基于Prony方法的电力系统低频振荡分析

电力系统低频振荡时常发生,准确提取振荡频率成为抑制其发生的前提。介绍了Prony方法的计算过程以及如何提高Prony分析方法的准确性,通过与电力系统中已有算法的比较,分析了Prony方法在电力系统中的适用性。成功的应用Prony方法检测到了PSASP中8机系统的主导低频振荡模式,算例结果表明,该方法实用、有效、准确性较高,完全能满足实际应用的需要,是一种有效的工具。     

基于端口供给功率的低频振荡强相关机组识别方法

提出了一种基于调速通道端口供给功率的电力系统低频振荡主导振荡模式强相关机组识别方法。利用系统线性化模型,揭示了一般二次型能量函数和参与因子之间存在的密切联系。利用由能量函数演变而来且具有分散化特性的端口供给功率,在电力系统经典模型下,从理论上推导出了单一主导振荡模式下调速通道端口供给功率周期分量瞬时幅值分布和参与因子分布相同的结论。以此为基础,提出一种使用端口供给功率周期分量瞬时幅值分布在线识别低频振荡主导振荡模式强相关机组的方法。最后,在电力系统一般模型下,通过仿真验证了上述方法的有效性。     

区域电网低频振荡主导模式的检测方法

提出了一种基于实测的功角曲线检测区域间低频振荡模式的新方法,这种方法能有效检测出互联系统的区域间主导低频振荡模式,因此可以对扰动下的系统进行有效的分析。大系统算例结果表明,所提方法能准确的检测识别出系统主导区域间低频振荡模式,其结果与综合稳定程序（PSASP）计算出的结果一致,从而验证了所提新方法的正确性和有效性。     

基于波形统计分析的频率振荡相关联机组快速识别技术

云南电网与南方主网异步联网后,由于水电机组较多且电网惯性减小,发生数次电网频率振荡现象,调度员无法通过人工观察分析迅速定位相关联的振荡机组.为解决上述问题,提出首先使用Prony算法分析频率波形各振荡分量的频率、幅度、衰减因子,判断频率是否发生振荡;然后计算有功出力波形的标准差以及其与电网频率波形的皮尔森系数,以标准差...     

低频振荡主导模式辨识方法探讨

针对传统 Prony算法在分析噪声干扰对算法精确度影响时存在的不足,采用基本不等式确定最佳 Hankel矩阵阶数,提出了利用信噪比曲线来解决有效奇异值阶次选择的问题,运用改进的 SVD 去噪技术对数据进行预处理,提高了信号的信噪比,减小了噪声对 Prony分析结果的影响.通过算例仿真验证了该算法具有噪声抑制能力强、辨识出的主导振荡模式精度高等优点,能较为准确地辨识电力系统低频振荡主导模式。     

基于最优变量投影的电力系统主导振荡参数综合辨识

准确、有效地辨识电力系统主导振荡模式、主导振荡模态和参与因子等低频振荡特征参数,对深入探究电力系统低频振荡诱因、提出科学合理的振荡抑制措施具有重要价值。为此,该文提出一种基于最优变量投影(OVP)的电力系统主导振荡模式、模态和参与因子综合辨识方法。该方法采用有限差分法(FDM)预处理电力系统的广域量测信息;借助处理后的广域量测信息构建含系统关键动态振荡信息的低阶状态矩阵,进而从低阶状态矩阵中提取电力系统的关键振荡特征信息;结合广域量测信息和关键振荡特征信息构建变量投影函数,通过OVP对其进行求解,以辨识振荡模式及其模态;引入累积能量权重从所辨识的振荡模式及模态中分离电力系统的主导振荡模式及模态,并根据分离的主导振荡模态实现参与因子的评估。最后,通过IEEE68节点测试系统和中国南方电网公司算例对所提方法进行分析,验证了所提方法的准确性和有效性。     

