风电场次同步振荡非线性模态分解与参数辨识

新能源并网系统运行环境复杂,电力电子设备快速响应与电网产生动态相互作用引发次同步振荡(sub-synchronous oscillation,SSO),其信号表现出非线性非平稳特征,辨识困难.该文提出一种非线性模态分解方法,并与Teager-Kaiser能量算子(Teager-Kaiser energy oper-at...     

大规模风电场次同步振荡分析

对基于双馈异步发动机(doubly-fed induction generator,DFIG)的大规模风电场经串补送电进行了次同步振荡的分析,所建立模型基于IEEE第一标准模型。在建立风电场详细数学模型的基础上进行了小干扰稳定性分析,并在电力系统分析软件DIg SILENT/Power Factory中建立电力系统模型,采用时域仿真验证小干扰特征值分析的结果,验证了引起风电场次同步振荡的原因是感应发电机效应而不是扭转相互作用。同时分析了控制器参数对次同步振荡特性的影响。     

基于MSST-HT的次同步振荡参数辨识研究

次同步振荡是在电力系统运行平衡点受到扰动后产生的一种异常电磁及机械振荡现象。针对希尔伯特黄变换在次同步振荡分量提取时存在噪声干扰和模态混叠问题,提出一种适用于次同步振荡参数辨识的多重同步压缩变换（MSST）和希尔伯特变换结合的方法。该方法在傅里叶同步压缩变换基础上,对次同步振荡信号时频谱进行多次同步压缩,以此来提高信号时频分布的重构精度和能量聚集程度。通过仿真并结合实际工程录波数据进行验证,首先使用多重同步压缩变换方法对信号进行时频分析,得到信号时频图,然后用多重同步压缩变换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。仿真结果表明,相比于短时傅里叶变换（STFT）、同步提取变换（SET）和傅里叶同步挤压变换（FSST）,MSST能够提高信号时频分布的能量聚集程度和重构精度,能够实现多分量的次同步振荡模态分解。实际数据结果表明该方法能有效克服噪声干扰和模态混叠问题,准确辨识次同步震荡参数,对电力系统安全稳定运行具有一定的参考意义。     

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。     

经IIWO优化的原子分解算法辨识次同步振荡模态

由于传统的线性化方法存在难以有效辨识次同步振荡模态参数的问题,该文提出一种基于改进入侵杂草优化IIWO(improved invasive weed optimization)的阻尼正弦原子分解算法。该方法首先构造过完备阻尼正弦原子库,引入混沌序列初始化的多种群策略、预筛选机制、以及随机变异的扩散机制对入侵杂草优化IWO(inva-sive weed optimization)算法进行改进,利用改进得到的IIWO算法对传统的匹配追踪算法MP(matching pursuit)进行优化,以降低其搜索的时间复杂度。依据优化后的MP算法对信号进行阻尼正弦原子分解,搜索到最佳阻尼正弦原子后将其转换为次同步振荡模态参数,并与Prony的辨识结果进行了对比。仿真算例结果表明,经IIWO优化的阻尼正弦原子分解算法辨识精度较高,且具有良好的时频特性。     

简单电力系统的次同步振荡辨识

传统汽轮发电机发生次同步振荡的本质为轴系的固有振荡频率和扰动电压或电流引起的电磁转矩频率接近同步或一致而引发的机械共振。在IEEE第一基准模型的基础上,利用时域仿真对次同步振荡现象进行了辨识。最后,计算了汽轮发电机的电气阻尼系数,进一步验证了仿真辨识的可信度。     

基于小波分析的次同步振荡检测研究

考虑次同步振荡和轴系的特殊关系,使用小波变换实时监测轴系次同步分量,并在突发故障的情况下,及时检测到突发故障的奇异点,达到及时报警和采取相应对策的目的.该方法简单实用,监测设备易于实现.     

基于小波Mallat算法的次同步振荡监测

提出了1种基于小波Mallat算法的次同步振荡实时监测方法,该方法可以通过对发电机转速或定子电流2种不同类型的信号进行多分辨率分析,在不同尺度上实现对次同步振荡的分量提取和奇异性检测,从而使次同步振荡的监测在时频域均具有较高的分辨率.现场实际应用表明该方法具有较好的工程应用价值.     

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PMU的分布式次同步振荡在线辨识方法

为减轻WAMS主站端的软硬件开销,同时也为了避免WAMS主站端对PMU数据进行采样时产生的频率混叠现象,本文在分析了WAMS/PMU通信架构和同步相量测量的算法原理的基础上,提出了在PMU装置上实现分布式次同步振荡在线参数的辨识方法。本文深入分析和比较了两种不同的参数辨识方法,基于相量数据的次同步振荡参数辨识方法和基于原始采样值的次同步振荡参数辨识方法,讨论了基于相量数据的次同步振荡参数辨识方法的局限性,指出了基于原始采样值的次同步振荡参数辨识方法,既可避免对次同步振荡分量的误判,提高次同步振荡分析监测的准确性和适应性,同时又更易于实现超同步振荡等扩展性应用需求。     

基于PMU数据频谱辨识次同步振荡的研究

为解决风电场与电网间发生的次同步振荡现象,保证风电场与电网的稳定运行,经研究发现,利用现有的同步相量测量装置(phasor measurement unit,PMU)监测次同步谐波是解决次同步振荡问题的有效途径。文中以新疆哈密某风电场为例,首先通过PMU记录的电流幅值数据频谱分析次同步振荡产生的主要频段,接着对次同步谐波分量产生机理进行分析以及锁相环节进行仿真验证。结果表明,PMU数据频谱分析得出的振荡频段与锁相环节仿真验证结果相吻合,从而验证了该方法的有效性。该研究结果可为风电场次同步振荡的理论研究和工程实际提供参考依据。     

