CN112505477B - 一种基于配电网同步相量数据的扰动初判方法 - Google Patents

Abstract

本发明公开了一种基于配电网同步相量数据的扰动初判方法，针对电网负荷侧220V电压侧数据波动大，扰动多且不易区分，测量数据噪声大的特点，采用了EMD经验模态分解再重构对原频率数据处理，使得处理后扰动部分数据与稳态数据的导数特点易于区分；再通过实际同步相量测量数据进行进一步验证，证明了该方法能够很好的将扰动数据与稳态数据区分，并具有计算速度快，占用计算资源少的优点。

Description

一种基于配电网同步相量数据的扰动初判方法

技术领域

本发明属于电力系统同步相量数据应用领域，尤其涉及一种基于经验模态分解(EMD)的扰动初判方法。

背景技术

随着大规模可再生能源开发利用和智能电网的发展，我国当前已建成世界上服务人口最多、覆盖范围最广、输电电压等级最高、容纳可再生能源最多的超大规模复杂互联电力系统。电力系统的机理特性、分析方法和运行控制方式均发生根本性变化。电力系统整体性日益突出，跨区域、跨电压等级的系统性连锁故障逐渐成为一种常态，闭环精细化控制需求明显。因此需要建立一个包含源、网、负荷的全景同步量测系统，以解决上述问题。这一系统通过同步相量测量单元对电网进行监测，并将测量结果上传至数据中心(主站)。其中安装在负荷侧，即220V电压等级家用的墙插上的同步相量测量装置。这些装置将电压相量、频率、频率变化率等基波信息以及谐波、间谐波等信息上传至主站，主站在收集到全国的数据后，对数据进行处理、存储及进行应用计算。本专利所讲的扰动算法就是基于该平台，面向负荷侧220V电压等级的数据进行的扰动初判的方法。

由于同步相量测量装置安装在墙插的220V侧，其数据特点较高压220KV及以上的数据有较大差别，而如何通过该数据反映出大电网的运行特点，从数据中挖掘出大电网可能发生的各类故障，成为该应用的重难点之一。本方法也是针对解决这一问题提出的。

发明目的

本发明的目的在于应对现有技术中所存在的难题，通过提出了一种基于经验模态分解EMD的扰动初判方法，利用同步相量的测量数据，达到对电力系统实时告警的目的。

发明内容

本发明提供了一种基于配电网同步相量数据的扰动初判方法，通过建立一个包含源、电网、负荷的全景同步量测系统，利用同步相量测量单元对电网进行监测，所述同步相量测量单元被安装在负荷侧，即220V电压等级家用的墙插上，所述同步相量测量单元将所检测到的电压相量、频率、频率变化率这些基波信息以及谐波、间谐波信息上传至主站进行处理存储及计算，该扰动初判方法包括以下步骤：

步骤1、在主站收集同步相量测量装置所测得的220V侧的频率测量数据，并按时标排列整齐；

步骤2、在主站实时库中提取各台同步相量测量装置最新1秒的频率数据，组成时间序列数据；

步骤3、对步骤2中所提取的频率数据的时间序列数据做经验模态分解EMD，得到各层IMF分量以及残余分量r；

步骤4、将步骤3中所得到的各层IMF分量平均值较大的保留，与参与分量r重构组成新的时间序列数据；

步骤5、对步骤4中所新构成的时间序列数据采用后项差分的方式求导数，得到导数序列；

步骤6、若存在连续多个导数持续超过上限或下限阈值，则触发告警；

步骤7、同时通过去除经验模态分解的残余分量，即去趋势后，做成重构信号，检测去除残余分量的重构信号的极大值与极小值，若极大值与极小值均超过阈值，则同样触发告警；

步骤8、在主站中应用程序重复步骤2～8，不断计算最新时间断面数据，对是否出发告警进行判定，从而实现扰动初判。

所述步骤1中，所述同步相量测量装置将采集并计算好的电压幅值、相角、频率、频率变化率数据上传至主站，主站只采用频率数据。

所述步骤2中，主站从实时数据库提取所有同步相量测量装置时间对齐的最新1秒数据。

所述步骤3中所采用的经验模态分解EMD方法包括以下步骤：

步骤a、设输入的原始信号为x(t)，寻找原始信号x(t)的所有局部极大值点和局部极小值点；

步骤b、通过三次样条插值法拟合极值点得到上包络线x_max(t)和下包络线x_min(t)，使得x(t)满足式(1)：

x_min(t)≤x(t)≤x_max(t),t∈[t_a,t_b] (1)；

步骤c、通过上包络线x_max(t)与下包络线x_min(t)求得均值，如式(2)所示：

步骤d、提取信号的局部细节信息h₁₁(t)，如式(3)所示：

h₁₁(t)＝x(t)-m₁₁(t) (3)；

步骤e、检查h₁₁(t)是否满足IMF定义中的条件，如果满足，则其为原始信号分离出的第一个IMF，即c₁(t)＝h₁₁(t)，如果不满足，则将h₁₁(t)看作原始信号，继续以上步骤，直到满足定义，即如式(4)所示：

