CN110927442A - 一种基于边缘计算的多模态振荡在线监测预警系统 - Google Patents

一种基于边缘计算的多模态振荡在线监测预警系统 Download PDF

Info

Publication number
CN110927442A
CN110927442A CN201911244165.2A CN201911244165A CN110927442A CN 110927442 A CN110927442 A CN 110927442A CN 201911244165 A CN201911244165 A CN 201911244165A CN 110927442 A CN110927442 A CN 110927442A
Authority
CN
China
Prior art keywords
oscillation
modal
data
branch
layer
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
CN201911244165.2A
Other languages
English (en)
Other versions
CN110927442B (zh
Inventor
李志学
段荣华
程光影
吴琛
盛洁
黄伟
刘帅
程旻
杨东
张丹
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN201911244165.2A priority Critical patent/CN110927442B/zh
Publication of CN110927442A publication Critical patent/CN110927442A/zh
Application granted granted Critical
Publication of CN110927442B publication Critical patent/CN110927442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units

Abstract

本发明涉及一种基于边缘计算的多模态振荡在线监测预警系统，该系统包括采集层、边缘节点层和中心层，采集层包括AD采集转换模块和多模态同步相量计算模块；边缘节点层抽取采集层得到的模态信息以及同步相量数据，通过分析多模态同步相量数据，提取各模态振荡的特征；中心层根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警。本发明系统实现了一种新的电力自动化调度系统架构，打破了原有的所有采集数据上送到调度中心，由调度中心系统统一进行管理、分析的框架。实现将基础分析就地化、实时化，减小了调度中心计算负荷的同时，避免了由于传输问题造成的数据问题，进而提高了分析的准确性和实时性。

