[发明专利]一种电网宽频带振荡在线辨识方法和系统

说明书

本发明实施例提供一种电网宽频带振荡在线辨识方法和系统，建立含新能源发电接入的电力系统模型，对典型扰动/故障工况进行仿真分析，从中提取得到新能源电力系统的动态行为特征信息；其次，利用历史数据、实时数据以及仿真数据，建立相应的动态行为特征库；最后根据特征库中的数据类，建立相应的动态数据在线分类器，实现测量信号数据与宽频带振荡模式以及相应参数之间的快速自动匹配。本发明能够快速自动地完成宽频带振荡的模态辨识，即实现宽频带振荡的在线辨识，且辨识得到的参数可作为后续阻尼控制输入信号的选取依据。

技术领域

本发明实施例涉及电力系统分析技术领域，尤其涉及一种电网宽频带振荡在线辨识方法和系统。

背景技术

目前，随着社会经济等的快速发展以及居民用电需求的不断增加，电力系统的规模正在不断扩大，电网互联程度在不断加深。近年来，随着化石能源的过度开采，传统能源发电方式逐渐受到了限制，以风电与光电为代表的新能源发电方式有了大规模的发展。当前，新能源的集中式并网与分布式并网方式在电网中同时存在，这使得电网结构和运行方式变得更为复杂。电网振荡有可能会呈现出多种振荡模式混杂的情况。

从现有文献来看，电网振荡问题的研究方法主要分为基于线性化电力系统模型的模态分析法以及基于广域测量系统的实测信号分析法。基于线性化电力系统模型的模态分析法包括特征值分析法、正规形方法、模态级数法、时域仿真法等。这类方法能从机理上揭示电力系统在某一运行方式下的动态行为，但这类方法的缺点是需要预先获知详细的电力系统动态参数，难以用于实现宽频带振荡的在线辨识。基于广域测量系统的实测信号分析法包括小波变换法、经验模态分解法、希尔伯特-黄变换法、变分模态分解法、Prony算法等，这类方法物理意义较为直观，但存在计算复杂、计算量大等问题，且在次同步振荡和超同步振荡的在线快速监测和实时预警方面还存在着一些瓶颈问题。

发明内容

本发明实施例提供一种电网宽频带振荡在线辨识方法和系统，充分利用电力系统广域测量大数据，通过动态数据分类模型实现实测数据和宽频带振荡模式之间的快速自动匹配，为后续的阻尼控制信号的选取提供参数依据。

第一方面，本发明实施例提供一种电网宽频带振荡在线辨识方法，包括：

构建包括新能源发电接入的电力系统仿真模型，根据所述电力系统仿真模型进行扰动工况分析，提取动态行为特征数据；

将所述动态行为特征数据输入至预先训练好的动态数据分类模型中进行分类，得到宽频带振荡模式及其相应的参数。

作为优选的，所述根据所述电力系统仿真模型进行扰动工况分析，提取动态行为特征信息，具体包括：

分别分析光照强度、温度和风速对电力系统振荡的影响，获取不同光照强度、不同温度和不同风速下的仿真动态行为特征数据；

提取历史动态行为特征数据和实时动态行为特征数据，并结合仿真动态行为特征数据，根据k-shape聚类算法建立动态行为特征库。

作为优选的，所述动态行为特征数据包括有功功率和电压幅值；

所述动态行为特征库中包括功功率振荡数据以及相应振荡模式的标签。

作为优选的，所述根据k-shape聚类算法建立动态行为特征库后，还包括：

基于随机森林算法建立动态数据分类模型，所述动态数据分类模型包括多个CART决策树和一个强学习器；

将动态行为特征库中的数据经过随机有放回的采样之后输入到各个CART决策树当中，各个CART决策树的输出接入强学习器，由强学习器来进行投票决定输出宽频带振荡模式及其相应的参数。

作为优选的，所述根据k-shape聚类算法建立动态行为特征库，具体包括：