基于数据驱动随机子空间方法在低频振荡辨识中的应用

根据WAMS实测数据,对电力系统低频振荡模式进行辨识,对基于数据驱动随机子空间（SSI）辨识方法进行了研究。首先通过小波技术消去信号中的噪声分量,然后消去直流分量。利用处理后的数据构造Hankel矩阵,通过QR分解、SVD分解,利用卡尔曼滤波估计得到系统的随机状态模型,再对状态矩阵进行特征值分解,最终得到系统低频振荡模式参数。利用该方法分别对理想信号、仿真信号、电力系统实测数据进行分析。分析结果表明,基于数据驱动随机子空间方法能够准确辨识出系统主导振荡模式,可以应用于低频振荡模式的在线辨识。     

数学形态学和ESPRIT在低频振荡分析中的应用

为了准确地辨识电力系统低频振荡模态参数,该文提出了基于数学形态学MM(mathematical morphology)和总体最小二乘法的旋转不变技术TLS-ESPRIT (total least squares-estimation of signal parameters via rotational invariance technique)的电力系统低频振荡模态参数识别新方法.首先运用基于数学形态学原理而构成形态滤波器对含有噪声的电力系统低频振荡测量信号进行滤波和平稳化处理,去除噪声,提高辨识精度;然后由TLS-ESPRIT算法辨识出电力系统低频振荡模态参数,该算法把信号分成信号子空间和噪声子空间,能够得到更符合电力系统实际的降阶模型和主导模态,有助于电力系统振荡特性分析和阻尼控制器的设计研究.数值仿真分析表明该方法的可行性和有效性.     

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。     

TLS-ESPRIT算法在低频振荡分析中的应用

提出了一种新的电力系统低频振荡模式辨识方法,即基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法.该算法是一种基于子空间的高分辨率信号分析方法,直接以测量数据构成的数据矩阵为基础,把信号空间分解为信号子空间和噪声子空间,能够高精度地辨识电力系统低频振荡的模式,进而可以为设计阻尼控制器提供依据.文中首先简要介绍了TLS-ESPRIT算法的基本理论,然后通过合成信号、4机2区域系统和新英格兰10机39节点系统3个算例,验证了该算法的正确性和有效性,对实现低频振荡在线/离线监测具有应用价值.     

基于EMD和SSI的电力系统低频振荡模态参数识别方法

针对目前引发电力系统低频振荡的多重机理的实际情况,提出基于 EMD 和随机子空间 (Stochastic SubspaceIdentification,SSI) 的识别电力系统低频振荡模态参数的新方法.该方法直接根据端部量测数据识别出系统的低频振荡模态参数.在系统正常运行或者小扰动下可直接用 SSI 识别系统的弱阻尼模式、频率、阻尼和振型;在系统处于异常运行或者故障状态时,运用 EMD 对量测数据进行时空滤波和平稳化处理,由 SSI 辨识出相应的系统状态矩阵,经过模态分析得出低频振荡的上述模态参数.数值仿真及实例分析均表明该方法运行速度快,参数识别精度高,为电力系统低频振荡问题的研究提供了新的思路与方法.     

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.     

基于改进多信号矩阵束算法的电力系统低频振荡识别

提出了适用于电力系统低频振荡模态识别的改进多信号矩阵束算法。利用奇异值分解（Singular value decomposition,SVD）分离信号和噪声子空间,确定阶数并消除信号噪声。通过建立多信号归一化的样本函数矩阵对矩阵束算法进行改进,辨识电力系统模态。利用原始Prony法、谐波恢复的Prony法和改进的多信号矩阵束法,对理想信号和仿真系统进行分析。结果表明多信号矩阵束法的辨识精度较高,具有一定的抗噪能力,并且通过对多信号归一化的处理避免了不同类型信号叠加时较小信号的湮没,适用于低频振荡在线识别。     

互联电力系统低频振荡的广域Prony分析

基于广域测量系统及机电扰动的传播特性提出了低频振荡模式辨识新思想:在各供电区域选择一台发电机,在某一时刻同时在其机端施加一个小扰动,然后同时对每个区域的发电机电功率信号进行Prony分析,依据振荡的幅值可准确得出所有机电振荡模式.采用基于Prony分析的留数法可得到各发电机对振荡模式的参与程度.基于此提出低频振荡的广域Prony分析方案,由数据预处理、模型阶数选取、振荡模式分析、模式留数分析、预测分析等模块构成,可准确辨识出低频振荡所有模式、确定阻尼控制器的选取和PSS最优安装地点,同时可为电力系统的紧急控制提供必要的预测数据.     

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。     

基于深度残差网络的SSO模态参数辨识

针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警。     

基于双协方差随机子空间识别的类噪声数据低频振荡辨识

低频振荡可能会给电力系统的安全稳定带来极大危害,因此在线监测和分析低频振荡参数十分重要。为了有效地从类噪声数据中获取低频振荡模态参数,基于双协方差随机子空间识别(stochastic subspace identification,SSI)算法提出了一种低频振荡模态辨识的新方法。在传统SSI算法的基础上,引入双协方差SSI算法和系统聚类算法对物理模态自动拾取、自动定阶,实现低频振荡参数的有效精确辨识。分别应用传递函数和IEEE WSCC 3机9节点系统模型产生的仿真数据进行了测试,结果表明该方法能够实现自动定阶,得到的稳定图较传统SSI算法更清晰,识别结果中不会出现虚假模态,能高精度估计低频振荡模态参数,且抗噪性能良好。     

