[发明专利]电力系统低频振荡模式识别方法

说明书

本发明公开了一种电力系统低频振荡模式识别方法，包括获取低频振荡源信号；设置采蜜蜂的参数、种群规模、个数数量、最大迭代次数和蜜源的试验限制次数；设定初始最佳解值并计算得到初始最小绝对误差值；更新可能解；得到最终辨识的低频振荡模式参数。本发明提出了一种应用于电力系统信号中低频振荡模式识别的人工蜂群算法(ABC)的分析方法，本发明方法能够分析并得到电力系统低频振荡模型的参数，而且可靠性高、实时性好、速度速且简单易行。

技术领域

本发明属于电气自动化领域，具体涉及一种电力系统低频振荡模式识别方法。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保证自身的稳定可靠运行，就成为了电力系统最重要的任务之一。

同时，随着环境问题的日益突出，各种新能源发电设施不断接入电网。当前新能源的不断接入并网，能源互联网的建设，有利于提高发输电的运行经济性和可靠性，但随着电力的不断发展，间歇性能源的不断投入，电力系统中更可能引发低频振荡现象。比如大规模光伏并网后，系统阻尼可能会进一步恶化，低频振荡极易发生。低频振荡的发生严重威胁新能源并网系统稳定运行，对新能源的进一步推广应用也造成了不良影响，如果无法很好的对低频振荡进行抑制，电力系统的稳定性将遭到破坏。因此，电力系统对低频振荡模式参数进行辨识，对抑制低频振荡有着重要的意义。

但是，电力系统当前的辨识方法，都存在辨识速率慢，迭代复杂等问题，严重制约了辨识的结果和应用。

发明内容

本发明的目的在于提供一种可靠性高、实时性好、速度速且简单易行的电力系统低频振荡模式识别方法。

本发明提供的这种电力系统低频振荡模式识别方法，包括如下步骤：

S1.获取低频振荡源信号；

S2.设置采蜜蜂的参数；

S3.设定种群规模和个数数量；

S4.设置最大迭代次数和蜜源的试验限制次数；

S5.设定初始最佳解值，并计算得到初始最小绝对误差值；

S6.更新可能解；

S7.得到最终辨识的低频振荡模式参数。

步骤S1所述的低频振荡源信号的表示式为S(t)＝A*exp(k*t)*cos(2πft+φ)，其中A为信号幅值，k为不等于0的常数，f为频率，φ为相位。

步骤S2所述的设置采蜜蜂的参数，具体为采蜜蜂的参数包括幅值A、频率f、相位φ和衰减系数α。

步骤S4所述的设置最大迭代次数和蜜源的试验限制次数，具体为设置最大迭代次数MaxIt，试验限制次数L＝round(0.6×N×SN)，round()为四舍五入操作，N为个体数量，SN为采蜜蜂的数量。

步骤S5所述的设定初始最佳解值，并计算得到初始最小绝对误差值，具体为设定初始最佳解值Y_c为无穷大，对初始可能解X_0i＝{x₀₁,x₀₂...x_0D}进行满足约束条件的随机分布设置，根据拟合结果与实际结果的绝对误差为目标函数值，并相互比较，得到最终初始最小绝对误差值Y_0.best。

所述的绝对误差的计算公式为AE＝|Y_c-S(t)|；其中Y_c为初始最佳解值，S(t)为低频振荡源信号。

步骤S6所述的更新可能解，具体为采用如下步骤更新可能解：

A.采蜜蜂更新可能解；