[发明专利]一种基于最优变量投影的电力系统动态稳定评估方法

说明书

本发明公开了一种基于最优变量投影的电力系统动态稳定评估方法，包括：提取广域量测信息的前N‑1列与后N‑1列数据序列构建量测数据矩阵，借助FDM对量测数据矩阵进行预处理，得到处理后的量测数据矩阵；根据处理后的量测数据矩阵、借助DMD获取初始特征值向量；采用VPM对广域量测信息和初始特征值向量进行优化操作，构建经优化处理的向量和振荡模态，根据优化处理的向量辨识振荡模式；根据各通道能量值计算各量测通道的能量权重，进而甄别所辨识振荡模式与振荡模态中的主导振荡模式和主导振荡模态；通过主导振荡模式和主导振荡模态，计算各主导振荡模式下的参与因子，进一步引入相关系数法，利用主导振荡模态辨识多组主导振荡模式共同作用下的同调机群结果。

技术领域

本发明涉及电力系统领域，尤其涉及一种基于最优变量投影(Optimized Var-Pro)的电力系统动态稳定评估方法。

背景技术

随着电力产业的迅猛发展、电网互联规模的日益扩大、能源供应需求的不断提高，使得电力系统的工作状态日趋饱和。随之而产生的低频振荡现象已成为限制区域间功率传输能力，影响电网安全稳定运行的重要因素之一。动态稳定问题通常是由于阻尼匮乏而引起的低频振荡现象。近年来，世界各国电力互联系统由于低频振荡现象所引起的电网大规模解列及大停电事故的频繁发生，使得电网运行调度人员尤为关注系统受扰动后稳定运行的动态信息。因此，如何快速准确的辨识低频振荡信息并有效地抑制低频振荡现象对电网持续可靠运行有着极为重要的现实意义^[1-3]。

现代电力系统的动态稳定分析主要以广域量测信息为基础，结合数据分析方法辨识系统的振荡模式、振荡模态、参与因子和同调机群。传统的数据分析方法主要是基于数学模型的分析方法，即特征值分析法(EA)。EA主要基于系统的潮流方程和各元件的机电暂态模型，构建系统的非线性微分-代数方程，在平衡点处进行线性化处理得到线性化后的系统状态矩阵，从而计算特征值和特征向量，并借助李雅普诺夫第一稳定性判据判断在平衡点处是否稳定。该方法虽能计算出系统所有的机电振荡模式，给予所有振荡模式下系统的可观性和可控性，但随着电网互联规模的不断扩大，EA的众多缺陷问题逐渐浮现。因此，该方法常用于电力系统的离线稳定分析^[4]。

目前，基于广域量测信息的分析方法主要包括连续小波变换(CWT)、Prony算法、经验模态分解(EMD)。其中，CWT虽然可以辨识系统的振荡参数，但其不能从多通道角度、充分考量系统各发电机间的关联性，其所辨识的结果仅能表现系统的局部振荡特性；Prony算法只能对大扰动、平稳信号进行处理，而在电力系统中，信号一般都是非平稳、非线性信号，因此Prony算法不具有通用性；EMD在分解信号时，常出现模式混叠和端点效应等诸多缺陷，且对于囊括振荡模式强相关信息的振荡模态、参与因子和同调机群辨识未开展广泛研究。在此基础上，由于广域量测信息均是从实际电力系统中提取出来，其内部蕴含大量噪声信号，极大的影响了算法的辨识精度，因此，提出一种具有较强鲁棒性的广域量测分析方法尤为重要。

发明内容

本发明提供了一种基于最优变量投影的电力系统动态稳定评估方法，本发明实现了基于相量量测单元(PMU)实测数据的电力系统动态稳定评估，在有效弥补动态模态分解(DMD)辨识精度不足的同时，还着重提升其抗噪声能力，具有较强的鲁棒性，详见下文描述：

一种基于最优变量投影的电力系统动态稳定评估方法，所述方法包括：

提取广域量测信息x(t)的前N-1列与后N-1列数据序列构建量测数据矩阵，借助FDM对量测数据矩阵进行预处理，得到处理后的量测数据矩阵；

根据处理后的量测数据矩阵、借助DMD获取初始特征值向量；

采用VPM对广域量测信息x(t)和初始特征值向量进行优化操作，构建经优化处理的向量和振荡模态，根据优化处理的向量辨识振荡模式；

根据各通道能量值计算各量测通道的能量权重，进而甄别所辨识振荡模式与振荡模态中的主导振荡模式和主导振荡模态；