基于形态滤波和Prony算法的低频振荡模式辨识的研究

针对传统Prony方法对噪声敏感导致辨识精度不高的问题,提出了一种基于形态滤波和Prony算法相结合的低频振荡模式辨识的方法,实现了在有混合噪声干扰情况下低频振荡模式的准确辨识。基于数学形态学,设计了一种基于半圆形结构元素的形态滤波器,在选取合适的元素尺寸情况下,可以有效滤除混合噪声。对于去噪声之后的信号采用Prony算法进行辨识,可准确获取低频振荡各个模式参数。通过Matlab进行算例仿真,表明了对电力信号进行预处理的必要性以及所提出的方法能相对精确地进行振荡模式辨识,验证了其有效性。     

基于改进Prony算法的电力系统低频振荡模式识别

提出了一种新的改进Prony算法,该算法将待求振荡幅值作为权值,基于神经网络进行训练,实现对电力系统低频振荡模式的识别。该算法避免了Prony算法在实际计算中矩阵呈病态以及通过矩阵求逆计算幅值和相位时精度不高的问题,克服了传统Prony算法抗干扰较差的问题。仿真结果表明,该改进Prony算法能有效去除干扰,能可靠、准确地识别主导模式,计算量少,适用于识别含有噪声且采样点数多的振荡信号。     

基于改进的Prony算法在线辨识电力系统低频振荡模式

基于传统的Prony算法对输入信号要求较高,同时对分析数据的噪声非常敏感,提出了一种改进的Prony算法,对在线获取的信号进行快速拟合,从而分析出信号的振幅、阻尼比、频率和相角等信息。改进的Prony算法的拟和精度在36节点的多机系统中进行验证,该算法输入信号是基于广域测量系统提供的各机组功角变量。仿真计算结果表明,该改进算法可实现低频振荡主导模式的在线辨识。     

基于Prony算法的低频振荡在线辨识与分析

提出了基于Prony算法的低频振荡在线辨识与分析算法,不仅给出主导振荡模式特征量（振幅、频率、阻尼比、相位）,而且提供与主导振荡模式强相关的发电机组,通过仿真和实际电网应用验证了算法的有效性。该算法已成功应用于云南电网低频振荡安全预警及辅助决策系统。     

惯量对区域振荡模式的影响

机组的惯量对区域振荡频率和阻尼有着较大的影响。以两机系统为例推导了区域振荡模式与不同区域机组等值惯量之间的关系，并以两机与四机系统作为仿真算例．利用特征根分析法，得出区域振荡模式随着不同区域等值惯量以及不同区域内机组惯量的变化曲线。把仿真结果与估算公式相比较，分析得出区域内机组不同调因素对区域振荡频率影响较小。而对区域振荡阻尼影响较大的结论。     

基于电气距离的低频振荡关联区域和模式类型识别

对于低频振荡在线分析得到的若干个振荡模式,调度运行人员需要掌握典型振荡模式的阻尼水平,在紧急状态下根据振荡模式的类型和关联区域采取控制策略。提出了一种基于电网运行分区间电气距离的关联区域和模式类型识别方法,自动识别参与振荡两群机组的关联区域,区分局部振荡模式和区域间振荡模式。通过拓扑分析确定电网的运行分区,选取电压等级最高的母线作为每个运行分区的代表母线。将振荡模式两群关联机组所属的运行分区作为各群的关联运行分区,通过多端口网络等值计算各运行分区代表母线间的电气距离。将同一群中电气距离较近的运行分区进行聚合得到振荡模式两群的关联区域,根据两群关联区域间的电气距离区分局部振荡模式和区域间振荡模式。通过对实际电网在线数据的案例分析验证了该方法的有效性。     

