一种电力系统次/超同步振荡信号辨识方法与流程

本发明涉及电力系统振荡信号辨识方法领域，具体是一种电力系统次/超同步振荡信号辨识方法。

背景技术：

1、随着风电、光伏、柔性直流输电及各类电力电子设备大量接入，电力系统动态特性逐渐由同步机主导转向多控制器、多阻抗网络耦合共同作用的新形态。在弱电网、串补线路、直流输电送受端和新能源集中外送等场景中，控制环节、网络谐振与电磁暂态过程易相互耦合，诱发次/超同步振荡。该类振荡具有频率成分复杂、阻尼低、持续时间短、噪声干扰强和工况敏感等特点，若不能及时识别，可能导致保护误动、功率振荡放大、设备疲劳甚至新能源出力受限。

2、次/超同步振荡信号监测辨识的关键，是从pmu、录波或emt仿真信号中准确提取模态频率、模态衰减因子、模态幅值和模态相角，为振荡风险判断、阻尼裕度评估和控制参数整定提供依据。现有prony、matrix pencil等方法效率较高，但在噪声、近邻频率和模型阶次不准时易产生虚假模态；emd类方法存在端点效应和模态混叠；vmd虽具有较好的窄带分解能力，但对模态数和惩罚因子较为敏感。非线性最小二乘拟合可直接获得物理参数，却容易受初始值影响并陷入局部最优。

技术实现思路

1、本发明提供了一种电力系统次/超同步振荡信号辨识方法，以解决现有技术次/超同步振荡信号辨识方法存在的易产生虚假模态、端点效应和模态混叠、容易受初始值影响并陷入局部最优的问题。

2、为了达到上述目的，本发明所采用的技术方案为：

3、一种电力系统次/超同步振荡信号辨识方法，过程如下：

4、步骤1、获取电力系统的次/超同步振荡信号，并对次/超同步振荡信号进行降噪，得到降噪后的次/超同步振荡信号；

5、步骤2、确定vmd分解时的最优vmd参数，并获取最优vmd参数下对步骤1得到的降噪后的次/超同步振荡信号进行vmd分解得到的多个imf分量；

6、步骤3、针对步骤2得到的最优vmd参数下的每个imf分量，分别建立指数衰减余弦拟合模型；通过寻优获取指数衰减余弦拟合模型得到的时域拟合波形与相应imf分量之间的均方差最小时，指数衰减余弦拟合模型的最优频率、最优衰减因子、最优幅值、最优相位角，作为相应imf分量的初始模态频率、初始模态衰减因子、初始模态幅值、初始模态相位角；

7、步骤4、对步骤3得到的各个imf分量的初始模态参数进行精修，得到每个imf分量精修后的模态参数，由此完成对电力系统次/超同步振荡信号的辨识。

8、进一步的，步骤1中，采用小波阈值方法对获取的次/超同步振荡信号进行降噪预处理。

9、进一步的，小波阈值方法中，采用symlet小波作为小波基。

10、进一步的，步骤2中，设定模态数k的整数候选范围和惩罚因子的连续搜索范围；对每一个候选模态数k固定后，采用brent型有界搜索方法在惩罚因子的搜索范围内进行迭代搜索，得到当前候选模态数k对应的候选惩罚因子；

11、对每一组候选参数（k，）下的降噪后次/超同步振荡信号进行vmd分解，并基于得到的多个imf分量计算该组候选参数对应的综合评分函数；

12、遍历模态数k的全部候选值后，以使综合评分函数取得最小值的参数组合（，）作为最优vmd参数，并获取在最优vmd参数（，）下对降噪后的次/超同步振荡信号进行vmd分解得到的多个imf分量。

