基于广域时空随机响应的低频振荡模态辨识

针对利用单通道信号无法准确辨识多个振荡模态,且不能估计振荡振型的问题,提出一种基于广域时空随机响应的振荡模态辨识方法。讨论了广域时空随机响应的向量自回归模型与系统振荡模态之间的联系,采用QR分解实现向量自回归模型参数的最小二乘估计;计算出振荡模态的模式参数,并通过系统随机响应的功率谱峰值确定系统的主导模态;通过新英格兰系统的蒙特卡罗仿真对模态辨识方法进行测试分析,结果表明利用广域时空随机响应能同时准确估计多个主导振荡模态的模式参数和振荡振型,与子空间辨识方法相比所提方法计算更简单有效;最后利用WECC系统的实测信号验证了所提模态辨识方法的适应性。     

随机数据驱动下基于SDMD的机电振荡参数辨识

随机响应数据蕴含丰富的系统工况信息,从随机响应数据可提取机电振荡特征参数、进行系统小干扰稳定分析。对环境激励电力系统随机响应进行建模,在此基础上提出了基于子空间动态模式分解的机电振荡参数辨识方法。SDMD辨识算法用于非线性随机动力系统的Koopman分析,利用截断的奇异值分解实现动态低秩近似,使系统维数大大降低,同时该算法可以有效地克服动态模式分解方法可能导致辨识结果产生偏差以及模态混合等问题。基于IEEE4机2区系统和IEEE16机5区系统进行仿真,并将该方法辨识结果与其他方法辨识结果进行对比和分析,验证了所提方法的可行性和有效性。     

随机数据驱动下的机电振荡参数在线提取与阻尼调制(一):基于ORSSI的模态参数在线辨识

随机响应数据蕴含丰富的动态信息,从随机响应数据可提取机电振荡特征参数、进行小干扰稳定分析。该文在环境激励电力系统随机响应特征分析基础上,提出了基于在线递归随机子空间辨识法(on-line recursive stochastic subspace identification,ORSSI)的电力系统小干扰稳定性在线评估方法。ORSSI辨识算法利用LQ分解取代了传统SSI算法中的奇异值分解过程,有效地提高了计算速度,同时通过引入Givens旋转变换,替代数据更新后Hankel矩阵LQ分解过程,实现了延伸观测矩阵在线更新,在保证计算精度的同时提高了机电小干扰稳定评估的实时性。基于IEEE 16机68节点系统和某实际系统的仿真,验证了文中方法的可行性和有效性。     

环境激励下电力系统外在表征及振荡识别方法研究

环境激励作用下的电力系统机电响应数据中蕴含有丰富的机电动态信息。文中推导了小幅环境激励下电力系统机电响应的解析形式,从数学角度证明了机电振荡特征在电力系统随机响应中的存在性,揭示了利用小幅环境激励作用下的系统响应提取系统振荡特征的基本原理,进而提出了基于动态模式分解算法(DMD)与随机响应数据的机电振荡特征参数辨识方法。以小幅负荷随机激励下IEEE 4机2区域系统响应数据及某区域电网扰动录波数据为例,辨识所得参数与理论振荡特征参数的比较以及对概率统计结果的分析表明,DMD在随机激励下机电振荡参数识别中具有较强的适应性,验证了利用小幅环境激励下的随机响应识别系统机电振荡特征的正确性。     

基于FSSI的环境激励下机电振荡特征参数快速识别方法研究

环境激励作用下的电力系统随机响应蕴含丰富的系统动态信息。随着广域测量系统的广泛应用,基于随机响应信号的低频振荡分析具有良好的应用前景。在对电力系统随机响应数据特征分析的基础上,提出了基于快速随机子空间辨识算法(Fast Stochastic Subspace Identification,FSSI)的电力系统机电振荡参数识别方法。FSSI算法利用LQ分解取代了传统随机子空间算法中的奇异值(SVD)分解过程,在保证SSI算法在振荡频率、阻尼比及模态振型识别精度的同时,极大地提高了分析计算的速率。IEEE 4机2区域系统和16机68节点系统仿真计算结果表明文中提出的方法具有较高的识别精度和计算速率。     

