PMU数据用于SCADA时滤除低频干扰的方法

广域测量系统采集的相量测量单元(PMU)数据越来越广泛应用于电网数据采集与监控系统,由于PMU采用的快速傅里叶变换算法无法区分工频信号和低频干扰,PMU采集的工频变量数据中包含低频振荡扰动成分,将影响电网稳态计算和分析的正确性。为了提取PMU采集数据中的工频变量,以低频强迫振荡为例,分析了低频振荡对PMU采集工频变量的影响,利用计算PMU采集数据的上包络和下包络并求出均值的方法,提出了一种分离PMU采集数据中低频干扰以获取工频变量的方法。通过对低频强迫振荡时PMU采集的实际电网数据进行分析,验证了文中所提方法的正确性。理论分析和实际PMU数据分析结果表明,所提方法能够快速准确提取PMU采集数据中的工频变量,对于提高PMU数据在电网稳态分析和动态监测中的利用价值,具有重要意义和较大价值。     

基于实测信号的电力系统低频振荡模态辨识

广域相量测量系统的应用为基于量测的电力系统稳定性分析提供了有力支持。基于动态量测信息准确地辨识电力系统低频振荡模态参数及振型,对提高电力系统低频振荡的实时监测与控制至关重要。结合经验模态分解与随机子空间辨识算法,基于发电机有功功率的动态量测信息,开展了电力系统低频振荡辨识与分析的研究。该方法能够在较短的时间从含噪信号内提取原系统真实准确的振荡信息,同时能够得到各振荡模式相应的振型,有效地克服Prony算法和自回归滑动平均算法受噪声、系统实际阶数的影响大,以及单一随机子空间辨识算法难以处理非线性、非平稳振荡信号的缺点。测试系统及仿真结果验证了该方法在电力系统低频振荡分析中的可行性。     

基于类噪声数据的电力系统低频振荡模式辨识方法及应用

低频振荡的监测对于电力系统的安全稳定运行是一个巨大的挑战。提出了基于类噪声数据的低频振荡模式在线辨识方法,该方法将类噪声PMU数据经过预处理后,以ARMA方法计算得到单测点低频振荡模式信息,然后通过聚类方法得到系统振荡模式信息。结合实际发生的一次低频振荡事故,通过比较扰动前和扰动过程中低频振荡模式差异判断振荡类型,并通过势能增量分布法予以验证。     

基于改进去噪性能的Prony算法电网低频振荡模态辨识研究

针对电网低频振荡Prony辨识算法对噪声较为敏感、对输入信号要求较高的问题,提出了一种基于小波去噪与扩展Prony算法相结合的高精度低频振荡模态辨识方法。在小波去噪的基础上通过对阈值进行改进,使得小波去噪的阈值随着小波的分解而发生变化,从而对低频振荡信号达到较好的滤波效果,并在此基础上研究扩展Prony算法,对构建的仿真信号运用IEEE4机2区域系统产生低频振荡信号以及实际PMU监测的低频振荡信号进行算法验证。仿真和实验表明提出的方法能够比较准确和快速的辨识电力系统低频振荡信号,且具有较高的精度和较好的鲁棒性,为电力系统低频振荡模态辨识提供了一种行之有效的方法。     

电力系统低频振荡在线分析及辅助决策方法

电力系统低频振荡在线分析及辅助决策方法。本发明是根据PMU实测的反映电网动态过程的发电机功角、有功功率、母线电压相角、线路有功功率和变压器有功功率等信息,在线监视电网低频振荡事件,识别振荡模式及强相关的机组,计算参与因子,辨识振荡中心的大致区域,并准实时给出抑制振荡的辅助决策信息。     

基于已知激励响应的低频振荡信息在线辨识

当前电力系统常采用日常小扰动响应在线辨识获取低频振荡模式信息,这对大电网低频振荡的分析和抑制具有重要价值。针对低频振荡信息在线辨识,给出了两段最小二乘法,与常规递推自回归滑动平均方法相比,其具有较高的迭代收敛速度与辨识准确度。在介绍小扰动下的已知激励响应信号和环境激励响应信号基本原理的基础上,对比得出2种信号在激励与响应、信号成分和数据量大小方面存在的区别,提出低频振荡在线模式信息辨识方案,进一步在10机39节点系统中通过仿真获取已知激励响应信号和环境激励响应信号,对2种信号的功率谱与辨识结果进行对比分析。分析结果表明在确定激励位置、观测点选择和响应模式间对应关系时已知激励响应信号的辨识效果更好,在该情况下可以将已知激励响应辨识作为低频振荡信息在线辨识的主要手段。     

