[发明专利]基于广域信息的LMD互联电力系统低频振荡分析方法

说明书

本发明公开了一种基于广域信息的LMD互联电力系统低频振荡分析方法，包括：根据互联电力系统故障下低频振荡状态实测数据，对预设区域中各类数据信号按照时间点排序进行整合，构成振荡信号矩阵，采集信号的时间窗长度为矩阵行数，取为己知所述预设区域中最低频率模式的两个周期，矩阵列数为测量振荡信号种类的数量；对所述信号矩阵每一列信号进行LMD分解得到振荡模态分量及剩余趋势分量；根据所述振荡模态分量计算每个振荡模态分量的相关参数，所述相关参数包括瞬时频率、瞬时幅值和阻尼。本发明具有如下优点：可以实现局部包络优化，有效改善LMD分解的端点效应，实现基于此分解结果的振荡特征辨识。

技术领域

本发明涉及电力系统低频振荡分析技术领域，具体涉及一种基于广域信息的LMD互联电力系统低频振荡分析方法。

背景技术

大型电力系统的互联现象越来越普遍，其目的是提高发、输电的可靠性与经济性，但系统规模的扩大，使得电网结构和运行方式复杂多样化，导致系统稳定性问题更加突出。大区域电网的弱互联限制联络线的传输能力，且会大幅降低系统间的阻尼，某些弱联系甚至导致系统出负阻尼，使得系统出现频率为0.1～2.5Hz的低频振荡现象，参与该振荡的机组转子相对摆动，输电线路上功率传输异常影响系统正常运行，严重时系统失步，并可能引发连锁故障、大面积停电等严重后果。

低频振荡的动态特性，需要提取低频振荡信号的瞬时参数，并且辨识出振荡的阻尼比大小，以便运行控制人员全面获得振荡特征进行相关调控，准确把握提高系统小干扰稳定性的方向，指导例如电力系统稳定器等稳定控制装置的安装。而电力系统低频振荡信号为非线性时变复合信号，因此参数提取前需要对其进行振荡模态分解。

目前振荡信号分解的方法主要有傅里叶变换、小波变换、矩阵束辨识、Prony算法、HHT(希尔伯特-黄变换)算法等。傅里叶变换不能提取信号的局部特征，不适用于非线性信号；小波变换对于小波的选取具有一定的局限性，不具有很好的适应性；矩阵束辨识法可估计系统振荡模态，具有较优的抗噪声能力，但是对于信号的时变特性不能准确分析；Prony算法作为一种常用的低频振荡信号分析方法，仍存在一些问题，如定阶问题处理不准确、抗噪声干扰能力不足等。HHT是一种新型的时域分析方法，包括经验模态分解(EMD)和希尔伯特变化两个过程，该方法充分考虑信号局部尺度特征，可以识别非线性信号振荡模态组合，并且获取振荡模态的多个信息包括瞬时频率、瞬时幅值、阻尼。但是由于其分解方法本身的限制，过程中会出现过包络、欠包络、模态混叠等问题，得到的各个分量对应的物理意义不明确，同时，利用希尔伯特法计算瞬时频率和瞬时幅值时可能出现的边缘效应和负频率问题限制了该方法的实际应用能力。在EMD分解基础上出现的局部均值分解(LMD)法较之在分解方法与变量物理意义表达方面具有显著的优越性，有利于提高低频振荡信号分解的准确性与信号的完备性，瞬时参数的计算更加明确表达信号的物理特性。但是仍存在三个因素主要影响LMD分解精度，分别为：采样频率、滑动平均跨度、端部效应处理。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的目的在于提出一种基于广域信息的LMD互联电力系统低频振荡分析方法，可以实现局部包络优化，有效改善LMD分解的端点效应，实现基于此分解结果的振荡特征辨识。

为了实现上述目的，本发明的实施例公开了一种基于广域信息的LMD互联电力系统低频振荡分析方法，包括以下步骤：根据互联电力系统故障下低频振荡状态实测数据，对预设区域中各类数据信号按照时间点排序进行整合，构成振荡信号矩阵，采集信号的时间窗长度为矩阵行数，取所述预设区域中最低频率模式的两个周期，矩阵列数为测量振荡信号种类的数量；对所述信号矩阵每一列信号进行LMD分解得到振荡模态分量及剩余趋势分量；根据所述振荡模态分量计算每个振荡模态分量的相关参数，所述相关参数包括瞬时频率、瞬时幅值和阻尼。