13、进一步的，每次迭代的综合评分函数，基于多主频惩罚、归一化频谱带宽惩罚、指数衰减正弦拟合惩罚、模态间相关性惩罚计算得到。

14、进一步的，所述多主频惩罚基于各imf分量中的显著谱峰数量计算得到；

15、所述归一化频谱带宽惩罚基于各imf分量的功率谱能量分布计算得到；

16、所述指数衰减正弦拟合惩罚基于各imf分量与最佳单一指数衰减余弦模型之间的归一化拟合残差计算得到；

17、所述模态间相关性惩罚基于imf分量之间的皮尔逊相关系数计算得到。

18、进一步的，步骤3中，采用鲸鱼优化算法，通过鲸鱼优化算法在每个imf分量对应的指数衰减余弦拟合模型中频率的约束范围、衰减因子的约束范围、幅值的约束范围、相位角的约束范围进行寻优搜索，找到指数衰减余弦拟合模型得到的时域拟合波形与相应imf分量之间的均方差最小时的最优频率、最优衰减因子、最优幅值、最优相位角，作为相应imf分量的初始模态参数。

19、进一步的，锁定每个imf分量主频附近的可疑频带，再在可疑频带内采用zoom-fft进行局部频谱细化得到该imf分量的精细主频，基于精细主频和频率搜索半宽，构建得到该imf分量的所述频率约束范围；

20、计算每个imf分量的时域峰值，基于时域峰值构建该imf分量的所述幅值约束范围；

21、基于次/超同步振荡信号的数据窗长度、数据窗窗口末端允许的最小包络比例，结合非负衰减因子，计算得到每个imf分量的衰减因子约束范围；

22、每个imf分量对应的指数衰减余弦拟合模型中相位角的约束范围取[-, ]。

23、进一步的，步骤4中，采用非线性最小二乘法nls，对步骤3得到的各个imf分量的初始模态参数进行精修。

24、进一步的，步骤4中，首先将每个imf分量初始模态参数中的初始模态幅值和初始模态相位角用两个线性系数表示，得到每个imf分量对应的改写后的指数衰减余弦拟合模型；并以每个imf分量对应的两个线性系数、初始模态衰减因子、初始模态频率构成该imf分量对应的待优化模态参数集合；

25、然后采用nls算法，以每个imf分量对应的待优化模态参数集合作为迭代起点，以该imf分量与改写后的指数衰减余弦拟合模型之间的均方残差为目标函数进行迭代；当相邻两次迭代的目标函数相对变化量不大于预设收敛阈值c，或迭代次数达到预设最大迭代次数时终止迭代，得到两个最优线性系数、最优模态衰减因子和最优模态频率；

26、最后基于两个最优线性系数还原得到每个imf分量的最优模态幅值、最优模态相位角，以最优模态幅值、最优模态相位角、最优模态衰减因子、最优模态频率，作为每个imf分量精修后的模态参数。

27、本发明提出一种电力系统次/超同步振荡信号辨识方法，首先对原始次/超同步2信号进行降噪处理，以降低随机噪声和高频扰动对模态分解的影响；再通过vmd将复杂暂态信号分解为若干具有窄带特征的imf分量，并利用brent搜索与分解质量评价函数实现vmd参数的自适应确定；最后对各imf分量逐一建立指数衰减余弦模型，通过woa提供较稳定的初始参数，并由nls进一步完成局部精修。

28、本发明方法中提出一种分解-辨识一体化优化框架，将模态分解与参数估计统一建模为单一优化问题。在该框架下，构建面向电力振荡机理的物理一致性目标函数，从模态唯一性、频谱集中性及指数衰减动力学一致性等方面约束分解结果。针对该非凸优化问题，采用全局-局部协同求解策略，通过全局搜索获得稳定初值，并结合局部优化实现高精度参数估计。

29、与现有方法相比，本发明的有益效果如下：第一，提出分解-辨识一体化优化框架，将模态分解与参数估计统一建模；第二，将复杂振荡信号先分解为若干具有明确频带特征的imf分量，再对各分量分别建立参数估计模型，以降低不同振荡模态之间的耦合影响，提高弱阻尼和近邻频率分量的辨识稳定性；第三，构建面向振荡机理的物理一致性目标函数，实现vmd参数的物理约束优化；第四，构建全局-局部协同优化机制，提高非凸问题的收敛稳定性。：