[发明专利]一种电力系统低频振荡在线监测方法

说明书

技术领域

本发明涉及一种在线监测方法，尤其涉及一种电力系统低频振荡在线监测方法。

背景技术

监测和分析电力系统在扰动下的动态行为、确定其动态特性并研究适当的对策(包括各种控制措施)是电力系统设计和运行中最重要也是最复杂的任务之一。电力系统动态特性的主要监测和控制对象是机电模式振荡的参数，即频率、阻尼和幅值等。大区电网互联初期的弱交流联系、电力市场形式下趋于稳定极限的运行方式更易于诱发各区域电网机群间的低频振荡，因此动态特性的监测和分析更加重要。

在建设坚强智能电网架构下，随着全国电网互联格局形成，大容量机组不断投运，快速励磁系统普遍使用，低频振荡问题日益严重，这不但限制了区域间的功率传输，严重时还会导致系统解列或失稳。实现低频振荡有效监测能为系统决策和广域阻尼控制提供可靠依据，对于抑制振荡，保持系统安全稳定运行有重要意义。

广域测量系统(wide area measurement system，WAMS)通过同步相量测量单元(phasor measurement unit，PMU)来实现全网情景知晓。基于WAMS实测数据监测低频振荡避免了对复杂高维非线性系统建模带来的维数灾问题。目前常用方法包括时频分析法和参数法。时频分析法有傅里叶算法、小波算法和希尔伯特-黄变换(Hilbert-huang Transform，HHT)等。傅里叶算法和小波算法对噪声鲁棒性好，能通过频谱分析提供主导振荡模式频率，但傅里叶算法难以提供时域局部化信息，较难描述信号衰减特性。小波脊算法和小波能量系数法能同时给出时频域振荡特性，但在固定振荡模式频率约束下，小波的时频域带宽难以灵活调整，导致相邻尺度频带易发生混叠，影响模式分辨率和辨识精度，且观测时窗较长，不利于分析时变信号。HHT算法通过经验模态分解(empirical mode decomposition，EMD)能有效剥离各振荡模式，并对非线性模式有较好跟踪能力，但EMD分解的物理意义尚不明确，缺乏验证固有模态分量为实际振荡模式还是虚假分量的理论依据，且没有给出算法观测时窗长度和模式分辨能力的定量分析。

参数法主要包括Prony、ESPRIT和矩阵束等。Prony在工程中得到广泛运用，但该方法对噪声较为敏感，且对非平稳振荡模式拟合能力不理想。ESPRIT和矩阵束通过对构造的Hankel矩阵进行奇异值分解，划分信噪空间并剔除噪声干扰因子，能有效提高算法对噪声鲁棒性，但算法的模式分辨能力、观测时间窗长度以及对非平稳信号的监测能力都需要进一步研究。

因此，必须研究具有较高模式分辨率，较短观测时窗长度和适用于非平稳振荡模式分析的电力系统低频振荡在线监测方法。

发明内容

一种电力系统低频振荡在线监测方法，其特征在于，包括以下步骤：

步骤1，利用时频原子复带通滤波函数在振荡频率区间对低频振荡信号进行初次并行滤波计算，获取该振荡频率区间的振荡模式个数、实际振荡频率分布和实时幅值信息；

步骤2，基于相邻实时幅值信息的冗余性，利用最小二乘优化获取各振荡模式幅值和衰减时间常数；

步骤3，根据步骤1已获取的振荡频率分布以及步骤2获取的各振荡模式幅值和衰减时间常数建立低频振荡信号模型，并根据粒子群优化算法对该模型进行优化估计，获取初相位和直流分量幅值。

本发明创造性地利用时频原子复带通滤波函数在低频带作并行复带通滤波获取各低频振荡模式频率和时域信息，并结合智能优化算法获取各振荡模式相位和直流分量。本发明在噪声干扰条件下对低频振荡波形中区间和局部振荡模式的频率、阻尼、幅值、相位和直流分量幅值参数具有较高的测量精度，具有较高的模式分辨率和较短的观测时窗长度，动态特性好，特别适用于非平稳振荡模式分析，为基于WAMS量测数据的电力系统动态特性在线监测和控制创造了条件。

在上述的低频振荡在线监测方法，所述的步骤1中，定义时频原子复带通滤波函数为对一具有低通特性的实函数η(t)进行频域调制和伸缩处理构造TFA复带通滤波函数：

式中，ε为带通宽度伸缩参数，ω_k为带通中心频率调制参数，其中，k＝1，2，L，N，N为所设置的TFA单元个数；上式对应的频域表达式为：