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。     

基于希尔伯特—黄变换的次同步振荡检测研究

针对目前电力系统次同步振荡的辨识局限于线性化方法,提出了一种非线性、非平稳信号的处理方法:希尔伯特—黄变换。首先对振荡信号进行滤噪和时延补偿预处理,然后用黄变换辨识出模态参数,最后与改进的PRONY算法及快速傅里叶变换的辨识结果对比分析。仿真结果表明,经验模态分解可以滤除信号中的噪声干扰,为模态参数的准确分析奠定了基础;并且黄变换方法能有效分解出频率不接近的振荡模态,进而准确的辨识出模态参数,得到振荡模态的时频特性。鉴于此方法会出现频率模态漏分解的情况,在实际工程中可同时使用改进PRONY法、快速傅里叶变换和黄变换以提高次同步振荡辨识的准确度。     

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。     

基于二阶同步提取变换的次同步振荡参数辨识

针对电力系统频发的次同步振荡现象,以及因为振荡频率接近在参数辨识中造成的误差,文章提出一种适用于次同步振荡参数辨识的二阶同步提取变换和希尔伯特变换结合的方法。首先使用二阶同步提取变换方法对信号进行时频分析,得到信号时频图,然后用二阶同步提取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。分别用理想测试信号与录波数据对其进行验证,仿真结果表明,对比短时傅里叶变换等方法,该方法在计算各模态频率,模态分量重构以及参数辨识上有更高的精度。     

基于瞬时功率的次同步振荡频率提取及振荡源识别方法

大规模新能源并网引发的次同步振荡严重威胁电力系统的安全稳定运行。为满足次同步振荡在线告警需求,需要分析宽频测量数据并快速提取振荡分量,快速检测到次同步振荡并精准切除振荡源已是迫切需要解决的关键技术。该文推导了对称和不对称三相电路中含有次同步频率电源时的瞬时功率表达式,揭示了瞬时功率主要为恒定功率分量和次同步频率的交变功率量;在此基础上,提出基于整周期瞬时功率差的次同步振荡频率提取方法,相比于快速傅里叶变换的计算速度大幅提升,避免了栅栏效应和频谱泄露问题;并提出了利用半周期瞬时功率差的次同步振荡源识别方法,可以对多风电场集中并网系统进行次同步振荡源定位,进而为精准切机提供支撑。时域仿真结果表明,该文提出的次同步振荡频率提取方法的计算速度相比快速傅里叶变换有显著提升,振荡源机组辨识方法具有较高的精度。     

同步挤压小波变换在电力系统低频振荡模态参数提取中的应用

针对电力系统低频振荡的非平稳、非线性特性,将一种新的时频分析方法——同步挤压小波变换(SWT),应用于低频振荡分析。该方法克服了大多数分析方法抗噪性差的缺点,结合了经验模态分解(EMD)和小波的优点,具有EMD的自适应性,同时提高了抗模态混叠能力。利用该算法可实现具有多分量的低频振荡模式分离,得到其瞬时幅值和频率,并计算阻尼比。仿真和实测信号的计算结果证明了SWT的有效性,优于传统的HHT方法。     

频率切片小波变换在局部放电信号分析中的应用

在对电力设备局部放电信号进行时频分析时,当信噪比较低或周期性窄带干扰的频率与局放信号频带重叠时,会影响信号时频特征提取的准确性,使目前的局放信号时频分析方法存在局限性.为此,利用频率切片小波变换具有自由分割时频面的优点,提出一种基于频率切片小波变换的局放信号时频分析新方法.首先根据Heisenberg不确定性原理选择时频聚集性最佳的频率切片函数,利用频率切片小波变换获取局放信号的时频分布,突出信号非平稳特征,再根据噪声信号能量与局放信号能量时频分布的差异,选择时频细化区域重构分离出局放信号,结合3σ准则及窄带干扰抑制方法进一步消噪.仿真和实测信号的处理结果表明,与S变换相比,频率切片小波变换具有更高的时频分辨率和任意频带信号提取的灵活性,能够细腻刻画信号的非平稳过程;将时频信息融入局放信号噪声干扰抑制,信号能量损失和波形畸变较小,有利于后续局放信号的模式识别和机理研究.     

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。     

采用小波变换的有效值和频率测量方法

讨论了对含谐波的正弦电压(电流)采样值直接进行小波变换计算基波、谐波电压(电流)的有效值及频率的方法.频率测量中,应用数字测频法对极值点法进行改进.利用小波变换算法对短时间信号进行分析,得到了很好的测量结果.仿真结果表明,在理想采样的情况下(采样过程不存在同步误差),利用小波变换的方法可以对有效值和频率进行准确的测量.     

适用于多源系统次同步振荡分析的图形化建模方法

新能源电力系统的次同步振荡问题呈现出多源参与特性,风、光、火多电源并存场景下,采用传统方法建立多源系统的状态空间模型,实施难度较大。提出一种图形化建模方法,该方法基于由基本元件构成的图形化模型库(状态空间形式),可以直观地构建复杂系统状态空间模型,并可在源网接口处理上提供较大便利。所提方法在SSR第一标准模型上进行了准确性验证。此外,建立风火打捆经直流送出系统的状态空间模型,分析风电接入对火电机组轴系次同步扭振模式的影响。最后得出图形化建模方法相对于传统方法具有独立性强、灵活性高、可视性好和扩展性强的优点。     

利用小波变换提取工频信号方法的研究

提出了先利用小波变换对故障信号进行滤波 ,再用傅里叶变换提取工频分量的算法。仿真计算结果表明这一算法的误差比直接利用傅里叶变换的误差要小得多。     

基于改进小波变换方法的电力系统低频振荡参数辨识

基于多点量测数据的低频振荡模态参数辨识方法具有辨识精度高,覆盖模态信息全的特点,但是该方法存在数据量增大,计算时间冗长的问题。针对上述问题,将基于数据缩减技术的改进小波变换参数识别方法应用于电力系统低频振荡参数辨识中。该方法通过对发电机出口有功功率信号的正功率谱密度矩阵进行奇异值分解,有效识别系统的模态阶数。利用奇异值分解将待辨识信号的协方差信号进行数据缩减,充分保留信号的信息量,从而在保证计算合理及精度的前提有效地减少待辨识的数据量,进而利用连续Morlet小波变换识别电力系统低频振荡参数。通过对4机2区域系统和EPRI-36节点系统进行算例对分分析,结果表明改进的小波变换方法能够有在准确提取电力系统低频振荡模态参数的前提下,有效减少计算所用数据量,提高计算效率。     

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。