基于滑窗FFT的次同步振荡时变幅频在线监测方法

提出基于滑窗FFT（快速傅立叶变换）的次同步振荡时变幅频监测方法,对振荡信号的时变模态参数进行在线辨识。首先采用加窗插值方法减少频谱泄露和栅栏效应,降低FFT辨识误差。然后,通过时间窗的滑动对每个时间窗截取的信号进行FFT,得到振荡频率和振荡幅值的动态序列,即频率和幅值随时间变化关系,通过对时变振荡幅值的分析计算得到衰减因子的动态序列。最后,以理想非平稳信号、仿真信号及电网实测信号作为测试算例,通过与Prony和HHT算法的对比分析,表明该方法不仅不受模态混叠现象影响,而且具有一定抗噪能力,能够有效辨识随机时变振荡模态,实现次同步振荡在线监测分析。     

基于滑窗FFT算法的低频振荡主导模式识别

通过分析加窗截断低频振荡信号的频谱分布,提出了基于滑窗FFT算法的主导模式识别方法。该方法通过对滑窗前后相应谱分量变化的分析,就能识别出模式的衰减特性(即阻尼特性);并针对FFT算法特有的栅栏效应现象,提出了相应的模式识别方法和步骤。仿真结果表明,该方法可以有效的识别低频振荡特征参数,计算量较少,并对含白噪声的信号具有较好的鲁棒性。     

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。     

基于同步相量数据幅频特征的次超同步振荡模式辨识

随着可再生能源和高压直流输电的快速发展,次超同步振荡事故频发,对现有电力系统振荡的在线监测提出了更高要求。为此,提出了一种基于同步相量数据幅频特征的次超同步振荡模式辨识方法。首先分析了次同步振荡和超同步振荡对同步相量测量装置(phasor measurement unit, PMU)数据的影响机制,结果表明,PMU数据的正负频谱与次超同步振荡的模态线性相关。其次利用多点PMU数据相干谱判别振荡与噪声,有效减少了噪声引起的误判断。然后对次超同步振荡下的PMU数据开展频谱分析,建立了4个幅频特征量,并将振荡数据的特征集合作为输入训练并优化极限梯度提升树(extreme gradient boosting, XGBoost)模型,建立幅频特征与振荡模式的映射关系。所提方法利用振荡环境下PMU数据的固有幅频特征以及XGBoost算法强大的泛化性与计算效率,实现了噪声环境下次超同步振荡模式的快速、准确辨识。最后,利用仿真数据和实测数据验证了所提方法的有效性和实用性。     

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。     

次同步振荡的频率切片小波变换检测方法

针对现有的电力系统次同步振荡的检测方法存在对噪声敏感、振荡的特征和变化趋势难以获得的局限性,提出将频率切片小波变换(FSWT)方法应用于次同步振荡的分析和参数辨识。FSWT方法自由切割时频面,实现信号频率区间的灵活分割,可以实现对次同步振荡信号的总体和细化分析。首先,采用FSWT方法对含噪的次同步振荡信号进行总体时频分析,得到其时频能量分布。根据时频能量分布,可以预判是否发生次同步振荡、确定模态分量的数量及其频率分布区间。然后,合理选择频率切片区间,进行细化特征分析,通过对信号特征频率切片区间信号的重构,实现了次同步振荡的模态分量的分离及提取。最后,结合Hilbert变换获得高准确度的次同步振荡模态参数。     

应用模态级数3阶解析解分析大干扰低频振荡机理

在动态电力系统3阶解析解的基础上,分析了遭受大干扰的电力系统所表现出来的复杂的非线性动态特性.提出由于3阶解析解中非线性高阶项被大干扰激发,使系统模态间的高阶非线性相关作用加剧,才导致了系统出现增幅低频振荡这一新观点,从理论上有效地解释了大干扰下增幅低频振荡出现的原因.对一个电力系统算例的分析验证了上述观点的正确性,也证明了3阶解析解与2阶解析解相比在分析大干扰下系统动态特性的有效性.     

基于振荡分群辨识的低频振荡控制方法

电网因机组原因引发的局部模式低频振荡问题日益突出。快速锁定振荡源并采取相应控制措施是平息振荡的关键。为此文中提出一种基于振荡分群辨识的低频振荡控制方法。该方法首先通过对系统各发电机的同步相量实测有功功率数据进行检测,辨别发生振荡的机组;然后根据各机组间角速度的相关系数将振荡机组分为主动群和被动群,主动群中的机组是引起振荡的主要原因并产生振荡能量,而被动群中的机组被带动振荡并消耗振荡能量以维持系统总能量守恒;最后根据分群结果锁定振荡源机组并采取相应措施控制平抑低频振荡。实际工程应用案例结果表明,该方法能够有效锁定振荡源,并帮助调度人员快速平息低频振荡。     

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。     

基于不完全S变换的低频振荡在线辨识方法

针对传统的低频振荡辨识方法无法确定低频振荡的起振时间点,不利于调度员分析振荡的起因,提出采用不完全S变换方法进行低频振荡的在线辨识,以提高算法的计算效率。仿真测试以及实例分析的结果表明基于不完全S变换的低频振荡在线辨识方法的辨识结果准确、抗噪能力强,能够有效地识别振荡模式个数以及振荡的起振时间点,具有很好的实用价值。     

基于MEEMD与MP的电网低频振荡模态识别

针对目前电力系统低频振荡模态辨识的精确性和抗干扰性问题,提出了一种基于改进集合经验模态分解方法与矩阵束的电网低频振荡模态特征辨识新方法。首先利用改进集合经验模态分解方法将采集到的量测信号分解,从而获得若干个IMF分量序列及其残余量,再将剩余项去除后把其余本征模态函数进行重构,最后把重构信号通过矩阵束的分析来获知各个振荡模式信息。数值信号和EPRI-36节点系统的仿真验证了所提方法的有效性。     

基于电气量频率差异的电力系统振荡识别

重点研究了电力系统振荡时,振荡中心和非振荡中心电压频率和电流频率的特征。研究表明:当系统发生振荡时,只有振荡中心的电压频率与电流频率相等,且振荡中心的一侧电压频率大于电流频率,另一侧电压频率小于电流频率;电压频率与电流频率的差值大小取决于振荡周期的长短、测量点与失步机组的电气距离以及失步机组的电动势夹角。从而提出了一种新的基于电气量频率差异的振荡识别方法,同时通过广域信息的获取,可以判断出振荡中心的位置。仿真结果验证了分析的正确性。