基于APIT-MEMD的电力系统低频振荡模式辨识新方法

传统多元经验模态分解(Multivariate Empirical Mode Decomposition, MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影多元经验模态分解(Adaptive-Projection Intrinsically Transformed Multivariate Empirical Mode Decomposition, APIT-MEMD)的电力系统主导振荡模式辨识方法。首先采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确分离出各量测信道内含有振荡模式的固有模态函数(Intrinsic Mode Functions, IMF)信号。然后,采用Teager能量判据甄选能表征主导振荡模式的IMF信号。进而,采用希尔伯特黄变换(Hilbert-Huang Transform, HHT)实现对各IMF中所含主导振荡模式的频率和阻尼比估计。最后,将所提方法应用到IEEE-68节点时域仿真算例和辽宁电网广域实测算例中进行分析和验证,结果表明所提方法的可行性和有效性。     

电力系统受迫振荡检测与自适应振荡抑制研究

电力系统受迫振荡的振荡频率与系统跨区域振荡模态接近,因而能够引发强烈振荡。文中首先提出了一种受迫振荡模态检测方法,其通过小信号分析方法得出系统在受迫扰动下对应受迫振荡模态的解析形式;同时提出一种不需要安装额外的功率振荡阻尼器的功率振荡阻尼控制策略用于抑制受迫振荡以及跨区域振荡。并通过改进的14机系统验证文中方法的鲁棒性和优越性。仿真算例证明本文所提方法对于外界扰动具有较强鲁棒性,且较传统方法具有明显优越性。     

基于同步相量数据幅频特征的次超同步振荡模式辨识

随着可再生能源和高压直流输电的快速发展,次超同步振荡事故频发,对现有电力系统振荡的在线监测提出了更高要求。为此,提出了一种基于同步相量数据幅频特征的次超同步振荡模式辨识方法。首先分析了次同步振荡和超同步振荡对同步相量测量装置(phasor measurement unit, PMU)数据的影响机制,结果表明,PMU数据的正负频谱与次超同步振荡的模态线性相关。其次利用多点PMU数据相干谱判别振荡与噪声,有效减少了噪声引起的误判断。然后对次超同步振荡下的PMU数据开展频谱分析,建立了4个幅频特征量,并将振荡数据的特征集合作为输入训练并优化极限梯度提升树(extreme gradient boosting, XGBoost)模型,建立幅频特征与振荡模式的映射关系。所提方法利用振荡环境下PMU数据的固有幅频特征以及XGBoost算法强大的泛化性与计算效率,实现了噪声环境下次超同步振荡模式的快速、准确辨识。最后,利用仿真数据和实测数据验证了所提方法的有效性和实用性。     

一种基于信号相关性的低频振荡辨识方法

相量测量单元(PMU)被广泛用于电力系统数据实时采集和状态监测,为电力系统的稳定运行提供了可靠的信息保障。在电力系统受到扰动的情况下,动态过程中会包含低频周期性衰减成分分量,也可能体现为低频振荡。基于PMU实时采集信号,构建了一种针对低频振荡的相关辨识方法,可有效辨识系统因短时扰动而产生的低频振荡模式,并通过量化系统动态过程振荡强度来准确辨识起振时间。通过仿真计算和针对实际变电站PMU采集信号的辨识计算,验证了此方法的可行性。此方法在实际变电站受到短时扰动的情况下可在短时内准确辨识出低频振荡成分的频率、幅值、衰减系数和动态过程的起止时间等参数,并能够较好地复原系统由受扰至恢复的动态过程,为电力系统的低频振荡辨识提供了一种可行的新方法。     

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。     

Oscillation mode analysis for power grids using adaptive local iterative filter decomposition

This study proposes an algorithm based on adaptive local iterative filtering decomposition (ALIFD), which is applicable for the feature extraction of a power oscillating signal in a power system. The ALIFD algorithm uses the Fokker–Planck equation to construct the filter function as well as filter sifting to obtain the intrinsic mode function (IMF) with stable features. This algorithm has a solid mathematical foundation and can effectively avoid the mode-mixing problems in the empirical mode decomposition (EMD) algorithm. In this study, the ALIFD algorithm is initially used to obtain the oscillation component. Subsequently, Hilbert Transformation (HT) of each component is performed, and oscillation characteristic parameters are extracted. Analysis results of the test signal, the simulation signal, and the measured data verify the effectiveness of the proposed algorithm. Meanwhile, the comparative results of the EMD algorithm prove that the proposed method is highly adaptive to extracting the characteristics of power oscillation in a power system.     

基于粒子滤波与EEMD的低频振荡模式识别方法研究

为克服传统方法对非线性非高斯系统信号中噪声处理的缺点,提出一种基于粒子滤波算法与改进的EMD分解—EEMD分解法相结合的新方法。所提方法首先利用粒子滤波将非线性非高斯系统的初始信号的噪声去除,减少了噪声对后续操作的影响,再采用EEMD分解对去噪后的信号进行分解得到此征模态分量IMF,进而对此征模态分量IMF计算出瞬时频率,从而得出低频振荡的模式。通过算例仿真分析表明文中方法的可行性及有效性,并通过与Prony分析算法得到的结果进行了对比,验证了文中方法的正确性。为电力系统低频振荡处理非线性非高斯系统信号提供了一种新的途径和方法。     

基于高阶累积量与ESPRIT算法的功率振荡检测方法

电力系统实测信号在传输的过程中可能出现异常数据,且包含大量的高斯白噪声和高斯有色噪声,对功率振荡检测结果的精确性产生了较大的影响.为实现功率振荡信号的准确检测,对信号预处理方法进行了改进,采用七点二阶算法前推差分公式对异常数据进行识别,并进行了补正、滤波和去直流处理.进一步地,将原始信号用四阶累积量代替,并使用旋转不变技术信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques,ESPRIT)算法进行辨识,实现对功率振荡信号的精准检测.仿真结果表明,相比于直接使用ESPRIT算法,所提出的改进检测方法可以有效地消除异常数据、高斯白噪声和有色噪声对信号分析的影响,从而更为准确地辨识出系统中的振荡信息.     