风电场内机群间次同步振荡相互作用

大型风电场内部包含大量控制参数各异、运行状态不同甚至类型多样的风电机组,其并网引发的次同步振荡问题日益凸显。研究了风电场内部不同风电机群之间次同步振荡相互作用及其影响因素,从而明确次同步振荡在风电场内的演化过程;建立了直驱风电场的并网导纳模型;应用广义奈奎斯特判据分析了风电场内不同风电机群并网的次同步振荡稳定性,在此基础上研究了风电场内不同风电机群之间的次同步振荡相互作用。结果表明,“振荡机群”能够引起“稳定机群”也发生次同步振荡,二者的并网机组台数比例对风电场次同步振荡特性具有显著的影响,“振荡机群”的锁相环参数对整座风电场的次同步振荡频率具有重要的影响。在MATLAB/Simulink中搭建了直驱风电场的并网仿真模型,时域仿真结果验证了上述理论分析的正确性。     

大规模风电场汇集地区次同步振荡研究

作为目前世界上风电装机容量最大的国家,我国致力于大力发展绿色、清洁能源开发的同时也时刻关注风电基地及外送系统的安全、稳定运行。大规模风电机组次同步振荡问题是近年来研究人员关注的焦点。对现有的关于大规模风电外送系统存在次同步振荡问题的研究成果进行了总结归纳,论述了次同步谐振、次同步控制相互作用与装置引起的次同步振荡的发生机理特性及不同类型风电机组可能发生次同步振荡的类型。指出对动态无功补偿装置诱发风电机次同步振荡的机理分析是未来研究的一大趋势。最后就目前针对大规模风电外送系统次同步振荡问题采用的5种分析方法进行了对比与总结。     

基于阻抗分析的双馈风电场次同步振荡研究

以新能源为主题的新型电力系统大力发展的背景下,风力发电得到了显著的发展。风力发电成为可再生能源的主要来源之一。串联补偿法将电容器组与输电线路串联,可以有效提高输电线路传输能力,是大型风力发电厂并网的优选途径。但是,串联补偿法的缺点是增加了系统次同步振荡的可能性。为了研究次同步振荡的抑制方法,本文基于阻抗分析,主要针对双馈风电场中由感应发电机效应引起的次同步振荡问题,采用基于阻抗分析的广义奈奎斯特分析法对风电场的次同步振荡现象进行推导分析,并提出一种在系统转子侧加入积分系数以增加系统阻尼的次同步振荡抑制策略。最终在Matlab/Simulink搭建风电场等值系统,通过仿真验证所建理论分析与抑制策略的准确性。     

基于SVC的大规模双馈风电场次同步振荡研究

为了探究动态无功补偿装置与大规模双馈风电场次同步振荡之间的关系,文中在MATLAB/Simlink软件搭建了含SVC的双馈风机经无串补线路并网系统模型,结合时域仿真法研究了SVC的拓扑结构、投入时间、控制器参数和系统扰动对系统运行特性的影响。结果表明:不同的SVC拓扑结构投入系统后,均会引发系统发生次同步振荡,且与投入系统的时间无关。当次同步振荡出现的情况下,给系统施加一个小扰动,控制器参数K_p过大产生超调,激增了次同步振荡。由于电压的超调发生振荡,进而导致各个SVC无功量的不规律运动,AVR中比例系数K_p的超调是产生次同步振荡的源。     

基于EEMD和Prony方法的低频振荡类噪声辨识

针对Prony算法抗干扰差,对输入信号要求较高的缺点,提出一种基于总体平均经验模态分解(EEMD)结合Prony算法的低频振荡类噪声模态参数辨识方法。首先利用EEMD有效对抗模态混叠的能力依据频段大小对原始类噪声信号进行线性化处理得到IMF分量,根据IMF能量权重比的大小找到主导模式分量,最后对这些分量进行Prony分析得到信号的模态参数。与传统Prony方法相比,该方法具有良好的抗噪性,同时可以减少模型阶数,从而提高计算速度。通过对四机两区系统类噪声信号和四川电网仿真信号的模态辨识,验证了此方法的有效性和优越性。     

基于类噪声信号和ARMA-P方法的振荡模态辨识

弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,振荡模态是表征系统振荡特性的重要参数,反映了各节点对振荡模式的参与情况。目前基于测量信号一般在振荡发生后进行模态分析,缺乏在系统正常运行情况下的分析手段。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中提出一种自回归滑动平均-Prony(ARMA-P)方法对这种类噪声信号进行处理,在采用ARMA模型拟合类噪声信号估计低频振荡模式参数的基础上,进一步建立信号的Prony模型,最终实现对低频振荡模态的辨识。将该方法用于对新英格兰系统仿真数据进行处理,其辨识结果与小干扰稳定计算结果进行了比较,并进一步将该方法用于处理南方电网实测数据,证明了其有效性。     

一种基于振荡发散速率的次同步振荡风电场精准切机策略

大规模风电接入弱交流系统、经高压直流输电线路或带串联补偿的交流输电线路外送时可能诱发电力系统的次同步振荡,造成大量风机脱网及相关设备的损坏。针对该问题,通过监测联络线有功功率振荡波形,并引入一种简单有效的方法来辨识次同步振荡。采用指数函数对次同步振荡的振幅进行拟合,确定次同步振荡的振荡模式及发散速率,并设计了振荡发散速率与风电机组切除台数的对应关系。最终,提出了次同步振荡下风电场三轮切机策略。理论分析和基于PSCAD的仿真结果表明所提风电场切机策略能有效抑制次同步振荡,保障电网的安全稳定运行,并可在次同步振荡下最大程度保存风电机组,提升风电消纳能力。     

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。