同步发电机混沌振荡的积分滑模模糊控制

针对一类不确定的非线性系统,把自适应模糊控制和积分滑模控制相结合,提出了一种新的自适应积分滑模模糊控制策略。利用模糊逻辑逼近系统中的未知非线性函数,在滑模控制中引入了积分项,消除了常规滑模控制器被跟踪信号导数已知的限制;并且为了消除外界扰动的影响,引入扰动估计器的设计方法;同时基于Lyapunov方法导出了参数的自适应律,有效地克服了系统固有的抖振问题。理论分析证明了闭环系统的稳定性和跟踪误差收敛于零。用该控制器对同步发电机混沌振荡控制系统进行仿真研究,结果表明:与常规的滑模控制器相比,该控制器具有较强的鲁棒性和较好的跟踪性能。     

基于多类型受扰轨迹的电力系统低频振荡分析

传统的Prony算法抗干扰能力差,且无法给出其振荡模式辨识结果的准确度评价,因此提出一种基于多类型扰动轨迹的低频振荡分析方法,并对其准确度进行评价。利用各类型扰动信号与参考信号的平均能量之比对信号振幅进行预处理,避免振幅差异过大导致某些信号被掩盖。利用Prony算法对多类型的扰动轨迹进行分析获取主导振荡模式,计算各主导振荡模式的振幅偏差和相位偏差评价主导振荡模式的可信度。结合各主导振荡模式的振幅偏差、相位偏差、振荡能量百分比建立综合评价指标评价Prony算法的阶数选择是否合理。算例结果表明,所提方法及相应的评价方法具有良好的实用性。     

基于FastICA和Prony算法的低频振荡参数辨识

传统Prony算法进行参数辨识存在对信号噪声非常敏感的缺点,同时对输入信号有较高的要求。因此,本文首先介绍独立分量分析(Independent Component Analysis,即ICA)和FsatICA基本原理,然后提出将FastICA算法和Prony算法相结合的低频振荡参数辨识方法。该方法首先以广域测量信号作为输入信号,然后利用FastICA方法对输入信号进行预处理而达到降噪,最后利用Prony算法对滤波后的信号进行分析得到电力系统低频振荡参数。通过对理想信号和四机两区算例分析,验证了此方法在FastICA去噪之后,能够提高Prony提取低频振荡参数辨识的准确性、快速性和抗噪能力。     

抽水蓄能机组在水泵运行时机组的功率振荡问题及仿真分析

沙河抽水蓄能电站的2台机组在区外故障时功率大幅度摇摆,最后由低功率保护将这2台机组跳开。在对现场录波图定性分析的基础上,对电力系统中抽水蓄能机组在水泵运行状态下受到外界扰动后功率振荡的过程进行了仿真计算,仿真结果与实际录波曲线吻合。对一些预想事故下机组的动态特性的研究和分析表明：抽水蓄能机组在水泵运行工况时,功角稳定问题较为突出,对机组和电力系统都会形成较严重的冲击,需要采取措施以改善系统的稳定性。     

基于广域信息的发电机电压控制抑制区间低频振荡方法

为了在线抑制区间低频振荡,提出了一种基于广域信息的发电机电压控制方法。在发电机机端电压调整对系统振荡模式阻尼影响机理基础上,分析了电压控制对局部振荡模式和区域振荡模式的影响。基于发电机主导振荡模式下参与因子计算进行控制点选取;通过参与振荡的发电机分群计算两群机组振荡相角的均值,判别相角均值大的机群为领前群并提升领前群机组的电压;基于机组的调度区域属性区分局部振荡模式和区域振荡模式。南方电网算例分析结果表明,该方法能有效抑制低频振荡,证明了方法的正确性和有效性。     

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。     

Prony方法和ARMA法在低频振荡模式辨识中的适用性比较

Prony方法和自回归滑动平均(ARMA)法是2种典型的电力系统低频振荡特征参数辨识方法,提出对这2种方法进行不同类型信号适用性的比较研究。在介绍2种方法基本原理的基础上,对比得出其在信号建模思想、模型参数估计原则上存在区别,进一步将这2种方法应用于处理36节点系统仿真明显扰动激励后系统响应信号和类噪声信号,对低频振荡模式辨识结果进行系统性研究。分析结果表明,ARMA法具有更好的适用性。