基于递推随机子空间的电力系统低频振荡辨识

为实时提取低频振荡模式信息,采用基于随机子空间的低频振荡递推辨识方法。引入基于双边迭代的子空间递推方法实现随机子空间递推辨识,以提高辨识快速性和灵活性。利用递推误差并结合低频振荡数据的特点,提出一种能够保证快速平稳递推的遗忘因子和加权因子选择策略。对理想数据、仿真数据和WAMS数据分别采用所提方法进行分析,验证了该方法的可行性。     

基于广域测量信息在线辨识低频振荡

全国电网的互联使区域间的低频振荡成为威胁系统稳定的关键因素之一,而基于全球定位系统（GPS）的广域测量系统（WAMS）的发展和应用为在线分析区间低频振荡模式乃至控制提供了新契机.因而,研究区间低频振荡模式的在线辨识算法成为实现低频振荡在线监测以及进行阻尼控制的重要理论问题.该文在讨论Prony方法本质的基础上,给出了一种新的模型阶数估计方法,提出根据广域测量系统（WAMS）的测量信息,采用多机组的功角及转速变量进行低频振荡辨识.结合工程实际提出了基于（WAMS）的研究低频振荡问题的实现方案,包括启动判据、数据预处理、阶次估计、模式提取和综合分析等步骤.8机36节点的算例结果表明：该方案具有系统性、直接性、噪声干扰小的特点,为低频振荡的监测和控制创造了条件.     

电力系统低频振荡的在线辨识

本文介绍了首次应用辨识方法于电力系统实时在线测试低频振荡。利用这种方法可以随时研究运行系统的低频振荡情况，１９９１年１０月试验证实了网络中的ＳＸＫ电厂是该系统的低频振荡源。     

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。     

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。     

基于ARMA模态辨识的低频振荡性质区分

针对目前尚未完全解决负阻尼低频振荡和强迫功率振荡性质定量区分的现状,通过低频振荡机理分析得出2种振荡在振荡频率和阻尼比方面的区别,提出定量区分低频振荡性质的判据.采用基于加权递推最小二乘算法的ARMA模态辨识对振荡数据进行动态加窗辨识,根据辨识所得振荡模态的频率和阻尼比的变化判别低频振荡类型.算例分析表明该方法是可行和有效的.     

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。     

基于EMO-EDSNN的电力系统低频振荡模态辨识

提出了基于精确模态阶数-指数型衰减正弦神经网络(EMO-EDSNN)的电力系统低频振荡模态辨识方法。首先,通过奇异值分解估计模态阶数。在关键的定阶问题上,采取EMO定阶方法,综合考虑了奇异值变化规律和奇异值本身大小2个因素,能够克服人为选取阈值的不足,提高阶数估计的准确性。然后,通过建立EDSNN将参数估计问题转化为优化问题求解。以输出信号和实测信号的平方误差最小为目标,并采用自适应的Levenberg-Marquardt算法训练神经网络收敛后,一次性计算出所有模态参数。最后,进行了数值信号仿真、EPRI-36系统仿真和实测信号仿真。仿真结果表明,所提方法能够快速准确地实现模态参数辨识。     

基于改进小波阈值去噪和RCRSV-MP算法的电力系统低频振荡模态辨识

针对广域测量系统低频振荡辨识中存在噪声干扰和定阶不准确的问题,提出了基于改进小波阈值去噪和奇异值相对变化率(RCRSV)定阶的矩阵束(MP)算法相结合的方法对电力系统低频振荡模态进行辨识。在小波去噪基础上对阈值进行改进,使得阈值随分解层数的增加而发生改变,能够有效地抑制低频振荡信号的噪声;然后将去噪后的信号用RCRSV-MP算法进行辨识,从而获取低频振荡各个模态参数。根据RCRSV定阶具有自适应性,无需人为设定阈值。通过仿真算例、测试系统及电网实际案例的结果显示,所提方法相比于其他方法具有抗噪性能好、拟合精度高等优点,具有较强的实用性,能够实现在线辨识。     

基于多通道快速傅里叶小波变换的电力系统主导振荡模式及模态协同辨识方法研究

针对连续小波变换在主导振荡模式辨识中存在效率低的不足,提出一种快速傅里叶小波变换(CWTFT)方法以提高小波变换效率;针对单通道小波辨识的结果受振荡模式可观性影响的缺陷,提出一种多通道CWTFT,实现多通道量测信息的时频域分解,进而获得对应的小波系数矩阵;在此基础上,借助小波尺度相对能量甄别出与主导振荡模式强相关的关键小波尺度,以其为基准重构小波系数矩阵;对重构的小波系数矩阵进行奇异值分解,利用重构小波系数矩阵的第一左、右奇异特征向量辨识系统主导振荡模式及振荡模态。将所提方法应用到16机68节点测试系统和南方电网的广域实测数据中,结果验证了该方法的准确性和有效性。     

基于变分模态分解的电力系统泛频带振荡辨识方法

振荡问题已成为现代电网面临的重要问题之一,电力系统中多种类型的振荡可能同时出现且频段跨度极大。针对含泛频带振荡模态的信号,首先通过带通滤波器实现不同频段信号的分离,再利用有高噪声鲁棒性的变分模态分解(Variational Mode Decomposition, VMD)方法提取各个振荡模态信号,最后通过Prony算法实现对不同模态参数的辨识。仿真与实际算例分析表明,该方法能够对信号中不同类别振荡模态进行有效区分与提取,精确识别出每个模态的信息。无论针对已发生剧烈振荡的信号或是含有潜在振荡的类噪声信号,该方法均能有效地进行模态辨识。     

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。     

汽轮机阀门控制方式切换引发低频振荡的实例及其机理分析

电力系统中多次出现因汽轮机阀门控制方式切换引发的低频振荡现象。因此,分析了汽轮机阀门流量特性和控制方式,建立了考虑阀门流量特性的汽轮机控制系统模型。应用仿真软件PSCAD/EMTDC建立了机网耦合数字仿真平台,重现了南方电网某电厂汽轮机阀门控制方式切换引发的低频振荡现象。对低频振荡的机理分析结果表明,汽轮机单阀控制切换为顺序阀控制方式后,由于阀门流量特性修正函数与阀门实际流量特性偏差较大,会引起调节阀门的大幅值摆动,从而使汽轮机机械功率以0.171 Hz的频率做等幅值振荡,在该扰动源作用下电力系统出现强迫功率振荡。     

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。     

基于CBR和OAPID的互联电网区间模式振荡预警

采用基于广域测量系统(WAMS)的量测数据,提出基于范例推理(CBR)理论及功率振荡增量分布(OAPID)理论的互联电网区间模式振荡预警方法。该方法在系统未发生低频振荡时进行区间模式振荡预警;在系统发生振荡时提供系统运行方式的调整建议来改善系统阻尼。某区域电网WAMS实测数据的测试结果验证了所提方法的可行性和有效性。     

基于模式能量流法的互联电网功率振荡能量解析与主振荡路径识别

针对互联电力系统的功率振荡现象,为了能够深入剖析,构建了模式能量流函数,对互联电力系统的功率振荡进行网络模式能量的求取,并进行能量解析。在此基础上,利用所建立的基于广域量测信息的模式阵型指标,判别系统功率振荡发电机分群情况,同时根据所建立的主振荡路径判别指标对系统主振荡路径进行辨识,得到系统能量交互的主振荡路径。通过对4机两区和8机36节点算例进行仿真,验证了所提出的互联电力系统功率振荡能量解析与主振荡路径识别方法的有效性。