Description

一种基于边缘计算的多模态振荡在线监测预警系统
技术领域
本发明属于电力系统自动化技术领域，具体涉及一种基于边缘计算的多模态振荡在线监测预警系统。
背景技术
边缘计算起源于传媒领域，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
超同步谐振，任何形式三相不平衡电流都有负序分量存在。这是由于系统中存在着不对称负荷和不对称的系统元件参数所致。发电机定子绕组中的负序电流，产生反向100Hz的旋转磁场。如果发电机组轴系的某一自然扭振就会产生谐振。谐振的强度与“靠近度”有关。因为负序电流分量是长期存在的，所以这类扭振对轴系疲劳寿命的影响是严重的。负序电流还能在机组转轴上产生两倍工频的扭矩，也有激发轴系扭振的可能。因为这种谐振频率接近100Hz，所以叫做“超同步谐振”。
次同步谐振，发电机定子也出现频率为的三相自激电流，在气隙中产生频率为的旋转磁场。此旋转磁场的转速，低于主磁场的同步转速。发电机组轴系的自然扭振频率与串联补偿产生的电磁谐振频率相加恰好等于电网频率，相互“激励”，形成“机-电谐振”。因为串联电容补偿固有频率低于电网频率，所以叫“次同步谐振”。
低频振荡，发电机的转子角、转速，以及相关电气量，如线路功率、母线电压等发生近似等幅或增幅的振荡，因振荡频率较低，一般在0.1－2.5Hz，故称为低频振荡。
伴随着电力系统发展，电网的规模越来越庞大，越来越复杂。为保证电网的安全、稳定运行，需要对电网运行情况进行更加细致、准确的分析。电力系统自动化调度系统需要更多的数据作为运行分析的支撑。大量运行数据的上送不仅对现有通讯网络造成巨大压力，也会影响享有自动化调度系统运行的稳定性，同大量数据也造成了资源的极大浪费。因此如何克服现有技术的不足是目前电力系统自动化技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足，提供一种基于边缘计算的多模态振荡在线监测预警系统，实现对多模态振荡在线监测在本地边缘节点层完成。该系统大大提升处理效率，减轻中心层的计算负荷；由于更加靠近采集，还可提供更快的响应，将需求在边缘端解决。
为实现上述目的，本发明采用的技术方案如下：
一种基于边缘计算的多模态振荡在线监测预警系统，包括采集层、边缘节点层和中心层
所述的采集层包括AD采集转换模块和多模态同步相量计算模块；
AD采集转换模块将电力系统中支路的三相电压、电流模拟数据转换为数字数据；
多模态同步相量计算模块与AD采集转换模块相连，用于将AD采集转换模块转换得到的数字数据通过快速傅里叶变换得到每条支路的振荡模态
Figure BDA0002307056260000027
再根据频谱分析方法得到各模态的电流、电压同步相量数据
Figure BDA0002307056260000028
和
Figure BDA00023070562600000211
所述的边缘节点层与采集层相连，用于抽取采集层得到的模态信息
Figure BDA00023070562600000210
以及同步相量数据
Figure BDA00023070562600000212
和
Figure BDA00023070562600000213
通过分析多模态同步相量数据，提取各模态振荡的特征；
所述的中心层与边缘节点层相连，根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警。
进一步，优选的是，AD采集转换模块将电力系统中支路的三相电压、电流模拟数据以4800Hz、9600Hz、12800Hz采集频率转换为数字数据。
进一步，优选的是，每条支路的振荡模态
Figure BDA0002307056260000021
n为模态个数，fn为第n个模态频率；
Figure BDA0002307056260000022
Figure BDA0002307056260000023
In和Un为模态fn对应的电流相量值和电压相量值。
进一步，优选的是，所述的边缘节点层与采集层相连，用于抽取采集层得到的模态信息
Figure BDA0002307056260000024
以及同步相量数据
Figure BDA0002307056260000025
和
Figure BDA0002307056260000026
通过分析多模态同步相量数据，提取各模态振荡的特征，其具体方法为：
Figure BDA0002307056260000031
Figure BDA0002307056260000032
R1，R2，...，Rn为模态f1，f2，...，fn对应的振荡阻抗，A1，A2，...，An为模态f1，f2，...，fn对应的振荡幅值；
Figure BDA0002307056260000033
为所有模态振荡阻抗的集合，
Figure BDA0002307056260000034
为所有模态振荡幅值的集合；
Figure BDA0002307056260000035
Am＝DFT(Im)，DFT为傅里叶变换
其中，m为1，2，…，n；
经过x次分析计算后，得到每个模态对应的一组振荡阻抗
Figure BDA0002307056260000036
和振荡幅值
Figure BDA0002307056260000037
Figure BDA0002307056260000038
Figure BDA0002307056260000039
之后对特征值
Figure BDA00023070562600000310
和
Figure BDA00023070562600000311
进行数据清洗，清理异常数据，对剩余数据进行均值计算得到
Figure BDA00023070562600000312
和
Figure BDA00023070562600000313
最终得到最大振荡幅值Amax
Figure BDA00023070562600000314
并求得Amax对应模态频率ft和振荡阻抗
Figure BDA00023070562600000315
