基于同步相量数据的次同步振荡检测与模态参数辨识方法

新能源集中并网已引发了多起次同步振荡(sub-synchronousoscillation,SSO)事故,严重威胁电力系统安全稳定。为对SSO进行实时预警与分析,提出一种基于同步相量数据的SSO检测与模态参数辨识方法。首先,推导SSO与同步相量中SSO分量实部、虚部的对应关系,在此基础上,选取同步相量实部作为特征量;其后,分析了SSO振荡特性变化时,同步相量中SSO分量的表现形式,并引入变分模态分解(variationalmodedecomposition,VMD)与希尔伯特变换(Hilbert transform,HT)对同步相量中SSO分量进行模态参数辨识,进而根据对应关系实现SSO模态参数的准确辨识。最后,利用同步相量中SSO分量瞬时幅值的差分来检测SSO振荡特性是否变化,并通过合成信号、电磁暂态仿真数据与实测数据对所提方法的有效性进行验证,该方法的理论成果有望在未来为SSO的实时预警,辅助决策提供技术支撑。     

基于二阶同步提取变换的次同步振荡参数辨识

针对电力系统频发的次同步振荡现象,以及因为振荡频率接近在参数辨识中造成的误差,文章提出一种适用于次同步振荡参数辨识的二阶同步提取变换和希尔伯特变换结合的方法。首先使用二阶同步提取变换方法对信号进行时频分析,得到信号时频图,然后用二阶同步提取变换逆变换分解重构出各个模态分量,最后用希尔伯特变换对提取出来的单个模态分量进行参数辨识,识别其频率、阻尼比、衰减因子等主要参数。分别用理想测试信号与录波数据对其进行验证,仿真结果表明,对比短时傅里叶变换等方法,该方法在计算各模态频率,模态分量重构以及参数辨识上有更高的精度。     

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。     

基于RDT和STD的电力系统次同步振荡参数辨识

为提高目前电力系统次同步振荡参数辨识精度,提出一种基于随机减量技术RDT(random decrement tech-nique)和稀疏时域STD(sparse time domain)算法相结合的辨识方法.利用RDT对输入信号进行处理,提取自由衰减时域信号.然后通过STD算法计算得到振荡模态参数.仿真算例和实测算例的...     

基于Rife-Vincent窗和同步相量测量数据的风电次同步振荡参数辨识

随着电网中风力发电渗透率的增加,电力系统发生次同步振荡(sub-synchronous oscillation,SSO)的可能性显著增加,报道显示次同步振荡给电力系统设备安全和稳定运行带来重大挑战,如何准确地辨识SSO参数对抑制SSO至关重要。为了利用同步测量数据并提高计算精度,减少频谱泄漏和栅栏效应对辨识的影响,提出一种利用复数域同步相量数据的SSO关键参数辨识方法。首先,通过频谱分析得到复数域含SSO信号加窗同步相量的表达式,并推导得到系统基频分量和SSO分量在频域中的特征;然后基于加阻尼Rife-Vincent窗和三点插值法计算出复数域下SSO的频率、阻尼系数、幅度和相位参数。通过辨识不同条件下的仿真信号验证所提方法的有效性。仿真结果表明,相对于传统方法,该方法能更好地抑制频谱泄露和栅栏效应,具有更高的计算精度和鲁棒性。     

基于同步相量轨迹拟合的电力系统次同步/超同步振荡的实时参数辨识EI北大核心CSCD

基于同步相量数据的次同步振荡参数辨识可有效监测次同步振荡的动态过程。该文提出一种基于同步相量轨迹拟合的电力系统次同步/超同步振荡的实时参数辨识方法。通过求解超定非线性的同步相量轨迹拟合方程组,能准确得到频移基波、次同步和超同步分量的频率、幅值和相位。该方法利用各分量对应的同步相量正负频率部分耦合而成的椭圆轨迹特性,仅依据100ms的同步相量数据序列即可进行高实时性的参数辨识。所提算法相比现有算法的优势在于,一方面可辨识与次同步分量耦合的超同步分量参数;另一方面超短数据窗大幅提升了算法实时性,并克服了频谱分析法的频率分辨率受限问题。模拟同步相量测量终端(phasor measurement unit,PMU)数据和实际仿真数据的对比分析结果表明,所提方法可准确获取基波和次同步/超同步振荡参数,并有效实现次同步振荡的动态实时监测。     

