基于变分模态分解和压缩感知的电力系统宽频振荡监测方法

随着“双碳”目标的提出，未来电力系统会有更高比例可再生能源及电力电子设备并网，会引发电力系统新型宽频振荡问题。因此针对电力系统宽频振荡“高噪声”和“宽频带”的特点，提出一种基于变分模态分解和压缩感知的自适应宽频振荡监测方法。对变分模态分解(variational mode decomposition, VMD)方法进行改进，自适应确定模态分解数，抑制噪声分量并监测识别振荡信号的有效信息。若监测到宽频振荡，将降噪处理后的宽频振荡数据通过压缩感知(compressed sensing, CS)方法上传，在调度中心对压缩数据进行重构，精确恢复宽频振荡信号，方便调度主站后续分析处理。算例表明所提方法可在高强度随机噪声的情况下保持宽频振荡监测的质量，克服高速采样后数据传输带宽的限制，并在实际电力系统宽频振荡信号监测中有良好应用。     

基于自编码器与长短期记忆网络的宽频振荡广域定位方法

高比例新能源与高比例电力电子设备引发的宽频振荡问题日益凸显,而现有基于同步相量数据的振荡监测方法受到现有通信带宽的限制,难以对频率在数赫兹至数百赫兹范围内的宽频振荡进行全局化监测。为此,提出一种基于自编码器信号压缩与长短期记忆(LSTM)网络的宽频振荡广域定位方法。该方法利用自编码器的数据压缩与解码还原能力实现宽频振荡信号的广域监测分析。首先,在子站对电力系统量测信号进行编码压缩,在现有带宽下实现宽频振荡信号的传输,并有效降低振荡数据的冗余度。然后,在主站侧,可直接基于压缩数据生成特征矩阵,利用LSTM网络定位振荡源。此外,主站还能解码子站上传的压缩数据,并根据需求利用压缩数据或解码还原数据,从而进行宽频振荡的分析与控制。最后,全面考虑次同步、超同步以及中高频段的宽频振荡,并计及负荷变动和随机噪声进行仿真,所得结果表明该方法具有较高的还原与定位精度以及较好的抗噪性能。     

基于RBF和TFT的自适应宽频振荡监测方法

近年来,随着可再生能源的大力发展,电力电子设备的渗透率越来越高,电力系统的振荡特性逐渐呈现出宽频化特征,而现有的广域监测系统(WAMS)面向工频分量,难以满足宽频振荡监测、控制、保护的需求。为此,本文提出了一种基于径向基(RBF)神经网络和泰勒傅里叶变换(TFT)的宽频振荡监测方法,实现了宽频振荡信号的精确估计。首先,利用离散傅里叶变换(DFT)进行初步估计,然后采用TFT精确计算宽频振荡信号的参数。为降低TFT算法的计算量,本文将RBF神经网络用于噪声强度估计,根据噪声大小自适应确定数据窗长。最后,对大量仿真数据及河北沽源和新疆哈密的实测振荡数据进行了验证,结果表明即使在噪声较大时,RBF神经网络的拟合效果也十分出色,文中方法的精确性仍然较高,因此,有望在未来应用于工程实际中。     

基于AVMD多尺度模糊熵和VPMCD算法的宽频振荡分类

电力系统宽频振荡具有宽频域、非线性和时变性的特点,对振荡分类在准确性、快速性等方面提出了更高的要求。为此,提出一种基于自适应变分模态分解(adaptive variational mode decomposition, AVMD)的多尺度模糊熵(multi-scale fuzzy entropy, MFE)和变量预测模型(variable predictive model-based class discriminate, VPMCD)相结合的宽频振荡分类新方法。首先,对宽频振荡信号进行AVMD,得到固有模态分量(intrinsic mode functions, IMFS)。然后,引入MFE对IMFS进行时域特征描述,同时实现对IMFS构造特征向量的降维处理。最后,采用VPMCD对MFE降维后的特征向量实现宽频振荡的分类检测。通过仿真和实测数据分析,结果表明,所提方法的宽频振荡分类检测准确率比支持向量机(support vector machines, SVM)、BP神经网络方法的分类准确率更高,分类时间更短。     

基于压缩感知的特高压输电塔实时监测系统数据传输方法研究

特高压输电塔形成的强电磁场干扰及所处的野外恶劣自然环境严重影响无线传感器网络的数据传输质量,造成了无线传感网络通信数据溢出、误码率增加等问题,文章以基于无线传感器网络构建的特高压输电塔实时监测系统为基础,对无线传感器网络在强电磁环境下的通信特性进行了研究,提出了一种基于压缩感知理论的低信噪比信道编码传输方法（ LSCC ）,该方法对测量矩阵进行了改进,并在信道删除概率的基础上自适应调整信息发送的比特量,减少重构所需测量值个数。实验验证表明,低信噪比信道编码传输方法降低了特高压输电塔强电磁场引起的信道干扰带来的数据溢出率11．29％,有效地增强了输电塔监测系统的实际应用性能。     

