[发明专利]一种电力系统低频振荡模式在线辨识方法

说明书

技术领域

本发明涉及电力系统低频振荡技术领域，具体为一种电力系统低频振荡模式在线辨识方法。

背景技术

随着电力系统互联程度提高、负荷的增长、发电机快速励磁系统的大量使用，低频振荡问题益发突出，已成为威胁电力系统稳定和限制交流互联电网传输能力的瓶颈。电力系统低频振荡分析方法可分为基于系统模型的方法和基于量测信号进行辨识的方法。基于模型的方法具有计算量较大、不能及时跟踪系统参数和结构的变化的缺点，如WECC系统标准模型在北美大停电事故发生前并未发现不稳定的低频振荡模式。由于实测数据真实体现了系统当前的运行状态，因此基于量测的低频振荡分析方法弥补基于模型的分析方法的不足，具有广阔的应用前景。

近些年来，基于量测数据辨识低频振荡的方法大量涌现。在基于时域信号的方法中，Prony方法被广泛应用于基于自由振荡信号的低频振荡辨识，但Prony方法对噪声敏感，模型的阶数对结果影响也较大。TLS-ESPRIT方法也常用于电力系统低频振荡模式辨识中，但由于TLS-ESPRIT方法需要对矩阵进行两次奇异值分解，因此计算速度较慢。另外，还有一些典型的基于频域信号的方法，主要包括基于傅里叶变换的方法，基于小波变换的方法和基于希尔伯特黄变换(HHT)的方法。傅里叶变换只能给出信号的频率信息，基于Morlet小波提取小波时频分布脊线，辨识不同时段信号的低频振荡参数；基于希尔伯特黄变换(HHT)的方法，其在电力系统低频振荡模式识别中的应用也比较广泛，但是，其采用EMD没有坚实的理论基础，所得到的模态函数仍需进一步研究。也有卡尔曼滤波的方法实现电力系统低频振荡辨识，但该方法需要构建系统传递函数以求得状态空间矩阵，依赖于系统模型的有效程度。

电力系统的量测、传输环节常常会引入干扰噪声，主要来源于系统负荷的随机波动，通常将这些噪声看成高斯白噪声。高斯白噪声的存在，会影响低频振荡的辨识精度，而目前的方法大多通过奇异值分解进行去噪，这种方法对噪声的处理能力有限。所以，现有的方法存在抗噪性弱、计算速度慢等问题。

发明内容

针对上述问题本发明的目的在于提供一种抗噪性强，计算稳定，计算速率快，能精确地辨识低频振荡模式的频率、阻尼比的电力系统低频振荡模式在线辨识方法，技术方案如下：

一种电力系统低频振荡模式在线辨识方法，包括以下步骤：

步骤1：读取一段电力系统扰动后的发电机角速度或联络线功率的自由振荡信号y：

y＝[y(0),y(1),…y(i)…,y(r)]

其中，y(i)表示第i个测量数据，i＝0,1,…,r，r为所取信号长度；

步骤2：利用上述自由振荡信号构造扩展Hankel矩阵Y：

其中，j＝[r/2]，此处[]表示向下取整，且2k+j-2＝r；

步骤3：对上述Hankel矩阵Y计算协方差序列构成Τ矩阵；

步骤4：对上述Τ矩阵进行奇异值分解，根据奇异值大小确定有效阶数p，生成信号子空间V_s和噪声子空间V_n；

步骤5：构造矩阵[V1V2]，并对其进行奇异值分解：

其中，V₁为去掉V_s最后一行得到的矩阵；V₂为去掉V_s第一行得到的矩阵；

步骤6：把分解为4个p×p的矩阵：

步骤7：计算旋转算子的特征值λ_i(i＝1,2,……,p)，并由此计算振荡频率f_i和阻尼比ζ_i：

进一步的，所述步骤3中对上述Hankel矩阵Y计算协方差序列构成T矩阵的具体方法为：

3.更进一步的，所述步骤4具体包括：

a)对上述T矩阵按下式进行奇异值分解：

式中，Σ为对角矩阵，对角线元素为T的奇异值ξ_i；

b)确定信号子空间阶数p：对角阵Σ中的元素，找出满足下式的最小的整数i，取信号子空间的阶数p＝i；

c)按下式生成信号子空间V_s和噪声子空间V_n：