电力系统低频振荡监测的Duffing振子可停振动系统法

电力系统实测低频振荡信号的主要特点为:振荡模式出现的时间不确定,持续的时间不确定,振幅带有阻尼特性且随时间变化。因此,在对低频振荡信号进行参数辨识之前,应判别是否发生了持续、稳定的低频振荡。但现在认可度较高的低频振荡分析方法并不对此进行判别,缺乏真实性。基于此,本文提出了电力系统低频振荡监测的Duffing振子可停振动系统法。Duffing振子可停振动状态的改变对周期扰动高度敏感,同时对随机微小扰动却十分不敏感。根据这个特点将量测信号输入到可停振动系统中,得到其相轨迹。随机微小扰动的相轨迹聚焦为一点,为可停振动状态,弱阻尼模式的低频振荡和强迫功率振荡相轨迹存在"低频振荡吸引子",而负阻尼的低频振荡的相轨迹存在"低频振荡排斥子"。因此,根据相轨迹的状态改变,可以判断是否存在稳定的低频振荡信号,是哪种模式的低频振荡,以及模式的阻尼特性。为快速准确地告警、合理选择振荡抑制措施及快速抑制振荡提供依据。该方法通过可视化的方法展现振荡过程和特性,利用其提取的对数平衡距可以对相轨迹进行定量分析,为低频振荡监测提供了一种新的分析方法。     

低频振荡模式辨识中信号非线性去趋的平滑先验方法EI北大核心CSCD

基于PMU实测信号的低频振荡模式在线辨识是阻尼控制的基础,有效去除PMU实测信号中的非线性趋势才能保证模式辨识的精度。提出了基于平滑先验法的PMU实测信号非线性去趋方法。在分析平滑先验法基本原理基础上,为适应低频振荡模式辨识中信号非线性去趋要求,对其频率响应特性进行研究,确定平滑先验法的正则化参数。采用IEEE-39节点系统时域仿真信号和某电网的PMU实测信号对所提方法进行测试,并与经验模态分解法和数字滤波法进行了比较,表明该方法能够更有效地去除信号中的非线性趋势,较大幅度地提高计算速度,同时也能提高低频振荡模式辨识精度,具有较高的实际应用价值。     

工况模态分析在低频振荡辨识中的应用初探

工况模态分析是结构动力学工程模态辨识的前沿课题,初步探讨了这一概念应用于电力系统低频振荡特性在线辨识的可能性.论述了电力系统低频振荡和一般振动力学数学模型的相似性,利用随机子空间算法辨识低频振荡的频率、阻尼和振型.随机子空间算法无须人工激励电力系统,利用日常负荷的随机波动激励系统,通过相量测量单元(PMU)采集发电机功角摇摆轨迹数据,识别电力系统振荡特征参数.在Matlab仿真平台上,通过对一个3机电力系统的实例分析,证明所提方法对振荡频率、阻尼比和振型识别的有效性.     

低频振荡模式辨识中信号非线性去趋的平滑先验方法

基于PMU实测信号的低频振荡模式在线辨识是阻尼控制的基础,有效去除PMU实测信号中的非线性趋势才能保证模式辨识的精度。提出了基于平滑先验法的PMU实测信号非线性去趋方法。在分析平滑先验法基本原理基础上,为适应低频振荡模式辨识中信号非线性去趋要求,对其频率响应特性进行研究,确定平滑先验法的正则化参数。采用IEEE-39节点系统时域仿真信号和某电网的PMU实测信号对所提方法进行测试,并与经验模态分解法和数字滤波法进行了比较,表明该方法能够更有效地去除信号中的非线性趋势,较大幅度地提高计算速度,同时也能提高低频振荡模式辨识精度,具有较高的实际应用价值。     

发电厂内强迫共振型低频振荡源的定位方法

强迫共振型低频振荡严重危害了电网的安全稳定运行,快速查找并切除扰动源对消除振荡恢复系统稳定意义重大。利用低频扰动电压的衰减特性,提出一种发电厂内强迫共振型低频振荡源定位的新方法。首先利用三次Hermite插值函数提取各个测点的低频振荡扰动变量;然后通过比较各个测点扰动电压的幅值大小定位低频振荡源机组;最后通过理论分析、六机无穷大系统的仿真分析以及某发电厂的实际相量测量单元测量数据的分析,对该方法的正确性进行了验证。     

