一种电力系统负弱阻尼机组识别方法及系统与流程

1.本发明涉及高水电占比的电力系统负弱阻尼机组识别领域，具体涉及一种电力系统负弱阻尼机组识别方法及系统。


背景技术：

2.目前高水电占比已成为西南电网的主要特征。近年来在西南电网出现的由水电引起的超低频振荡现象越来越频繁，大大增加了系统解列的风险。为保证电网的安全稳定运行，需要在超低频振荡出现后迅速将其抑制，而精准识别出负阻尼阻尼机组是制定有效抑制超低频振荡策略的前提。
3.对以往的振荡事故分析表明，超低频振荡发生的主要原因是由于水轮机调速器参数和水锤效应调速系统在超低频段呈现出明显的负阻尼。当电网以水电为主时，负阻尼效应就会占主导地位，就更容易造成超低频率振荡，因此急需一种高水电占比条件下的电力系统负弱阻尼机组识别方法。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供了一种电力系统负弱阻尼机组识别方法及系统。
5.为了达到上述发明目的，本发明采用的技术方案为：
6.一方面，一种电力系统负弱阻尼机组识别方法，包括以下步骤：
7.s1、采集电力系统中机组异常数据，并进行预处理，得到各台发电机的振荡信号；
8.s2、对各发电机的振荡信号进行模式分解，计算各振荡信号的振荡分量，得到各振荡信号的离散时序参数；
9.s3、利用阻尼转矩分析法根据各振荡信号的离散时序参数得到各发电机在各振荡模式下的阻尼转矩系数；
10.s4、根据各发电机在各振荡模式下的阻尼转矩系数进行电力系统负弱阻尼机组识别。
11.优选地，步骤s1具体为：
12.采集电力系统在扰动后发生超低频振荡或低频振荡时段内各机组电磁转矩、角速度、功角的离散时序数据，并计算各发动机的电磁转矩变化率、角速度变化率以及功角变化量，得到预处理后的各发电机的振荡信号。
13.该优选方案具有以下有益效果：
14.采集原始数据为后续数据合成和计算，完成数据预处理，优化数据计算步骤。
15.优选地，步骤s2具体包括以下分步骤：
16.s21、根据各台发电机的振荡信号构建hankel数据矩阵，hankel数据矩阵表示为：
[0017][0018]
其中，x为hankel数据矩阵，l为hankel矩阵的行数，m为hankel矩阵的列数，n为振荡信号总的采样点数，x(l-1)为矩阵x第l-1行的向量，x(l-1)为矩阵x第一列第l-1行的参数；
[0019]
s22、对hankel数据矩阵进行奇异值分解，得到各奇异值的右特征向量组成的酉矩阵，表示为：
[0020][0021]
其中，svd为奇异值分解，h为共轭转置，σ为奇异值组成的对角矩阵，u为各奇异值的左特征向量组成的酉矩阵，v为各奇异值的右特征向量组成的酉矩阵，us为各奇异值的左特征向量组成的酉矩阵中信号部分构成的矩阵，un为各奇异值的左特征向量组成的酉矩阵中噪声部分构成的矩阵，σs为对角矩阵中信号部分所构成的矩阵，σn为对角矩阵中噪声部分所构成的矩阵，vs为信号子空间，vn为噪声子空间；
[0022]
s23、根据各奇异值的右特征向量组成的酉矩阵，构造优化矩阵，并进行奇异值分解，得到各振荡信号中各分量的频率与衰减系数；
[0023]
s24、利用最小二乘法根据各分量的频率与衰减系数，得到各振荡信号中各分量中幅值与初始相位角，
[0024]
s25、根据幅值与初始相位角，得到各振荡信号的离散时序参数。
[0025]
该优选方案具有以下有益效果：
[0026]
奇异值分解振荡信号，将其处理成信号空间和噪声空间达到降阶去噪，根据得到的模式信息还原震荡信号的离散时序数据。
[0027]
优选地，步骤s23具体包括以下分步骤：
[0028]
s231、根据各奇异值的右特征向量组成的酉矩阵构造优化矩阵；
[0029]
s232、对优化矩阵进行奇异值分解；
[0030]
s233、根据奇异值分解后的优化矩阵，得到总体最小二乘矩阵的特征值，并得到各振荡信号中各分量的频率与衰减系数。
[0031]
该优选方案具有以下有益效果：
