[发明专利]一种基于模式相似度的强迫振荡识别方法

说明书

本发明涉及一种基于模式相似度的强迫振荡识别方法，通过制定的模式、模态相似性指标，首先采用离线系统构造样本集，并基于此训练深度信念网络，从而建立强迫振荡识别器；其次通过实时监测广域测量系统数据，寻找大幅度振荡事件，基于模式识别方法和量子聚类方法准确识别出强迫振荡的模式、模态信息，并计算相似性指标；最后，将相似性指标输入强迫振荡识别器中，对振荡性质进行分析。

技术领域

本发明属于电力系统领域，尤其是一种基于模式相似度的强迫振荡识别方法。

背景技术

近年来，由于新能源比例和多样化负荷的增加，电力系统在自然、社会和复杂的电网结构中得到了更为频繁和复杂的干扰，这使得电力系统强迫振荡发生的更为频繁和难以识别。强迫振荡是由于外加扰动与系统固有模式相互作用所产生的，其中不仅仅包含模式信息还包含模态信息。如何从模式模态耦合的角度分析出强迫振荡与自由振荡不同点，利用PMU数据识别强迫振荡，在电力系统稳定分析与控制中具有重要意义。

对强迫振荡地识别，一般基于强迫振荡频率与系统自由振荡频率接近的特点，利用单一振荡曲线判别振荡类型。如：

刘增煌、贾文双、李莹等人采用了直线法(专利号：201210397698.6)和二次差分法(专利号：201210103545.6)；

叶华、宋佑斌、刘玉田提出了基于响应成分和振荡特征辨识的低频振荡类型判别方法(专利号：201210455272.1)；

马燕峰，赵书强，胡永强，等人提出了一种基于包络线拟合的低频振荡机理类型判别方法(专利号：201310450193.6)；

蒋平、冯双、吴熙等人提出一种电力系统负阻尼机理低频振荡和强迫振荡的判别方法，根据插值法拟合值与频谱分析值计算判断指标，通过判断指标和阀值之间的比较判断振荡类型(专利号：201510149876.7)。

这些方法由单一振荡曲线判别振荡类型，在系统中存在相近自由振荡模式时易发生误判，需要改善提高。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于模式相似度的强迫振荡识别方法，能够通过离线模型训练和WAMS的数据在线识别判定，识别强迫振荡。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于模式相似度的强迫振荡识别方法，其特征在于：具体执行步骤包括：

步骤(1)：开始，基于所需识别系统离线模型，建立强迫振荡模式相似度训练数据集；

步骤(2)：基于训练数据建立强迫振荡识别的深度信念网络分类器；

步骤(3)：根据实时WAMS数据，基于模式识别方法和量子聚类的稳定图技术，对振荡曲线中包含的模式模态信息进行辨识并筛选稳定模式模态信息；

步骤(4)：根据辨识信息计算相似度指标，将指标输入深度量信念网络分类器识别强迫振荡。

而且，在所述步骤(1)中，将调度中心能量管理系统中当前电网典型运行模式下的系统模型作为系统离线模型，采用其小干扰稳定计算的模式模态信息建立相似度指标训练集，其中相似度指标(I_d1,I_d2)定义如下：

式中：I_d1为模式相似度指标，I_d2为模态相似度指标。

而且，在所述步骤(2)中，深度信念网络以相似度指标(I_d1,I_d2)为输入变量，将0代表非强迫振荡，1代表强迫振荡为输出变量，采用最小误差微调整优化神经网络中相应权值，建立分类器模型。