基于动态采样压缩感知的超谐波监测方法EI北大核心CSCD

随着电力电子器件向着智能高频化发展以及分布式新能源的大规模并网,超谐波引发的电能质量问题日益凸显,然而,由于超谐波信号非平稳、宽频域等特性导致其监测难度相对较大。因此,该文提出一种基于动态采样压缩感知的超谐波监测方法。在采样端,设计动态压缩采样法,对超谐波信号施加柔性时窗,通过引入尺度伸缩因子实现对窗口宽度的反馈型柔性调制。同时,理论证明时窗内超谐波信号的稀疏性,从而突破Nyquist高频采样局限,实现超谐波信号低速动态压缩采样。在重构端,设计变步长稀疏度自估计子空间追踪–动态基追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP-DBP)动态重构算法。以变步长稀疏度自估计子空间追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP)算法求得初始解,在初始解的基础上,提出动态基追踪(dynamic basis pursuit,DBP)算法,利用信号支撑集的时间相关性,将上一时刻解作为先验信息提升重构信号求解速度,克服了传统算法连续重构时计算复杂度高、实时性差的弊端。最后,采用风电并网模型对超谐波信号实验,测试结果表明,所提方法可实现超谐波的动态监测和精确重构,并且具有信号低采样数据量,重构准确度高和快速性优势。     

基于压缩感知的冲击波超压场重建方法

在实际爆炸试验中,由于观测点数据稀疏,重建区域大等因素造成了数据量不足,利用传统迭代重建算法来重建冲击波超压场有其局限性。为提升单投影角度不完全投影数据条件下的成像效果,提出了一种基于TV最小化联合字典学习的冲击波超压场重建方法。结合压缩感知在稀疏约束方面的优势,利用TV正则化方法优化冲击波超压场的边缘信息,通过字典学习方法提高超压场内部细节信息的刻画程度,能够用较少的数据来重建冲击波超压场。经试验验证,与SART重建算法相比,TV-DL方法的重建精度有明显提升,其RMSE值降低了近40m/s,且在每个网格内的相对误差减少了2.5%左右,实现了一种更高效的重建方法,在武器弹药毁伤评估、工程防护等领域,具有一定的理论意义和工程应用价值。     

基于广域测量系统的低频振荡监测分析方法研究与应用

介绍了基于广域测量系统的电力系统低频振荡在线监测及振荡特性离线分析功能模块的设计及实现方法。模块在线部分集成的数据滤波等4种检测算法,同时满足了监测的实时性和报警的高精度;模块的离线部分集成了改进Prony等3种分析算法,实现了振荡特性参数的全面解析。告警记录及数据分析结果存储于磁盘。模块中的统计功能,实现了数据信息的深层挖掘。该模块已经在河北南网实际运行,运行结果表明该模块的有效性和可靠性。     

基于压缩感知的架空线路舞动波形重构方法

针对高压输电线路时常发生的线路舞动灾害,提出了一种基于压缩感知的架空线路舞动波形重构方法.传统的基于传感器的舞动监测系统需要一定数量的传感器才能确保重构波形的准确度,而过多监测节点会增加输电线路的载荷,改变其力学特性.针对这一问题,将线路舞动数学模型进行稀疏变化,构建便于传感器布置的测量矩阵,并运用正交匹配追踪(Ort...     

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

基于局部均值分解和归一化最小均方的宽频振荡检测方法

为精确采集和分析电力系统宽频振荡信号,提出基于改进局部均值分解与归一化最小均方算法相结合的宽频振荡检测新方法。首先利用归一化最小均方算法对宽频振荡信号进行降噪处理,进而采用改进局部均值分解算法提取该降噪信号的乘积函数;然后对上述乘积函数分量进行希尔伯特变换,求解信号瞬时频率的高频突变点,实现对振荡起止时刻的准确定位。仿真实验表明,本文所提方法能准确求解宽频振荡信号,且在强噪声下仍具有很高的精度。     

基于广域测量系统的次同步振荡在线监测预警方法

及时发现并采取措施消除电力系统中的次同步振荡,对保障机组安全和电力系统稳定运行都非常重要.结合相量测量单元的工作原理,详细分析了电力系统中次同步频率成分对同步相量测量结果的影响,指出次同步振荡的存在相当于是对同步相量的幅值和相位进行调制.在此基础上,给出了基于相量测量单元上传的同步相量测量结果和励磁电流测量结果实现次同...     