基于希尔伯特—黄变换的次同步振荡检测研究

针对目前电力系统次同步振荡的辨识局限于线性化方法,提出了一种非线性、非平稳信号的处理方法:希尔伯特—黄变换。首先对振荡信号进行滤噪和时延补偿预处理,然后用黄变换辨识出模态参数,最后与改进的PRONY算法及快速傅里叶变换的辨识结果对比分析。仿真结果表明,经验模态分解可以滤除信号中的噪声干扰,为模态参数的准确分析奠定了基础;并且黄变换方法能有效分解出频率不接近的振荡模态,进而准确的辨识出模态参数,得到振荡模态的时频特性。鉴于此方法会出现频率模态漏分解的情况,在实际工程中可同时使用改进PRONY法、快速傅里叶变换和黄变换以提高次同步振荡辨识的准确度。     

基于改进矩阵束的次同步振荡模态参数辨识方法研究

由于传统的矩阵束算法存在极点提取精确度不高的缺点,因此将互相关处理(Cross-correlation,CC)方法和改进矩阵束(Improved Matrix Pencil,IMP)算法结合应用于电力系统次同步振荡模态辨识,并在仿真算例中与传统的矩阵束算法和特征值法辨识结果进行了比较。对比结果表明:该方法在准确地辨识次同步振荡模态参数的同时,具有拟合度高、抗噪声能力强的特点,有助于强噪声背景下深入分析电力系统次同步振荡特性,从而有效抑制振荡。     

基于振荡分量时频特性的次同步振荡早期预警

针对目前次同步振荡辨识方法是在振荡已经较大程度发生时才能辨识出来的缺陷,提出了一种次同步振荡危险分量的早期辨识方法。利用EMD重组滤波的方法提取出在次同步振荡范围内的分量,将其重组后作为分析信号,对信号做希尔伯特黄变换得到各振荡分量的振荡参数和时频变化关系,根据振荡分量频率与特征频率的走势关系和阻尼比,对振荡分量的危险性做出早期判断。用理想信号验证了所提方法对振荡参数辨识的精度,并以哈密地区次同步振荡的实际录波数据验证了此方法能够对次同步振荡做出早期预警。     

基于MM-ARMA算法的次同步振荡模态参数辨识

传统电力系统次同步振荡的辨识方法存在对噪声敏感、辨识精度不高的局限性。为此,提出了一种基于数学形态学自回归移动平均(MM-ARMA)算法的辨识方法,实现了在有噪声干扰下对次同步振荡模态的准确辨识。该方法利用形态滤波器可以有效抑制噪声的特性对次同步振荡信号进行消噪处理,保留信号的主要特征信息;对消噪后的信号建立基于加权递推最小二乘法参数估计的ARMA模型,根据估计的模型参数计算次同步振荡模态参数,完成次同步振荡模态辨识。与传统的Prony算法和自回归移动平均(ARMA)算法辨识结果进行的对比分析结果表明,所提次同步振荡模态辨识方法能快速、准确地辨识出模态参数,且具有较强的抗噪能力。     

基于FastICA-MP算法的次同步振荡模态参数辨识

WAMS在电力系统中的应用越来越广,使得电力系统次同步振荡模态参数在线辨识成为可能。但系统中存在大量电力电子设备,造成了WAMS采样信号中存在较强的噪声干扰,影响了振荡模态参数辨识的准确性。鉴于快速独立分量分析可以实现噪声信号与原始信号的有效分离,提出首先通过快速独立分量分析对采样信号进行预处理,然后将滤噪后的信号通过矩阵束算法进行辨识得到振荡模态参数。通过此方法可以进一步提高矩阵束的辨识准确度。通过理想仿真算例和国内某特高压直流输电系统作为实际仿真算例进行分析。仿真结果表明,快速独立分量分析可有效分离噪声信号,提高了矩阵束辨识准确性,为后续阻尼控制器的设计奠定了基础。     

