一种海上风电同步振荡辨识方法、系统、介质及设备

本发明涉及电力系统稳定控制，特别是关于一种基于多时间尺度解耦与双驱融合的海上风电同步振荡辨识方法、系统、介质及设备。

背景技术：

1、海上风电凭借其资源丰富、发电效率高、不占用陆地资源等优势，已成为可再生能源发展的重要方向。由于远海风电基地距离陆地电网较远，传统交流输电方式存在输电距离受限、电压稳定性差等问题，基于电压源换流器的柔性直流输电（vsc-hvdc）技术凭借其独立控制有功无功、适配弱电网、输电容量大等优势，已成为远海风电并网的主流技术方案。然而，海上风电柔直并网系统是一个由大量电力电子设备构成的强非线性、多输入多输出、多时间尺度耦合的复杂动态系统。风机的变流器控制、柔直换流站的锁相环控制、直流电压控制以及交流电网阻抗之间的相互作用，极易在次同步频段（2～45hz）和超同步频段（55～95hz）引发持续的功率振荡，即次或超同步振荡。此类振荡具有传播范围广、衰减速度慢、危害程度大等特点：轻则导致风机变流器过流跳闸、柔直换流站功率波动，影响电能质量；重则引发风机轴系扭振疲劳损坏、柔直换流站闭锁，甚至造成大面积停电事故。国内外已发生多起海上风电经柔直并网系统的次或超同步振荡事故，造成了严重的经济损失和社会影响，严重威胁电力系统的安全稳定运行。

2、快速、准确地辨识次或超同步振荡的关键参数（频率、阻尼比、相位），是实现振荡预警、抑制和控制的前提和基础。现有海上风电次或超同步振荡辨识技术难以同时满足高精度、强鲁棒性、高实时性和自适应工况变化的需求，无法有效应对远海风电集群经柔直并网系统复杂的振荡特性。

技术实现思路

1、针对上述问题，本发明的目的是提供一种海上风电同步振荡辨识方法、系统、介质及设备，能够实现多时间尺度动态解耦、数据与物理深度融合的新型次或超同步振荡辨识，为电力系统的安全稳定运行提供技术支撑。

2、为实现上述目的，第一方面，本发明采取的技术方案为：一种海上风电同步振荡辨识方法，其包括：采集广域测量系统中海上风电场并网点及柔直换流站交流侧的实测数据，并进行预处理，得到次或超同步频段的待分析信号；采用改进变分模态分解算法对所述待分析信号进行多时间尺度动态解耦，自适应分解为若干个对应独立次或超同步振荡模态的固有模态函数，并提取各模态函数的瞬时特征；将所述瞬时特征和物理模型先验知识输入构建的数据-物理双驱融合特征提取框架，输出高精度振荡特征量；基于所述高精度振荡特征量优化用于子空间辨识的初始参数，通过递推子空间辨识算法在线辨识各振荡模态的关键参数，得到辨识结果；基于所述辨识结果计算参数辨识残差，通过参数自适应校正机制，动态调整辨识策略。

3、进一步，所述提取各模态函数的瞬时特征，包括：

4、基于所述待分析信号的功率谱密度自适应确定初始模态数k，并设置初始化惩罚因子和收敛精度，构建变分问题约束模型；

5、求解变分问题约束模型得到初始固有模态函数，通过引入的模态重叠度指标，筛选出瞬时幅值大于预设值的有效固有模态函数，剔除噪声及虚假模态；

6、对每个有效固有模态函数进行希尔伯特变换计算瞬时特征，瞬时特征包括瞬时幅值、瞬时频率及瞬时相位。

7、进一步，所述变分问题约束模型为：

8、；

9、约束条件为：

10、；

11、其中，为第k阶固有模态函数的分量；为第k个固有模态函数对应的中心频率；为对时间t的一阶偏导数，用于表征模态时域变化速率；为单位冲激函数；j为虚数单位；t为连续时间变量；为圆周率常数；为卷积运算符号；为t时刻第k阶固有模态函数的瞬时信号值；为复频域旋转因子；为待分析信号；k为初始模态数。

12、进一步，所述模态重叠度指标为：

13、；

14、其中，和分别为第i、j个模态的带宽；分别为第i、j个固有模态函数对应的中心频率。

15、进一步，所述数据-物理双驱融合特征提取框架包括物理驱动模块、数据驱动模块和特征融合模块；

16、所述物理驱动模块，用于构建海上风电场侧及柔直换流站侧多输入多输出阻抗矩阵，通过舒尔补变换将多输入多输出阻抗矩阵降阶为单输入单输出等效正序阻抗；针对次或超同步频段引入受功率运行水平影响的锁相环控制环节系数矩阵及桥臂动态模型，遍历多功率运行水平生成包含各典型模态频率范围、阻尼比范围及相位关系的先验特征库；

