[发明专利]一种压缩NMFDMD的宽频带振荡监测预警方法

说明书

本发明涉及电力系统稳定与控制技术领域，是一种压缩NMFDMD的宽频带振荡监测预警方法，其特点是，包括：随机数据输入，包括发电机角速度，角频率和有功功率；利用压缩NMFSVD进行奇异值计算；矩阵的特征分解计算；拟合返回动态模态和对应的待征值；计算振荡模式的频率和阻尼比。能够有效地提高了电力系统机电振荡特征参数的识别的实时性和鲁棒性。具有科学合理，适用性强，效果佳的优点。

技术领域

本发明属于电力系统运行与控制技术领域，是一种压缩NMFDMD的宽频带振荡监测预警方法。

背景技术

电力系统的供电已经进入特高压输电时代，电网普遍出现了远距离、大负荷输电的情况，电力系统已接近稳定运行的极限，不及时监测阻尼比最常引起宽频带振荡，会引发连锁故障，如何对宽频带振荡问题进行科学的分析，找到满意的解决方法，以保证电力系统及时有效地监测和抑制宽频带振荡模式，已成为本领域电力系统安全稳定运行亟待解决的难题。

基于随机响应数据的宽频带振荡监测预警方法是基于电力系统的输入和输出观测信息，估计一个与实际电力系统等价的低阶数学模型。例如，随机子空间辨识(SSI)是一种仅依赖于输出数据的技术成熟度较高的在线监测预警方法。主要利用系统辨识理论构建包含系统动态特性的虚拟状态矩阵，并对虚拟状态矩阵进行特性分析，得到模式参数。但是利用随机子空间方法处理数据量大、系统动态过程复杂的系统。由于其简单的模型阶数确定，已成为基于测量信号进行参数识别的常用方法。频域分解法、总最小二乘旋转不变技术等方法从随机响应数据中提取系统振荡信息。从理论分析来看，基于功率和角频率的信号分析，与单功率或功率角度相比，包含更多的信息，从而从信号中获得更多与实际系统相一致的信息。对复杂电力系统故障后的暂态数据进行了动态模态分解，有效地提取了系统的振荡模态。优化的非负矩阵动态模态分解算法(Non-negative matrix factorizationDynamic Mode Decomposition，NMFDMD)，通过广域测量从一个有噪声的测量非负矩阵数据集(NMF)中提取宽频带振荡的时空动态模式。从以上分析能够看出，大多数动态模态分解(DMD)及其衍生方法在响应驱动下的随机响应数据中应用并不广泛，从类似于噪声的随机数据信号中提取系统振荡模态的可靠性较低。

发明内容

本发明的目的是：克服现有技术的不足，提出一种科学合理，适用性强，效果佳，实时性和鲁棒性好的压缩NMFDMD的宽频带振荡监测预警方法。

解决其技术问题采用的技术方案是，一种压缩NMFDMD的宽频带振荡监测预警方法，其特征是，所述方法包括以下步骤：

步骤1：随机数据输入

将随机负荷添加到通用微分代数方程组(DAE)中，该微分代数方程组模型由电力系统给出：

0＝g(x,y) (2)

式(1)为系统微分方程，用于描述发电机及其相应的控制装置和系统中负荷的动态过程；式(2)为方程组的代数方程，代数方程由节点功率流方程和发电机、励磁机、水轮机调速器部件的静态方程组成，f、g为连续函数，是微分变量和代数变量，即发电机转子角、母线电压幅的向量；是系统的状态变量，是系统的代数变量；

线性化式(2)得到以下结果

其中：g_x和g_y是雅可比矩阵，将式(1)线性化并通过式(3)消去Δy：

其中f_x和f_y为x和y的雅可比矩阵；