模式的精确辨识结果;
识别输出模块,用于获取所述低频振荡模式的精确辨识结果和所述遗漏模式的精确辨识结果的整体,作为所述电力系统的低频振荡模式的最终识别结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1至7中任一项所述的电力系统低频振荡模式的在线辨识方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被计算机执行时,实现如权利要求1至7中任一项所述的电力系统低频振荡模式的在线辨识方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919766.2A CN110703013B (zh) | 2019-09-26 | 2019-09-26 | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919766.2A CN110703013B (zh) | 2019-09-26 | 2019-09-26 | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110703013A CN110703013A (zh) | 2020-01-17 |
CN110703013B true CN110703013B (zh) | 2021-11-09 |
Family
ID=69197174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910919766.2A Active CN110703013B (zh) | 2019-09-26 | 2019-09-26 | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703013B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709350B (zh) * | 2020-03-03 | 2022-05-13 | 天津大学 | 基于fcm聚类的低频振荡模态参数识别方法及系统 |
CN112232381B (zh) * | 2020-09-25 | 2024-03-01 | 国网上海市电力公司 | 主导负荷参数类噪声辨识的模型参数后处理方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09166633A (ja) * | 1996-09-14 | 1997-06-24 | Nobuo Miyagawa | 低周波発振器の電気的特性を測定するリスト“osc4lf” |
CN102185324A (zh) * | 2011-04-25 | 2011-09-14 | 东北电力大学 | 基于量测信息的电力系统低频振荡分析方法 |
CN106353623B (zh) * | 2016-10-20 | 2019-09-17 | 西南交通大学 | 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 |
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 |
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 |
-
2019
- 2019-09-26 CN CN201910919766.2A patent/CN110703013B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110703013A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111614491B (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
CN111475680A (zh) | 检测异常高密子图的方法、装置、设备及存储介质 | |
CN110703013B (zh) | 电力系统低频振荡模式的在线辨识方法、装置与电子设备 | |
CN107944721B (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及系统 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN108491302A (zh) | 一种检测spark集群节点状态的方法 | |
CN111697590A (zh) | 一种基于熵权法的电力系统关键节点识别方法及系统 | |
CN108009063B (zh) | 一种电子设备故障阈值检测的方法 | |
CN115484112B (zh) | 支付大数据安全防护方法、系统及云平台 | |
CN115128345B (zh) | 一种基于谐波监测的电网安全预警方法及系统 | |
CN115327417A (zh) | 一种动力电池单体异常的预警方法、系统及电子设备 | |
CN115079052A (zh) | 一种变压器故障诊断方法和系统 | |
CN115951185A (zh) | 绝缘子闪络检测方法、装置、电子设备及存储介质 | |
CN109587145B (zh) | 一种电力网络中的虚假数据入侵检测方法、装置及设备 | |
CN110719278A (zh) | 一种网络入侵数据的检测方法、装置、设备及介质 | |
CN107977626B (zh) | 一种电子设备工作数据的分组方法 | |
CN108009582B (zh) | 一种电子设备标准工作指标设置的方法 | |
CN114329452A (zh) | 一种异常行为检测方法、装置及相关设备 | |
CN116030955B (zh) | 基于物联网的医疗设备状态监测方法及相关装置 | |
CN115034146B (zh) | 电池鼓胀率的模型建立方法、监控方法、装置及存储介质 | |
CN113408210B (zh) | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 | |
CN107085544B (zh) | 一种系统错误定位方法及装置 | |
CN115629323A (zh) | 一种电池组故障检测方法、装置及车辆 | |
CN114881503A (zh) | 一种评分确定方法、装置、设备及存储介质 | |
CN110162806B (zh) | 一种仿真误差评估方法及系统 |
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 |