其中t为Amax对应的模态号。
进一步，优选的是，数据清洗的具体方法为：
计算各模态振荡阻抗和振荡幅值的均值
Figure BDA00023070562600000316
Figure BDA00023070562600000317
Rm(z)满足下面条件之一即为异常数据：
Figure BDA00023070562600000318
Am(z)满足下面条件之一即为异常数据：
Figure BDA0002307056260000041
其中z为1，2，…，x；其中，k1＝[0.2,0.5]，k2＝[2,3]。
优选的，k1＝0.5，k2＝2。
进一步，优选的是，所述的根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警，其具体方法为：
从边缘计算节点获取每个支路Amax、
Figure BDA0002307056260000042
以及其对应的ft，并获取电网模型数据，依据拓扑信息构建节点关联矩阵G；利用线性规划方法，求出负阻抗振荡路径P，约束方程如下：
Figure BDA0002307056260000043
其中，
Figure BDA0002307056260000044
Figure BDA0002307056260000045
y为支路个数，t(a)表示第a条支路得到的模态号，AT(a)为设定的振荡判断门槛；
则路径P的起点支路为负阻抗振荡的起始支路，P的末端支路为负阻抗支路的末端支路，根据节点关联矩阵，对末端支路关联的其他支路进行振荡预警。
进一步，优选的是，AT(a)＝2％*Ia，Ia为第a条支路电流。
本发明与现有技术相比，其有益效果为：
本专利提出的一种基于边缘计算的多模态振荡在线监测预警系统，将计算边缘化，无需将大量数据上送到调度中，只需要上送分析结果，可以实时或更快速的数据处理和分析，数据处理更接近数据来源，而不是在外部数据中心或云端进行，因此可以减少迟延时间。同时降低了建设成本，企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。也降低了网络流量，易于推广应用。
附图说明
图1为本发明系统框图。
图2为9节点系统拓扑图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
如图1所示，一种基于边缘计算的多模态振荡在线监测预警系统包括三层结构，采集层1、边缘节点层2、中心层3。
所述采集层1，实现了对电力系统动态运行信息采集，包括AD采集转换模块11和多模态同步相量计算模块12。
所述的AD采集转换模块11将电力系统中支路的三相电压、电流模拟数据以4800Hz、9600Hz、12800Hz采集频率转换为数字数据。
所述的多模态同步相量计算模块12与AD采集转换模块11相连，用于将AD采集转换模块11转换得到的数字数据通过快速傅里叶变换得到每条支路的振荡模态
Figure BDA0002307056260000051
其中：
Figure BDA0002307056260000052
n为模态个数，fn为第n个模态频率；
再根据频谱分析方法得到各模态的同步相量数据
Figure BDA0002307056260000053
和
Figure BDA0002307056260000054
其中
Figure BDA0002307056260000055
Figure BDA0002307056260000056
In和Un为模态fn对应的电流相量值和电压相量值；
所述的边缘节点层2与采集层1相连，利用采集层1采集的多模态同步相量数据实现了多模态振荡的边缘计算；首先，边缘节点层2抽取采集层1得到的模态信息
Figure BDA0002307056260000057
以及同步相量数
Figure BDA0002307056260000058
和
Figure BDA0002307056260000059
据通过分析多模态同步相量数据，提取各模态振荡的特征；
Figure BDA0002307056260000061
Figure BDA0002307056260000062
R1，R2，...，Rn为模态f1，f2，...，fn对应的振荡阻抗，A1，A2，...，An为模态f1，f2，...，fn对应的振荡幅值；
Figure BDA0002307056260000063
为所有模态振荡阻抗的集合，
Figure BDA0002307056260000064
为所有模态振荡幅值的集合；
Figure BDA0002307056260000065
Am＝DFT(Im)，DFT为傅里叶变换
其中，m为1，2，…，n；
经过x次分析计算后，得到每个模态对应的一组振荡阻抗
Figure BDA0002307056260000066
和振荡幅值
Figure BDA0002307056260000067
Figure BDA0002307056260000068
Figure BDA0002307056260000069
之后对特征值
Figure BDA00023070562600000610
和
Figure BDA00023070562600000611
进行数据清洗，清理异常数据，对剩余数据进行均值计算得到
Figure BDA00023070562600000612
和
Figure BDA00023070562600000613
最终得到最大振荡幅值Amax
Figure BDA00023070562600000614
并求得Amax对应模态频率ft和振荡阻抗
Figure BDA00023070562600000615
其中t为Amax对应的模态号。
所述的中心层3与边缘节点层2相连，根据边缘节点层2的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警。
从边缘计算节点获取每个支路Amax、
Figure BDA00023070562600000616
以及其对应的ft，并获取电网模型数据，依据拓扑信息构建节点关联矩阵G；利用线性规划方法，求出负阻抗振荡路径P，约束方程如下：