基于小波去噪和随机子空间算法的广域低频振荡估计

电网规模的日益扩大使得广域低频振荡成为电力系统稳定运行中备受关注的问题之一,提出了一种利用小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用随机子空间算法提取低频振荡信号特征的分析方法。该方法直接利用在线量测数据识别出系统的低频振荡及其特征参数,有效地克服Prony算法、自回归滑动平均算法及希尔伯特-黄等算法受噪声、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。数值仿真及实例分析均验证了基于小波预处理技术的随机子空间算法在电力系统低频振荡分析中的可行性。     

基于广域测量系统的电力系统低频振荡抑制方法

随着电网互联规模的不断扩大,区域问的低频振荡成为威胁电力系统稳定运行的关键因素之一,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辨识区间低频振荡模式成为可能.因而,研究区间低频振荡在线辨识算法已成为广域阻尼控制的理论依据.提出了一种改进的prony算法来在线辨识低频振荡模式,8机36节点仿真算例表明,该算法能够实现在线低频振荡模式辨识,根据辨识的结果配置PSS参数能够有效地抑制低频振荡.     

基于压缩感知的空间场传感网络优化方法研究

为解决现有空间场传感网络中的传感节点密集、数据冗余和监测响应慢等问题,实现对空间场信息的实时监测,将压缩感知技术引入空间场传感网络优化中。本文提出了对历史数据进行学习的自适应稀疏正交字典的建立方法,通过对稀疏字典的分析改进了传统观测矩阵的建立方法,实现了空间场传感节点布局的最优化;通过聚类方法分析观测数据在字典上的投影系数,获得了空间场正常工作情况下的分布状态曲线,实现了对异常故障点的精准识别。最后,对二源温度场数据进行实验验证,结果表明本文所提出的压缩感知技术可以在完整保留温度场分布特征的前提下,有效降低感知数据的密集程度,并利用稀疏采样的数据,实现对温度场的实时监测和故障识别。该研究对温度场中传感节点高效布置给出了科学指导,避免了空间密集采样的资源浪费,同时也为如何在空间场采样数据欠缺的情况下,精确获取完整的温度场分布提供了新的技术思路。     

基于近邻传播算法和随机森林回归模型的台区线损率计算方法

针对低压配网接线方式复杂和线损率难以准确计算的问题,本文提出一种基于近邻传播聚类算法和随机森林回归模型的台区线损率计算方法。基于线路损耗模型提出了台区线损率预测计算的电气特征指标,并利用主成分分析方法提取适用于聚类分析的主特征参数,然后采用近邻传播聚类算法对数据进行聚类分析。在此基础上,采用随机森林回归算法对每类聚类数据进行样本的训练学习,并利用包外数据进行预测。以某地区614个台区样本进行仿真计算,仿真结果验证了本文所提算法的有效性和正确性,并且计算精度要优于多元线性回归算法。     

基于STFT图像和迁移学习的次同步振荡源定位方法

直驱风机与电网交互引发次同步振荡,严重威胁电网的安全稳定运行。为快速定位诱发机组,提出了一种基于短时傅里叶变换(STFT)图像和迁移学习的次同步振荡源定位方法。首先,采用压缩感知技术将出口数据转化为观测信号,再对观测信号进行STFT得到具备振荡特征的映射图,构建映射图与振荡源机组之间的联系;然后,采用对抗式迁移学习架构,结合电力系统,实现对目标域无标签振荡数据的快速泛化;最后,与传统迁移学习方法进行比较,结果表明所提方法在定位准确率和效率方面表现更优,且具备较强的抗噪能力。     

基于压缩感知估计行波自然频率的输电线路故障定位方法研究

提出了一种基于压缩感知估计行波自然频率的输电线路故障定位方法,能够准确估计多次行波自然频率,具有较高的故障定位精度。针对故障行波信号的频域特征设计了新的过完备字典,使行波信号能够被有效地稀疏表示。进行故障定位时,首先用小波模极大值方法确定故障行波信号的频率边界,并采用FIR滤波进行预处理滤除低频干扰成分,然后将其变换到频域使其能够在过完备字典上稀疏表示。在此基础上,该文利用改进的基于Dice系数的OMP算法(DOMP算法)对故障行波的频域信号进行重构,精确辨识行波信号的多次自然频率值,最终结合反射角和波速实现准确地故障定位。通过仿真分析验证了字典设计结合改进的DOMP算法的方法具有较高的定位精度和可靠性。     

基于改进固有时间尺度分解算法的实时次同步振荡监测方法

为解决大规模风力发电并网系统中频繁发生次同步振荡的问题,需要快速准确地识别和检测次同步振荡的方法。次同步振荡发生时具有时变性和不确定性等特征,这给振荡的实时监测带来了挑战,针对该问题,首先提出了基于引入代数估计法改进的固有时间尺度分解算法(intrinsic time-scale decomposition,ITD）的解决方案。该方法不需要任何先验信息,且其性能不受振荡频率构成的影响。其次,利用合成信号、电磁暂态仿真和振荡实测数据进行了综合对比研究,结果表明该方法在信号检查的动态性能和参数估计精度等方面都取得了良好的效果。最后,通过硬件在环测试,验证了该方法的可行性。