17、所述数据驱动模块，用于构建自适应滑动窗长短时记忆网络，以所述有效固有模态函数为输入，自动学习振荡信号的非线性动态特征；引入注意力机制对不同时间尺度的特征向量进行加权融合，输出初步特征向量；

18、所述特征融合模块，计算初步特征向量与先验特征库中特征向量的余弦相似度，匹配度最高的特征向量对应的参数范围作为初始约束；采用贝叶斯融合算法结合物理模型先验概率与实测数据似然概率，修正得到高精度振荡特征量。

19、进一步，采用改进粒子群优化算法优化用于所述子空间辨识的初始参数，包括：

20、初始化粒子群参数，采用混沌映射初始化粒子位置与速度；

21、引入自适应惯性权重，其中，为当前迭代次数，t为粒子群算法最多迭代次数，为预先设定的最大权重，为预先设定的最小权重；

22、粒子速度与位置更新公式如下：

23、；

24、；

25、其中，为学习因子，为[0,1]区间的随机数，为个体最优位置，为全局最优位置，为更新后的粒子速度，为更新前的粒子速度，为更新前的粒子位置，为更新后的粒子位置；

26、加入高斯变异操作：；其中，为标准正态分布随机数；

27、适应度函数定义为辨识输出与实测信号的均方误差，公式如下：

28、；

29、其中，为第k个采样点的实测信号，为模拟振荡响应信号，n为粒子数总数。

30、进一步，基于所述辨识结果计算参数辨识残差，通过参数自适应校正机制，动态调整辨识策略，包括：

31、所述参数辨识残差，为第k个采样点的实测信号，为模拟振荡响应信号；

32、当所述参数辨识残差大于第一设定阈值且持续超过5个采样点时，判定系统工况发生突变，自动触发改进粒子群优化算法重新寻优，更新子空间辨识初始参数；

33、当辨识得到的关键参数中阻尼比小于第二设定阈值时发出一级失稳预警，当阻尼比小于0时发出二级紧急预警，并将辨识参数上传至宽频振荡控制系统。

34、第二方面，本发明采取的技术方案为：一种海上风电同步振荡辨识系统，其包括：数据采集与预处理模块，采集广域测量系统中海上风电场并网点及柔直换流站交流侧的实测数据，并进行预处理，得到次或超同步频段的待分析信号；多时间尺度解耦模块，采用改进变分模态分解算法对所述待分析信号进行多时间尺度动态解耦，自适应分解为若干个对应独立次或超同步振荡模态的固有模态函数，并提取各模态函数的瞬时特征；数据-物理双驱特征提取模块，将所述瞬时特征和物理模型先验知识输入构建的数据-物理双驱融合特征提取框架，输出高精度振荡特征量；动态参数辨识模块，基于所述高精度振荡特征量优化用于子空间辨识的初始参数，通过递推子空间辨识算法在线辨识各振荡模态的关键参数，得到辨识结果；自适应校正模块，基于所述辨识结果计算参数辨识残差，通过参数自适应校正机制，动态调整辨识策略。

35、第三方面，本发明采取的技术方案为：一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。

36、第四方面，本发明采取的技术方案为：一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。

37、本发明由于采取以上技术方案，其具有以下优点：

38、1、本发明采用基于功率谱密度自适应定阶与模态重叠度筛选的改进变分模态分解算法，实现了海上风电次或超同步振荡多时间尺度动态的精准解耦，有效解决了传统信号分解方法存在的模态混叠和虚假模态问题，显著提升了振荡特征提取的准确性。

39、2、本发明构建了数据-物理双驱深度融合特征提取框架，通过贝叶斯融合算法将物理模型先验知识与实测数据非线性特征有机结合，既克服了纯物理模型参数依赖强、计算复杂度高的缺陷，又解决了纯数据驱动方法鲁棒性差、结果缺乏物理意义的问题。

40、3、本发明采用改进粒子群优化算法优化递推子空间辨识初始参数，大幅提升了辨识算法的收敛速度和精度；同时引入参数自适应校正机制，能够动态适应系统运行工况的变化，实现了复杂工况下振荡参数的在线高精度辨识，为海上风电经柔直并网系统的振荡预警与抑制提供了可靠的技术支撑。