Figure BDA00023070562600000617
其中，
Figure BDA0002307056260000071
Figure BDA0002307056260000072
y为支路个数，t(a)表示第a条支路得到的模态号，AT(a)为振荡判断门槛值,优选的AT(a)＝2％*Ia，Ia为第a条支路电流；
则路径P的起点支路为负阻抗振荡的起始支路，P的末端支路为负阻抗支路的末端支路，根据节点关联矩阵，对末端支路关联的其他支路进行振荡预警。
应用实例
一种基于边缘计算的多模态振荡在线监测预警系统，实施方案如下：
所述一种基于边缘计算的多模态振荡在线监测预警系统包括三层结构，采集层、边缘节点层、中心层。
所述采集层，实现了对电力系统动态运行信息采集，包括AD采集转换模块和多模态同步相量计算模块。
所述AD采集转换模块将电力系统中所有支路的三相电压、电流模拟数据以12800采集频率转换为数字数据。
所述多模态同步相量计算模块通过上述得到的数字数据通过快速傅里叶变换得到每条支路的振荡模态
Figure BDA0002307056260000073
为方便计算，此处可选择振荡最大的4个模态，其中
Figure BDA0002307056260000074
n为模态个数
再根据频谱分析方法得到各模态的同步相量数据
Figure BDA0002307056260000075
和
Figure BDA0002307056260000076
其中
Figure BDA0002307056260000077
Figure BDA0002307056260000078
所述边缘节点层，利用采集层采集的多模态同步相量数据实现了多模态振荡的边缘计算，首先，边缘节点层抽取采集层得到的模态信息
Figure BDA0002307056260000079
以及同步相量数
Figure BDA00023070562600000710
和
Figure BDA00023070562600000711
据通过分析多模态同步相量数据，提取各模态振荡的特征，如振荡阻抗
Figure BDA0002307056260000081
振荡幅值
Figure BDA0002307056260000082
其中
Figure BDA0002307056260000083
Figure BDA0002307056260000084
Rn和An为模态fn对应的振荡阻抗和振荡幅值。
经过10次计算后，得到每个模态对应的一组振荡阻抗
Figure BDA0002307056260000085
和振荡幅值
Figure BDA0002307056260000086
Figure BDA0002307056260000087
Figure BDA0002307056260000088
n为第n个模态。
并对特征值
Figure BDA0002307056260000089
和
Figure BDA00023070562600000810
进行数据清洗，清理异常数据，对剩余数据进行均值计算得到
Figure BDA00023070562600000811
和
Figure BDA00023070562600000812
最终得到
Figure BDA00023070562600000813
其中Amax对应的模态为第3个模态，则t为3。
数据清洗的具体方法为：
计算各模态振荡阻抗和振荡幅值的均值
Figure BDA00023070562600000814
Figure BDA00023070562600000815
Rm(z)满足下面条件之一即为异常数据：
Figure BDA00023070562600000816
Am(z)满足下面条件之一即为异常数据：
Figure BDA00023070562600000817
其中z为1，2，…，x；其中，k1＝0.5，k2＝2。
所述中心层，实现了多模态振荡预警功能，根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，首先从边缘计算节点获取每个支路Rmax和Amax，以及其对应的fn。并获取电网模型数据构，以9节点系统为列，该系统共有9条支路，支路1为节点2与节点7之间的支路，支路2为节点7与节点8之间的支路，支路3为节点8与节点9之间的支路，支路4为节点9与节点3之间的支路，支路5为节点7与节点5之间的支路，支路6为节点5与节点4之间的支路，支路7为节点9与节点6之间的支路，支路8为节点6与节点4之间的支路，支路9为节点4与节点1之间的支路。如图2，依据拓扑信息构建节点关联矩阵G。利用线性规划方法，求出负阻抗振荡路径P，约束方程如下：
Figure BDA0002307056260000091
其中，
Figure BDA0002307056260000092
Figure BDA0002307056260000093
Figure BDA0002307056260000094
a表示支路编号，t(a)表示第a条支路得到的模态号，AT(a)为振荡判断门槛值，优选的AT(a)＝2％*Ia，Ia为第a条支路额定电流，标幺值为1；
求得的路径P的为R2-7，P7-8，P8-9。则路径P2-7为负阻抗振荡的起始支路，P8-9为负阻抗支路的末端支路，根据节点关联矩阵，支路P9-3和支路P9-6存在振荡风险，进行预警。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于边缘计算的多模态振荡在线监测预警系统，其特征在于，包括采集层、边缘节点层和中心层
所述的采集层包括AD采集转换模块和多模态同步相量计算模块；
AD采集转换模块将电力系统中支路的三相电压、电流模拟数据转换为数字数据；
多模态同步相量计算模块与AD采集转换模块相连，用于将AD采集转换模块转换得到的数字数据通过快速傅里叶变换得到每条支路的振荡模态
Figure FDA0002307056250000011
再根据频谱分析方法得到各模态的电流、电压同步相量数据