电力系统机电振荡的非线性现象

大型互联电力系统受大、小扰动后,其机电振荡对系统稳定性构成了严重威胁。基于机电振荡的一般性数学描述和线性特征分析法,定义了动态周期、动态衰减速度和非线性度,用于表征非线性系统的机电振荡。在单振荡模式情况下,研讨电力系统非线性特性对响应轨迹的形态和周期的影响,并据此讨论了电力系统的超低频振荡现象;另外,分析了非线性机电振荡的衰减特征,阐明了线性化系统与非线性系统响应在形态和性态上的异同。     

基于关联机组风险系数的发电机振荡模式辨识

针对发电机功角振荡,提出基于关联机组风险系数的机组振荡模式辨识方法。首先分析Prony算法提取发电机功角振荡模式的原理,介绍了能量级理论在机组功角振荡模式辨识中的运用,结合Prony算法所抽取的振荡幅值、阻尼比和衰减因子等参数,提出了机组振荡模式评估系数——参与因子;并给出了基于该系数的主振模式具体辨识方法。最后,在IEEE39节点系统计算结果表明:所提因子能够辨识扰动下的强关联发电机组及主导振荡模式,且通过振荡模式与振荡能量级关系分析,验证了所提方法的可行性和有效性。     

基于阻抗辨识的沽源地区风电并网系统次同步振荡控制策略

大规模风电集群与系统交互作用引发的次同步振荡严重威胁电网运行安全。文中提出一种基于系统阻抗辨识的次同步振荡控制实现框架及计算方法。通过辨识电网侧和风场支路阻抗得到系统序阻抗，基于系统序阻抗实部值的变化来判定稳控系统切除不同风场馈线的有效性，考虑不同风场对系统阻抗的影响大小并基于最小切除量原则制定次同步振荡控制策略。针对实际电网中电网侧阻抗及风场支路阻抗难以辨识的难点，提出电网侧阻抗极限值预估和风场支路阻抗在线测量方法。基于PSCAD/EMTDC仿真平台构建沽源地区实际风场群并网系统模型，验证了所提次同步振荡控制策略的有效性。     

随机数据驱动的电力系统小干扰稳定在线评估方法

系统自然激励下的随机响应数据中蕴含丰富的机电行为特征信息,准确地从随机响应数据中辨识小干扰稳定特征参数对于指导电力系统安全稳定运行具有重要现实意义。文中提出了随机数据驱动下基于子空间最优模式分解的小干扰稳定特征参数在线辨识算法。该算法通过对输入数据进行基于正交投影的矩阵线性变换得到其奇异子阵,并利用共轭梯度算法迭代求解最佳低维正交空间,以实现奇异子阵之间高维映射矩阵的最优低维近似,根据最优低维映射矩阵的特征值分解结果可以准确获得系统小干扰稳定特征参数,即振荡频率、阻尼比、模态。基于正交投影的矩阵线性变换以及共轭梯度法的引入使得动态模式分解法能较好地适应随机响应数据。IEEE 16机68节点系统和实际系统量测数据的计算和分析验证了所提算法的有效性和准确性。     

基于希尔伯特-黄变换的微电网主动小干扰稳定性评估方法

微电网小干扰稳定性分析多采用基于系统线性化模型的特征值分析法，在系统模型及参数已知情况下可获得准确结果。然而，具有低惯性、弱阻尼特征的微电网在实际运行过程中系统拓扑及参数会动态变化。为此，文中提出一种主动小干扰微电网稳定性评估方法，该方法无须获取系统结构及准确参数，通过向系统注入电流脉冲，采集并提取电压动态响应曲线，采用希尔伯特-黄变换方法辨识响应曲线中振荡模态的参数，获得系统振荡模态的阻尼比以评估微电网小干扰稳定性。同时，为对比验证所提方法的正确性，在微电网结构和参数均已知情况下建立微电网的小信号模型，以求解的主导特征根与所提方法的辨识结果进行比较。最后，分别基于MATLAB/Simulink及StarSim硬件在环软件建立系统仿真和实验平台，仿真和实验结果验证了所提方法的正确性和有效性。