[发明专利]适用于低频振荡与次同步振荡辨识的Prony分析方法

说明书

本发明提供一种适用于低频振荡与次同步振荡辨识的Prony分析方法，包括：基于实测数据，构建出扩展阶的样本矩阵；采用基于奇异值分解的方法来确定样本矩阵的有效秩，即Prony算法的计算阶数；求解特征多项式，根据求得的特征根构建新的矩阵方程；采用基于BP神经网络的方法进行迭代求解前述构造的矩阵方程；基于前述求解得到的特征根与矩阵方程的解计算Prony参数：幅值、衰减因子、频率、初相。利用本发明提出的适用于低频振荡与次同步振荡辨识的Prony分析方法，可克服传统算法中计算阶数选取方法的不足，实现了准确定阶，并采用了基于BP神经网络的方法进行迭代求解，改善了过去算法在复矩阵计算中的不足，提高Prony算法的复矩阵方程求解速度。

技术领域

本发明涉及电力系统低频振荡和次同步振荡的监测与分析领域，具体而言涉及一种适用于低频振荡与次同步振荡辨识的Prony分析方法。

背景技术

近年来，随着我国跨大区联网进程的加快，特高压输电网络的推进，长距离送电功率的增加，以及远距离交流输电系统中使用串联电容补偿来增大电网的输电能力，这些举措都可能引发电力系统的低频振荡或者次同步振荡。目前，这两种振荡问题已是破坏电力系统安全稳定运行的重要因素之一。非线性时变是大规模复杂电力系统的一种重要特征，对电网中的低频振荡的诱发机理进行探究并且可以在含有噪声的条件下对其进行迅速高效的辨识，是大区域电网能够安全运行以及有效控制的关键因素之一。如今，基于相量测量单元(PMU)的电力系统广域测量系统(WAMS)在全球大型互联电网的分析与及时监测中被普遍使用着，PMU作为WAMS主站的数据源，同时也为多种分析算法直接从测量数据中辨识低频振荡模式参数提供了可能。电力系统次同步振荡对整个发电机组和电网的稳定运行有很大危害，当次同步振荡频率与发电机组扭振的固有频率符合特殊的互补条件时可导致发电机组转子轴系扭振快速增大甚至引发机组轴系毁坏事件。对实时系统中的次同步振荡进行及时在线预警并实施有效的抑制措施，对保证整个电网的安全稳定、正常运行都是十分必要的。

利用有效的算法对实测信号进行分析，可确定系统振荡的各个模态及相应参数，从而研究系统振荡的相关问题。从电网中采集到有效的电气量信息，通过合适的辨识算法分析得到系统的振荡频率等参数，是目前在线监测及预警的主要手段。其中Prony算法是低频振荡和次同步振荡模态参数辨识中较为常用的辨识方法，该算法通过计算可以直接从信号中提取出振荡的各个模态。但是该算法对噪声非常敏感，容易受到噪声干扰，动态过程的非平稳性难以体现；算法的复矩阵方程组求解困难，存在计算量大的问题，导致灵敏度较大；且传统定阶方法的需要人为选取阈值，阈值的上下浮动对准确定阶会带来误差。因此有必要对Prony算法作改进，使算法在运用时能够更加高效、便捷。

发明内容

鉴于现有的低频振荡与次同步振荡辨识中采用的Prony算法计算阶数确定的困难以及计算量大的缺陷，本发明的目的在于提供一种适用于低频振荡与次同步振荡辨识的Prony分析方法，首先采用基于奇异值分解的方法自动定阶，确定计算阶数求得特征值后采用BP神经网络求解矩阵方程，实现准确定阶和快速求解，从而提高辨识准确度和效率。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为实现上述目的，本发明的第一方面提出一种适用于低频振荡与次同步振荡辨识的Prony分析方法，包括：

步骤1、基于实测数据，构建出扩展阶的样本矩阵；

步骤2、采用基于奇异值分解的方法来确定样本矩阵的有效秩，即Prony算法的计算阶数；

步骤3、求解特征多项式，根据求得的特征根构建新的矩阵方程；

步骤4、采用基于BP神经网络的方法进行迭代求解前述构造的矩阵方程；

步骤5、基于前述求解得到的特征根与矩阵方程的解计算Prony参数：幅值、衰减因子、频率、初相。