计及相量测量单元信息不可观性的强迫功率振荡扰动源定位

强迫功率振荡的扰动源定位是低频振荡诊断与分析中的重要问题。目前,利用相量测量单元(PMU)的数据进行扰动源位置识别已引起了一定的关注,但相关研究成果大多未考虑PMU尚无法完整配置的现状,因而难以在实际电力系统中推广应用。为此,提出了一种计及PMU信息不可观性的强迫功率扰动源定位方法,并从扰动源定位的角度出发,提出了PMU分区配置的基本要求。仿真结果表明,该方法可在PMU信息不可观的情况下准确识别扰动源位置。     

基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。     

基于模糊聚类的NExT-ERA低频振荡类噪声辨识

低频振荡模态分析为电网的安全稳定运行提供了最基本的信息要素。针对环境激励下PMU量测的类噪声信号,讨论了自然激励技术结合特征系统实现算法(NExT-ERA)进行低频振荡模态识别的适用性,对非同步量测信号采用数据截断预处理后,利用该方法同样可以实现有效辨识。引入模糊C均值聚类算法对辨识结果中真伪模态进行自动拾取,提高了辨识精度。通过对IEEE4机11节点系统和IEEE16机68节点系统的仿真数据分析,表明所提出的方法对低频振荡类噪声信号具有较高的模态辨识能力和计算效率,在低频振荡广域监测中具有很好的应用前景。     

次同步振荡监测控制系统的研究与实现

研究了一种次同步振荡监测控制系统,由监测控制装置、同步相量测量单元(PMU)和监测分析主站三部分构成。监测控制装置通过功率轨迹跟踪的辨识技术,快速准确地识别次同步振荡工况。同时结合火电机组的模态频率特征,以分轮分级的控制策略,在火电机组扭振保护动作前快速平息电网次同步振荡。提出了次同步振荡的全景分析方案,通过召唤PMU的连续录波文件,在监测分析主站实现了全网次同步振荡状态的自动计算和直观展示,为次同步振荡机理研究创造了有利条件。最后,通过工程应用案例验证了系统的可行性和有效性。     

考虑高斯有色噪声的FOMC-HTLS-Adaline算法在低频振荡模式辨识中的研究

针对广域测量系统的实测信号受高斯色噪声的影响,提出一种利用FOMC-HTLSAdaline进行低频振荡在线辨识的新方法。首先,为抑制高斯色噪声的影响,利用四阶混合累积量的盲高斯性,将四阶混合累积量(FOMC)序列代替实测序列进行低频振荡的辨识。然后,利用HTLS和自适应神经网络算法(Adaline ANN)相结合,估计出低频振荡的频率、衰减因子、幅值和相位。Adaline神经网络的引入解决了四阶混合累积处理后,模式幅值和相位不易确定的难点,同时减少矩阵处理引入的误差累积,提高检测精度。四机两区域系统仿真算例和实测相量测量单元(PMU)算例共同表明,FOMC-HTLS-Adaline算法可以在高斯色噪声环境下,精确地在线辨识系统振荡模式。     

新能源汇集地区广域次同步振荡监测系统研究与构建

新能源汇集地区广泛使用的电力电子设备容易产生大量次同步谐波,引发电力系统次同步振荡现象。为了实时监测及收集次同步振荡信息以研究振荡产生机理和控制方法,提出基于次同步谐波传播通道的PMU、SMU子站部署原则,将子站与WAMS主站呈辐射型互联构建广域次同步振荡监测系统。最后,将系统应用于新疆哈密地区后能实时精准、有效地监测到大量次同步振荡信息,直观地展示了次同步振荡的动态发展过程,为后续研究提供数据基础。     

次同步振荡在线监测的同步提取变换和朴素贝叶斯方法

目前基于相量测量单元(PMU)实现次同步振荡在线辨识和告警存在的问题有:参数辨识一般只辨识频率、幅值,不辨识衰减因子;告警阈值的确定需要人为经验,导致告警判据的快速性和可靠性难以保证。针对上述问题,提出将同步提取变换(SET)和机器学习方法——朴素贝叶斯(NB)方法相结合的次同步振荡在线监测方法。SET可以快速、准确地辨识出次同步振荡的模态参数,而NB方法可以自动实现次同步振荡在线预警。首先,通过SET对已有的历史次同步振荡数据进行辨识,将辨识得到的频率和衰减因子交由NB方法学习,并生成NB分类器。然后,当有新的PMU上传的振荡信号数据时,先采用SET辨识出振荡的频率和衰减因子,再将这些参数交由NB分类器来判断是否发生次同步振荡,并准确预警,从而实现对次同步振荡的在线监测。通过IEEE第二标准模型验证了所提方法的有效性。