小干扰稳定约束下联络线输送极限在线估计方法研究

准确估计区间联络线输送功率极限对于指导互联电网安全运行具有重要意义。文章在深入研究Hopf分岔理论的基础上,提出了用于评估系统阻尼水平的改进Hopf分岔指数。该指数与状态变量间具有良好的线性关系,且易于计算,能够真实反映状态变量与系统阻尼比之间的关系。以区间联络线功率随机波动数据为基础,利用随机子空间辨识算法(Stochastic Subspace Identification,SSI)辨识得到以联络线有功功率为状态变量的状态矩阵,进而根据所提出的改进Hopf指数对联络线运行状态进行评估,实现了小扰动稳定约束下联络线输送极限在线估计。仿真计算结果表明本文提出方法能够准确估计出联络线输送极限,且具有计算过程简单、计算速度快的优点,适于在线应用。     

基于EEMD和矩阵束算法的低频振荡主导模式识别

传统矩阵束算法在低信噪比时,难以准确辨识出信号参数,误差较大。因此,结合集合经验模态分解(EEMD)和矩阵束算法,提出了一种电力系统低频振荡主导模式识别的新方法。该方法利用EEMD进行平稳化处理,通过互相关系数和信号能量权重找出含有主导模式的IMF分量,并利用矩阵束算法分析得到模态参数,从而扩展了传统矩阵束算法的应用范围。算例分析结果表明,该方法可以较好地适应非线性系统,抗噪声能力较强,在低信噪比时仍然可用于低频振荡主导模式的识别,为电力系统低频振荡问题的研究提供了新思路。     

基于状态空间模型与PEM迭代算法的电力系统惯量辨识

惯量是保障电力系统频率安全稳定的重要参数之一,因此需对其进行精确的在线测量。针对当前采用的系统辨识方法测量精度不高的问题,研究系统辨识中算法模型的选择对测量结果的影响。首先,分析比较现有的传递函数模型、自回归滑动平均模型以及子空间辨识模型进行惯量辨识的测量原理。其次,从惯量响应初期阶段数据匹配的角度,提出基于PEM迭代算法的状态空间估计模型。最后,搭建10机39节点电力仿真系统,验证了所提辨识模型的正确性。并在不同功率扰动程度以及不同采样时间窗口下,分析4种辨识模型的适用性,为确定系统最优辨识模型提供参考依据。     

基于广义形态滤波与改进矩阵束的电力系统低频振荡模态辨识

针对当前互联电力系统中越来越严重的低频振荡现象,提出一种高精度低频振荡模式辨识方法来克服现有方法的一些不足。该方法基于广义形态开、闭运算设计了新型广义形态滤波器,可以有效地去除噪声,较好地保留信号的原有特征;低频振荡信号通过该滤波器滤波后再使用改进矩阵束算法进行模式辨识,可以获得高精度的各个模式参数。对于辨识算法的关键定阶问题,采用归一化奇异熵定阶方法,该方法能在系统拟合精度指标相差不大的情况下使模态阶数的估计值更加接近真实值,提高了辨识的准确性。通过仿真算例、测试系统及电网实际案例验证了本文提出的方法的有效性和可行性,为电力系统阻尼控制和电网的稳定运行提供了有效依据。     

电力系统阻尼控制中的在线递推闭环子空间辨识

提出了电力系统阻尼控制中状态空间模型的在线递推闭环子空间辨识算法。在闭环条件下,基于广域测量信息,在线地辨识了包含主导低频振荡模式的系统降阶状态空间模型,并依此在线设计和更新线性二次最优部分输出辅助区间阻尼控制器以抑制区间低频振荡模式。算法具有良好的数值稳定性和较低的时间复杂度,能够实现系统模型的递推更新和辅助阻尼控制器参数的在线调整。8机36节点系统的仿真验证了算法的有效性。     

基于随机子空间结合稳定图的间谐波高精度检测方法

为精确检测间谐波参数,提出了基于随机子空间辨识(SSI)与稳定图法相结合的间谐波检测方法.SSI算法可以直接根据含有系统特征信息的端部量测数据检测出系统的参数,首先结合稳定图检测出间谐波分量的个数和模型阶次,然后用SSI算法直接对原始含噪信号精确检测出各间谐波分量的实际频率,如果信号的信噪比大于10 dB,则无须去噪,用最小二乘法对各间谐波分量的幅值进行精确检测.分别针对间谐波数值仿真信号、舍噪调幅信号及电弧炉电流信号进行间谐波分析,结果表明:该方法抗噪声能力强、计算速度快、检测精度高,尤其对时变性较强的调幅性间谐波信号具有强适应性.仿真结果验证了该方法的可行性与有效性.     

基于迭代辨识方法的含风电多干扰电力系统阻尼控制

风电接入电力系统后的低频振荡控制是保证电网稳定运行的关键。随着风电场联网规模的不断扩大,当风电接入由于电网结构、负荷潮流、发电机励磁控制等因素导致的阻尼不足形成的多干扰环境下电力系统后,模型辨识误差因素给电力系统的辨识与阻尼控制带来了很大的难题,常常会恶化阻尼控制效果。针对此问题,首先以风电功率波动信号作为辨识信号,建立风电接入多干扰环境下电力系统闭环模型;然后基于递推最小二乘法和Vinnicombe距离理论,提出一种迭代辨识方法,并给出方法实现的整个步骤,该方法充分考虑辨识误差因素,可以实时辨识出电力系统最优电力系统模型和最优阻尼控制器模型;最后,以风电接入四机两区域间降阶模型为例,采用提出的方法进行仿真,并与传统迭代辨识方法进行了对比。仿真结果表明,所提方法可以有效抑制风电接入下多干扰电力系统的低频振荡,实现稳定的阻尼控制。