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。     

基于经验模态分解自适应滤波的次同步振荡ESPRIT分析

ESPRIT是一种可以准确辨识电力系统次同步振荡模态的算法,但在有噪声的情况下模态参数辨识不理想。提出利用经验模态分解滤波进行改进,然后与未经滤波的ESPRIT算法和PRONY算法进行比较以证明其有效性。仿真结果表明,经验模态分解可实现自适应滤波,且基于经验模态分解滤波的ESPRIT算法的准确性进一步提高。鉴于经验模态分解滤波的自适应性和ESPRIT算法辨识的快速、准确特性,可将此方法用于电力系统SSO在线检测,并为大电网的SSO的监测与研究奠定了基础。     

基于宽频带转子附加阻尼的双馈型风机次同步振荡抑制策略

针对双馈型风电场并网引发的次同步振荡问题进行了研究,建立了双馈电机以及变流器的等效模型。基于动态等值阻抗解析式分析了并网阻抗特性的关键影响因素。结果表明控制器转子侧内环增益对次同步频带阻抗特性影响较大。在此基础上,提出了一种基于宽频带转子附加阻尼控制的次同步振荡抑制措施。该抑制措施实施于双馈型风机转子侧变流器控制中,无须附加装置,利于工程实现。最后,通过时域仿真验证了该抑制措施的有效性以及在暂态工况下的适用性。     

基于电气阻尼计算的STATCOM次同步振荡控制器设计

文中提出了一种基于电气阻尼计算的STATCOM对次同步振荡的策略。首先推导了含STATCOM系统的简化电磁转矩和电气阻尼表达式,分析了STATCOM及其电压控制等对系统电气阻尼的影响。指出STATCOM的电压控制等可能会复杂化扭振频下的阻尼特性,给STATCOM的控制器设计带来困难。为此考虑各扭振频率的影响,以阻尼计算得到的补偿相位综合最优为目标,将控制器参数设计转化成一个优化问题并用遗传算法求解。最后用特征值计算和电磁暂态时域仿真验证了所设计控制器的有效性。     

基于改进变分模态分解的低频振荡模式辨别

针对现有信号处理方法无法有效解决电力系统低频振荡信号中的非线性及混叠问题的现状,将一种变分模态分解(VMD)方法引入到低频振荡的模式辨识中,并利用样本熵与快速傅里叶变换(FFT)对VMD无法自适应分解的情况进行了改进。原始信号由改进变分模态分解(IVMD)方法分解为若干模态分量,然后利用Teager-Kaiser能量算子(TKEO)对各分量分别拟合即可获得幅值、频率和阻尼等参数。在构造的测试信号下,令提出方法与VMD、经验模态分解(EMD)、总体最小二乘旋转矢量不变技术(TLS-ESPRIT)和Prony等方法进行模式参数辨识性能对比,结果表明,IVMD方法有效克服了EMD、TLS-ESPRIT和Prony在处理模态混叠、含噪声序列和非平稳信号等方面的不足。最后,通过对IEEE 4机2区域系统和新英格兰39节点系统仿真信号的辨识,验证了该方法在提取电力系统低频振荡模式参数中的有效性。     

基于瞬时无功理论的SVC抑制次同步振荡的附加控制设计

HVDC解决了长距离输电中电压降低、线损加大、无功补偿等问题,却又给系统带来了次同步振荡的危险。SVC在补偿HVDC无功功率需求的同时也可以通过增加附加控制来抑制可能产生的次同步振荡。为了使SVC的补偿精确,SVC附加控制的输入信号取易于获得的电压电流信号且有明显的抑制效果,将采用基于瞬时无功理论的方法来设计SVC的控制,消除不对称分量和其他频率下谐波分量的影响,使得控制效果更精准。以向上直流降功率25%单极孤岛运行方式为例,验证了基于瞬时无功理论设计的SVC控制对次同步振荡抑制的有效性。     

PSS和SVC联合抑制次同步振荡

针对静止无功补偿器(SVC)的附加次同步阻尼控制器(SSDC)无法抑制所有扭振模式的振荡,在励磁系统阻尼控制器(SEDC)基础上设计双输入多通道结构的改进电力系统稳定器(PSS).由于PSS无法解决大扰动下的次同步振荡问题,提出利用PSS和SVC联合抑制次同步振荡的方案:SVC抑制主谐振点的振荡,其他扭振模式用改进PSS来解决.复转矩系数法、时域仿真法和Prony分析结果均表明两者联合抑制次同步振荡能够弥补双方的缺陷,在较宽频带内提高系统阻尼,对次同步振荡取得理想的抑制效果.     

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.