[发明专利]一种高比例可再生能源电力系统次同步振荡的检测方法

说明书

本发明公开了一种高比例可再生能源电力系统次同步振荡的检测方法，先采集高比例可再生能源电力系统输出端的电压信号或电流信号，然后计算电压信号或电流信号的短时傅里叶变换的时频谱，并利用多重同步压缩算法将短时傅里叶变换的时频谱映射到新的时频谱，再利用均值漂移法确定高于设定阈值多重同步压缩变换后的系数所属模态，并计算次同步振荡频率，最后对次同步振荡模态进行信号重构并进行最小二乘估计法估计，得到各次同步振荡模态的参数。

技术领域

本发明属于电力系统技术领域，更为具体地讲，涉及一种高比例可再生能源电力系统次同步振荡的检测方法。

背景技术

次同步振荡(SSO)是一种异常现象，由基于变流器的发电机与电力系统的电网之间的相互作用引起。随着环境污染和能源危机的持续发展，可再生能源(尤其是风能和光伏发电)的渗透和应用不断增加，但与此同时，引发了许多SSO事件。在这些事故中，SSO变得如此具有破坏性，以至威胁到设备的安全和系统的稳定运行。

如今，包括广域测量系统(WAMS)和相量测量单元(PMU)在内的同步测量技术已覆盖大多数输电网络和发电厂，并已广泛应用于大型电力系统的动态监视，这使其成为一个有前途的平台SSO监视。当发生SSO时，发电机或电网的电压和功率将包含高于低频且低于标称频率(即50/60Hz)的谐波和间谐波。在实际电气中通过PMU测量的信号通常包含一定的噪声，这要求分析方法具有较高的模式分辨率和抗噪声能力以进行SSO检测。

为开发SSO的有效方法已经做出了一些努力，包括快速傅立叶变换(FFT)，希尔伯特-黄变换(HHT)和Prony。在FFT方法的实际应用中，会出现围栏效应和频谱泄漏。HHT通过经验模式分解(EMD)将信号分解为一组固有模式类型函数(IMT)，然后通过希尔伯特变换(HT)提取每个IMT的信息。但是，在EMD分解过程中经常会出现频谱混叠现象，并且谐波间谐波无法准确检测到。Prony方法的抗噪能力较差。2014年，Oberlin等人。提出基于短时傅立叶变换(STFT)的同步压缩变换(SST)。通过对傅里叶变换获得的时频信息进行重新排列，改善了时频谱能量发散的问题，抗混叠和抗噪性能更好。但是对于强调频率信号的处理不是很理想，D.-H。Pham和S.Meignen提出了更高阶数的SST水平以获得更好的结果，但是阶数的增加带来了更多的计算量。因此，G。Yu提出了多重同步压缩变换(MSST)算法，该算法继承了SST的优点，增加了时频谱的可读性，并且对具有强时变和非平稳特性的信号具有良好的处理效果。此外，计算幅度与STFT相似，信号几乎可以完美重建。因此，MSST具有改善SSO检测的巨大潜力。

发明内容

本发明的目的在于克服现有技术的不足，提供一种高比例可再生能源电力系统次同步振荡的检测方法，将多重同步压缩变换、非监督聚类算法和最小二乘法引入到次同步振荡检测中，利用电流/电压相量信号中的丰富信息，得到次同步振荡参数，实现对次同步振荡的在线监测。

为实现上述发明目的，本发明为一种高比例可再生能源电力系统次同步振荡的检测方法，其特征在于，包括以下步骤：

(1)、采集高比例可再生能源电力系统输出端的电压信号或电流信号；

(2)、计算电压信号或电流信号的短时傅里叶变换的时频谱；

(2.1)、设电压信号或电流信号的时变信号模型为s(t)：

s(t)＝A(t)e^iφ(t) (1)

其中，A(t)表示电压信号或电流信号的幅度，φ(t)表示电压信号或电流信号的相位，i为虚数单位，t为时间；

(2.2)、将公式(1)进行一阶泰勒展开式可得：

其中，u为积分变量，φ'(t)表示为相位对时间求导数，得到局部瞬时频率；

进而信号s(t)可表示为：