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MEEMD与MP的电网低频振荡模态识别

针对目前电力系统低频振荡模态辨识的精确性和抗干扰性问题,提出了一种基于改进集合经验模态分解方法与矩阵束的电网低频振荡模态特征辨识新方法。首先利用改进集合经验模态分解方法将采集到的量测信号分解,从而获得若干个IMF分量序列及其残余量,再将剩余项去除后把其余本征模态函数进行重构,最后把重构信号通过矩阵束的分析来获知各个振荡模式信息。数值信号和EPRI-36节点系统的仿真验证了所提方法的有效性。     

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。     

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。     

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。     

基于同步相量数据的次同步振荡参数辨识与实测验证

近年来,国内外风电系统频繁发生次同步振荡(subsynchronous oscillation,SSO)事故,严重影响电力系统安全稳定运行。为了给事故分析、抑制策略制定等提供可靠的数据支撑,亟需开展面向SSO的广域监测工作。为此,提出基于同步相量数据的SSO参数辨识方法。通过严密的数学推导,揭示SSO工况下同步相量数据主要由4种模态组成,从而可将SSO参数辨识问题转化为模态参数提取问题。进一步采用2种经典的模态参数提取算法：矩阵束算法(matrix pencil method, MPM)和特征值系统实现算法(eigenvalue system realization algorithm,ERA)实现了SSO频率与幅值的准确辨识,并利用截断奇异值分解和决定系数提高了辨识的可靠性。所提方法通过合成信号、电磁暂态仿真以及河北沽源实际振荡数据进行了验证,结果显示,即便在振荡初期幅值较小时,该文方法仍可有效辨识SSO参数,因此,理论成果有望在未来为SSO实时预警、全景展示提供技术支撑。     

使用PMU数据检测持续振荡的多延迟自相干方法

电力系统的振荡通常预示着稳定性问题并引起对系统稳定的疑虑.为了能够及时采取有效的补救措施,早期阶段的振荡检测非常重要.以前的文章提出了使用相量测量单元(phasor measurement unit, PMU)数据来检测持续振荡的自相干方法.通过引入多个时延来扩展自相干方法,以提高振荡检测精度.使用由简单模型和标准16 机68 节点模型生成的仿真数据来评估所提出的方法的性能.测试表明所提出的多延迟方法可以有效提高振荡检测的精度.     

广域相量测量技术发展现状与展望

总结了基于相量测量单元(PMU)的电力系统广域测量系统(WAMS)在中国的发展应用现状,介绍了智能电网调度控制系统(简称"D5000系统")中WAMS、数据采集与监控(SCADA)系统,以及保护与故障信息系统的图模库一体化整合,以及多调度中心WAMS数据的按需共享。分析了目前PMU/WAMS进一步推广过程中,在电磁暂态现象分析、实时广域控制、海量数据传输和处理以及强迫振荡检测和控制等方面遇到的技术难题。从扩展PMU应用领域、解决海量数据传输和处理问题、提高WAMS本身应用问题分析能力、提高PMU本身的质量和动态量测性能等几个方面为PMU/WAMS的下一步发展方向提出了建议。     

基于同步相量测量单元的直流附加控制器研究

利用直流系统的快速响应特性，可以在不增加附加设备的条件下有效地抑制交直流系统的低频振荡。基于全球定位系统(GPS)的同步相量测量单元(Phasor Measurement Unit，PMU)能够测量母线电压相量，尤其是电压的相角。该文利用PMU可改进控制提出了一种基于PMU的直流附加控制器，该控制器以不同区域电压相角差作为输入信号，能有效地反映区域间的低频振荡信息，同时研究了通信延迟对系统阻尼的影响，并考察了控制器的鲁棒性。以一个四机两区域系统作为测试系统，利用仿真软件PSS／E对系统进行小信号稳定和时域仿真分析，分析结果表明该直流附加控制器在系统较大的运行范围内提高了系统阻尼和系统区域联络线的传输能力，有效地抑制系统低频振荡，并且具有较好的鲁棒性，在故障情况下也能较好地发挥作用。     

Prony和HHT算法在低频振荡在线辨识中的适用性比较

Prony算法和Hilbert-Huang变换（HHT）算法是目前实际应用于低频振荡信号辨识的两种算法。Prony算法对于无噪声干扰的平稳信号的分辨率和准确性较高。HHT算法具有时频分析和滤除高频分量的能力,抗噪声性能好,计算速度快,并可以分析主导模式随时间改变的非平稳信号。从准确性、稳定性、完备性、快速性四个方面比较了两种算法在低频振荡在线辨识中的适用性,指出增加前置滤波环节的Prony算法可以满足低频振荡在线监测的要求,而实现强迫振荡扰动源定位则必须采用可进行时频分析的HHT算法。通过实际算例验证了两     

基于SCADA数据的实时定位电网低频振荡L扰动源算法及其实现

低频振荡是电力系统中发生频繁、对系统稳定运行造成严重影响的一类事故。提出基于数据采集与监视控制（SCADA）数据实时定位低频振荡扰动源的算法,并在EMS系统中开发了振荡源实时搜索软件。该软件多年来实际运行测试表明,所提出的算法能够迅速确定电网中低频扰动源,对发生在南方电网的多次低频振荡发出了告警。此外,该算法不需要部署相角测量装置（PMU）进行数据采集,可以节省大量投资。