h_1(k-1)(t)-m_1k(t)＝h_1k(t) (4)，

其中，m_1k(t)为h_1(k-1)(t)上下包络线的均值，h_1k(t)满足IMF的定义，所分离出的第一个IMF如式(5)所示：

即h_1k(t)为筛选出的第一个IMF分量，并满足式(6)：

r₁(t)＝x(t)-c₁(t) (6)；

步骤e、将式(6)中的r₁(t)作为原始信号，重复上述步骤(a)～(e)，则可以得到c₂(t)、c₃(t)……c_n(t)，即如式(7)所示：

c_n(t)＝r_n-1(t)-r_n(t) (7)，

上式中r_n(t)称为余项，表示原始信号的趋势信息，则原始信号的EMD分解结束，表示为如式(8)所示：

所述步骤4中，在步骤3中得到各层IMF函数分量以及残余分量r后，对幅值的平均波动做检测，将平均波动幅值超过0.1V的分量滤除，只保留小于0.1V以及残余分量r进行重构，拟合得到数据的原变化曲线。

所述步骤5中针对重构后的数据进行求导，求导采用后项差分的方法，以上传频率0.02秒作为时间，求取导数。

附图说明

图1针对配电网同步相量数据的扰动初判算法流程图。

图2频率快速下降时均值滤波与EMD分解重构方法比较。

图3频率快速下降时均值滤波与EMD分解重构方法求导效果比较。

图4频率快速上升时均值滤波与EMD分解重构方法比较。

图5频率快速上升时均值滤波与EMD分解重构方法求导效果比较。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本发明公开了一种基于EMD经验模态分解的扰动初判方法，通过建立一个包含源、电网、负荷的全景同步量测系统，利用同步相量测量单元对电网进行监测，所述同步相量测量单元被安装在负荷侧，即220V电压等级家用的墙插上，所述同步相量测量单元将所检测到的电压相量、频率、频率变化率这些基波信息以及谐波、间谐波信息上传至主站进行处理存储及计算，附图1为本发明所述的一种基于配电网同步相量数据的扰动初判方法的流程图，所述方法包括以下步骤：

步骤1、在主站收集同步相量测量装置测得的220V侧的频率测量数据并按照时标排列整齐。

步骤2、对频率数据做经验模态分解得到各层IMF分量以及残余分量r；

步骤3、将各层IMF分量平均值较大的保留，与参与分量r重构组成新数据。对新构成的序列采用后项差分的方式求导数，得到导数序列。若存在连续多个导数持续超过上限或下限阈值则触发告警。

步骤4、同时通过去除经验模态分解的残余分量，即去趋势后，做成重构信号，检测去除残余分量的重构信号的极大值与极小值，若极大值与极小值均超过阈值，则同样触发告警。

步骤5、重复步骤1-4，不断对新读取的数据进行判定。

实测数据测试

选取某SML负荷侧测量装置的实测频率数据进行分析，并将其与常用的均值滤波做比较。

图2、图3分别为频率快速下降时均值滤波与EMD分解重构方法的效果比较、频率快速下降时均值滤波与EMD分解重构方法求导效果比较；图4、图5分别为频率快速上升时均值滤波与EMD分解重构方法比较图、频率快速上升时均值滤波与EMD分解重构方法求导效果比较图。从图2与图3、图4与图5可以看出，EMD经验模态分解并重构的算法能够在保证数据原始的变化曲线的同时滤除噪声及毛刺的干扰，成功实现导数的区分特点。而选用均值滤波方法则会使得原数据仍保留一些小的波动，进而导致数据在求导数时不能很好的将扰动部分和稳态部分区分出来。从而表明，本发明所述扰动初判方法的适用性。