Figure FDA0002307056250000012
和
Figure FDA0002307056250000013
所述的边缘节点层与采集层相连，用于抽取采集层得到的模态信息
Figure FDA0002307056250000014
以及同步相量数据
Figure FDA0002307056250000015
和
Figure FDA0002307056250000016
通过分析多模态同步相量数据，提取各模态振荡的特征；
所述的中心层与边缘节点层相连，根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警。
2.根据权利要求1所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：AD采集转换模块将电力系统中支路的三相电压、电流模拟数据以4800Hz、9600Hz、12800Hz采集频率转换为数字数据。
3.根据权利要求1所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：
每条支路的振荡模态
Figure FDA0002307056250000017
n为模态个数，fn为第n个模态频率；
Figure FDA0002307056250000018
Figure FDA0002307056250000019
In和Un为模态fn对应的电流相量值和电压相量值。
4.根据权利要求3所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：所述的边缘节点层与采集层相连，用于抽取采集层得到的模态信息
Figure FDA00023070562500000110
以及同步相量数据
Figure FDA00023070562500000111
和
Figure FDA00023070562500000112
通过分析多模态同步相量数据，提取各模态振荡的特征，其具体方法为：
Figure FDA00023070562500000113
Figure FDA00023070562500000114
R1，R2，...，Rn为模态f1，f2，...，fn对应的振荡阻抗，A1，A2，...，An为模态f1，f2，...，fn对应的振荡幅值；
Figure FDA0002307056250000026
为所有模态振荡阻抗的集合，
Figure FDA0002307056250000027
为所有模态振荡幅值的集合；
Figure FDA0002307056250000021
Am＝DFT(Im)，DFT为傅里叶变换
其中，m为1，2，…，n；
经过x次分析计算后，得到每个模态对应的一组振荡阻抗R′m和振荡幅值A′m，R′m＝[Rm(1)，Rm(2)，...，Rm(x)]A′m＝[Am(1)，Am(2)，...，Am(x)]
之后对特征值R′m和A′m进行数据清洗，清理异常数据，对剩余数据进行均值计算得到
Figure FDA0002307056250000028
和
Figure FDA0002307056250000029
最终得到最大振荡幅值Amax
Figure FDA00023070562500000210
并求得Amax对应模态频率ft和振荡阻抗
Figure FDA00023070562500000211
其中t为Amax对应的模态号。
5.根据权利要求4所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：数据清洗的具体方法为：
计算各模态振荡阻抗和振荡幅值的均值
Figure FDA0002307056250000022
Figure FDA0002307056250000023
Rm(z)满足下面条件之一即为异常数据：
Figure FDA0002307056250000024
Am(z)满足下面条件之一即为异常数据：
Figure FDA0002307056250000025
其中z为1，2，…，x；其中，k1＝[0.2,0.5]，k2＝[2,3]。
6.根据权利要求4所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：所述的根据边缘节点层的的分析结果结合电力网络拓扑结构分析振荡源及传播路径，从而实现多模态振荡预警，其具体方法为：
从边缘计算节点获取每个支路Amax、
Figure FDA0002307056250000034
以及其对应的ft，并获取电网模型数据，依据拓扑信息构建节点关联矩阵G；利用线性规划方法，求出负阻抗振荡路径P，约束方程如下：
Figure FDA0002307056250000031
其中，
Figure FDA0002307056250000032
Figure FDA0002307056250000033
y为支路个数，t(a)表示第a条支路得到的模态号，AT(a)为设定的振荡判断门槛；
则路径P的起点支路为负阻抗振荡的起始支路，P的末端支路为负阻抗支路的末端支路，根据节点关联矩阵，对末端支路关联的其他支路进行振荡预警。
7.根据权利要求6所述的基于边缘计算的多模态振荡在线监测预警系统，其特征在于：AT(a)＝2％*Ia,Ia为第a条支路电流。
CN201911244165.2A 2019-12-06 2019-12-06 一种基于边缘计算的多模态振荡在线监测预警系统 Active CN110927442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911244165.2A CN110927442B (zh) 2019-12-06 2019-12-06 一种基于边缘计算的多模态振荡在线监测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911244165.2A CN110927442B (zh) 2019-12-06 2019-12-06 一种基于边缘计算的多模态振荡在线监测预警系统

Publications (2)

Publication Number Publication Date
CN110927442A true CN110927442A (zh) 2020-03-27
CN110927442B CN110927442B (zh) 2021-11-02

Family

ID=69858386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911244165.2A Active CN110927442B (zh) 2019-12-06 2019-12-06 一种基于边缘计算的多模态振荡在线监测预警系统

Country Status (1)

Country Link
CN (1) CN110927442B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111551820A (zh) * 2020-04-21 2020-08-18 天津大学 基于同步相量量测的配电网快速频率调节的系统辨识方法
CN111781422A (zh) * 2020-08-19 2020-10-16 剑科云智(深圳)科技有限公司 一种配电网同步相量测量器
CN111864706A (zh) * 2020-08-19 2020-10-30 剑科云智(深圳)科技有限公司 一种配电网的故障预警和继电保护系统
CN111913077A (zh) * 2020-08-19 2020-11-10 剑科云智(深圳)科技有限公司 一种配电网的智能故障定位系统
CN111983386A (zh) * 2020-08-19 2020-11-24 剑科云智(深圳)科技有限公司 一种配电网的分布式状态估计系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103257296A (zh) * 2013-05-08 2013-08-21 西南交通大学 一种电力系统低频振荡在线分析及预警方法
US20160241035A1 (en) * 2015-02-12 2016-08-18 Nec Laboratories America, Inc. Wide-area measurement system based control of grid-scale storage for power system stability enhancement
CN108089095A (zh) * 2017-12-05 2018-05-29 广东电网有限责任公司电力科学研究院 一种电网低频振荡参数预测方法及装置
CN108574290A (zh) * 2018-04-12 2018-09-25 国家电网有限公司 受迫振荡的振荡源定位方法、装置、终端及可读存储介质
CN108614187A (zh) * 2018-04-10 2018-10-02 清华大学 基于多模态同步相量的电力系统振荡溯源方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103257296A (zh) * 2013-05-08 2013-08-21 西南交通大学 一种电力系统低频振荡在线分析及预警方法
US20160241035A1 (en) * 2015-02-12 2016-08-18 Nec Laboratories America, Inc. Wide-area measurement system based control of grid-scale storage for power system stability enhancement
CN108089095A (zh) * 2017-12-05 2018-05-29 广东电网有限责任公司电力科学研究院 一种电网低频振荡参数预测方法及装置
CN108614187A (zh) * 2018-04-10 2018-10-02 清华大学 基于多模态同步相量的电力系统振荡溯源方法及系统
CN108574290A (zh) * 2018-04-12 2018-09-25 国家电网有限公司 受迫振荡的振荡源定位方法、装置、终端及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡国伟 等: "基于实测信号的电力系统低频振荡模态辨识", 《电网技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111551820A (zh) * 2020-04-21 2020-08-18 天津大学 基于同步相量量测的配电网快速频率调节的系统辨识方法
CN111781422A (zh) * 2020-08-19 2020-10-16 剑科云智(深圳)科技有限公司 一种配电网同步相量测量器
CN111864706A (zh) * 2020-08-19 2020-10-30 剑科云智(深圳)科技有限公司 一种配电网的故障预警和继电保护系统
CN111913077A (zh) * 2020-08-19 2020-11-10 剑科云智(深圳)科技有限公司 一种配电网的智能故障定位系统
CN111983386A (zh) * 2020-08-19 2020-11-24 剑科云智(深圳)科技有限公司 一种配电网的分布式状态估计系统

Also Published As

Publication number Publication date
CN110927442B (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN110927442B (zh) 一种基于边缘计算的多模态振荡在线监测预警系统
CN102520354B (zh) 一种基于labview平台的异步电机测试系统
MX2012014585A (es) Sistema y metodo de deteccion de velocidad en una maquina de induccion ac.
CN102361429A (zh) 基于神经网络逆系统理论的无轴承异步电机控制方法
CN108847682B (zh) 一种基于运行数据的光伏发电站并网性能评估方法及系统
CN103872678A (zh) 一种基于变电站量测的负荷模型辨识方法
CN201984120U (zh) 电能质量监测系统
Dekhandji et al. Quantitative assessment of three phase supply voltage unbalance effects on induction motors
CN102928697A (zh) 励磁调节器pss2a模型低频段阻尼检测方法及系统
CN201926727U (zh) 电能质量监测仪
CN108303609B (zh) 一种次同步振荡在线监测及扰动源定位方法及系统
CN104865497A (zh) 基于扩展Prony算法的低频振荡就地化在线辨识方法
Wei et al. Extended Park's vector method in early inter‐turn short circuit fault detection for the stator windings of offshore wind doubly‐fed induction generators
Taskin et al. Determination of the spectral properties and harmonic levels for driving an induction motor by an inverter driver under the different load conditions
Göktas et al. A new method to separate broken rotor failures and low frequency load oscillations in three-phase induction motor
CN113972654B (zh) 一种多点接入的区域负荷惯性时间常数辨识方法
CN106058897B (zh) 一种基于相量的发电机强迫扰动源定位方法
CN113504430A (zh) 一种特高压直流故障检测系统
CN111413097B (zh) 发电机组主轴弯曲故障预测方法
CN106410782A (zh) 一种基于阻尼贡献的互联电网动态稳定安控策略优化方法
Sabaghi et al. Monitoring of induction motor temperature under unbalanced supplying by stator resistance estimation
CN104182553B (zh) 变压器直流偏磁监测系统的数据处理和存储方法
Dinolova et al. Energy Efficiency of Induction Motor Drives: State of the Art, Analysis and Recommendations
Kumar et al. Effect of wear and tear bearing fault in induction motor drives using FEM
Rahman et al. Simulation of Stator Current Signal Fault Characteristics of Induction Motor based on ANSYS

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