与现有技术相比，本发明具有如下有益效果：

(1)分析了负荷侧220V电压侧同步相量数据的特点，针对频率数据波动大，扰动多，噪声多的特点，设计并选取了合适的方法。

(2)所提出的基于配电网同步相量数据的扰动初判方法，在保证滤除噪声以及毛刺的同时，很好的拟合了数据原有的变化趋势，将数据变化特点更好地进行了分离。

(3)本发明所述方法，通过对EMD分解再重构，利用导数设定阈值判定扰动的方法简单有效，可实现扰动的快速判别。

Claims (3)

1.一种基于配电网同步相量数据的扰动初判方法，通过建立一个包含源、配电网、负荷的全景同步量测系统，利用同步相量测量单元对电网进行监测，所述同步相量测量单元被安装在负荷侧，即220V电压等级家用的墙插上，所述同步相量测量单元将所检测到的电压相量、频率、频率变化率这些基波信息以及谐波、间谐波信息上传至主站进行处理存储及计算，其特征在于，所述扰动初判方法包括以下步骤：

步骤1、在主站收集同步相量测量装置所测得的220V侧的频率测量数据，并按时标排列整齐；所述同步相量测量装置将采集并计算好的电压幅值、相角、频率、频率变化率数据上传至主站，主站只采用频率数据；步骤2、在主站实时库中提取各台同步相量测量装置最新1秒的频率数据，组成时间序列数据；

步骤3、对步骤2中所提取的频率数据的时间序列数据做经验模态分解EMD，得到各层IMF分量以及残余分量r，对幅值的平均波动做检测，将平均波动幅值超过0.1V的分量滤除，只保留小于0.1V以及残余分量r进行重构，拟合得到数据的原变化曲线；所述经验模态分解EMD方法包括以下步骤：

步骤a、设输入的原始信号为x(t)，寻找原始信号x(t)的所有局部极大值点和局部极小值点；

步骤b、通过三次样条插值法拟合极值点得到上包络线x_max(t)和下包络线x_min(t)，使得x(t)满足式(1)：

x_min(t)≤x(t)≤x_max(t),t∈[t_a,t_b] (1)；

步骤c、通过上包络线x_max(t)与下包络线x_min(t)求得均值，如式(2)所示：

步骤d、提取信号的局部细节信息h₁₁(t)，如式(3)所示：

h₁₁(t)＝x(t)-m₁₁(t) (3)；

步骤e、检查h₁₁(t)是否满足IMF定义中的条件，如果满足，则其为原始信号分离出的第一个IMF，即c₁t()h＝₁t₁()，如果不满足，则将h₁₁(t)看作原始信号，继续以上步骤，直到满足定义，即如式(4)所示：

h_1(k-1)(t)-m_1k(t)＝h_1k(t) (4)，

其中，m_1k(t)为h_1(k-1)(t)上下包络线的均值，h_1k(t)满足IMF的定义，所分离出的第一个IMF如式(5)所示：

即h_1k(t)为筛选出的第一个IMF分量，并满足式(6)：

r₁(t)＝x(t)-c₁(t) (6)；

步骤e、将式(6)中的r₁(t)作为原始信号，重复上述步骤(a)～(e)，则可以得到c₂(t)、c₃(t)……c_n(t)，即如式(7)所示：

c_n(t)＝r_n-1(t)-r_n(t) (7)，

上式中r_n(t)称为余项，表示原始信号的趋势信息，则原始信号的EMD分解结束，表示为如式(8)所示：

步骤4、将步骤3中所得到的各层IMF分量平均值较大的保留，与参与分量r重构组成新的时间序列数据；

步骤5、对步骤4中所新构成的时间序列数据采用后项差分的方式求导数，得到导数序列；

步骤6、若存在连续多个导数持续超过上限或下限阈值，则触发告警；

步骤7、同时通过去除经验模态分解的残余分量，即去趋势后，做成重构信号，检测去除残余分量的重构信号的极大值与极小值，若极大值与极小值均超过阈值，则同样触发告警；

步骤8、在主站中应用程序重复步骤2～8，不断计算最新时间断面数据，对是否出发告警进行判定，从而实现扰动初判。

2.根据权利要求1所述的扰动初判方法，其特征在于，所述步骤2中，主站从实时数据库提取所有同步相量测量装置时间对齐的最新1秒数据。

3.根据权利要求1所述的扰动初判方法，其特征在于，所述步骤5中针对重构后的数据进行求导，求导采用后项差分的方法，以上传频率0.02秒作为时间，求取导数。