[0032]
奇异值分解优化矩阵空间，得到振荡信号的模式信息。
[0033]
优选地，步骤s231具体为：
[0034]
将信号子空间中矩阵第一行数据删除，将噪声子空间中矩阵最后一行数据删除，构建新的各奇异值的右特征向量组成的酉矩阵，得到优化矩阵。
[0035]
该优选方案具有以下有益效果：
[0036]
优化信号空间数据，构建新的优化矩阵。
[0037]
优选地，步骤s3具体为：
[0038]
将各振荡信号的离散时序参数带入阻尼转矩分析法中，并利用最小二乘法计算各发电机在各振荡模式下的阻尼转矩系数。
[0039]
该优选方案具有以下有益效果：
[0040]
完成阻尼转矩系数的计算，为负、弱阻尼机组的识别提供数据基础。
[0041]
另一方面，一种电力系统负弱阻尼机组识别系统，包括：
[0042]
数据预处理模块，用于采集电力系统中机组异常数据，并进行预处理，得到各台发电机的振荡信号；
[0043]
模式分解模块，用于对各发电机的振荡信号进行模式分解，计算各振荡信号的振荡分量，得到各振荡信号的离散时序参数；
[0044]
阻尼转矩计算模块，用于利用阻尼转矩分析法根据各振荡信号的离散时序参数得到各发电机在各振荡模式下的阻尼转矩系数；
[0045]
阻尼机组识别模块，用于根据各发电机在各振荡模式下的阻尼转矩系数进行电力系统负弱阻尼机组识别。
[0046]
本发明具有以下有益效果：
[0047]
通过采集电力系统中机组异常数据，并进行预处理，得到各台发电机的振荡信号，并进行模式分解，得到各振荡信号的离散时序参数，利用阻尼转矩分析法根据各振荡信号的离散时序参数得到各发电机在各振荡模式下的阻尼转矩系数，结合阻尼转矩系数进行电力系统负弱阻尼机组识别，解决了在低频振荡或超低频振荡情况下，通过识别电力系统中负阻尼或弱阻尼找到引起振荡的机组，从而有效制定超低频振荡策略。
附图说明
[0048]
图1为本发明提供的一种电力系统负弱阻尼机组识别方法的步骤流程图；
[0049]
图2为本发明中步骤s2的分步骤流程图；
[0050]
图3为本发明中步骤s23的分步骤流程图；
[0051]
图4为本发明提供的一种电力系统负弱阻尼机组识别系统的结构示意图；
[0052]
图5为本发明实施例提供的4机2区系统的单线连接图；
[0053]
图6为本发明实施例提供的发电机g2有功振荡曲线；
[0054]
图7为本发明实施例提供的投入pss后的发电机g2有功功率振荡曲线。
具体实施方式
[0055]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0056]
本发明提供了一种电力系统负弱阻尼机组识别方法及系统；
[0057]
如图1所示，一方面，一种电力系统负弱阻尼机组识别方法，包括以下步骤：
[0058]
s1、采集电力系统中机组异常数据，并进行预处理，得到各台发电机的振荡信号；
[0059]
优选地，步骤s1具体为：
[0060]
采集电力系统在扰动后发生超低频振荡或低频振荡时段内各机组电磁转矩、角速度、功角的离散时序数据，并计算各发动机的电磁转矩变化率、角速度变化率以及功角变化量，得到预处理后的各发电机的振荡信号。
[0061]
可选的，超低频振荡为小于0.1hz的振荡，低频振荡为满足0.1hz-2.5hz之间的振荡，可以通过广域测量系统wams来实时获取系统各振荡信号数据，广域测量系统wams是一套在线监视电力系统动态过程的系统，wams基于同步相量测量单元pmu可以完成对电力系统内所有线路、变压器及发电机等的实时数据采集，包括频率、有功、无功、电压幅值与相角及电流幅值与相角等，并迅速将采集的广域测量系统wams实测数据上传至相应的监测主站，为电力系统的安全稳定分析提供数据基础；
[0062]
通过测量装置实时采集电力系统在扰乱后发生超低频或低频时段t内各机组电磁转矩te、角速度ω、功角δ的离散时序数据，并计算各发动机的电磁转矩变化率δte，计算式表示为：δte＝t
e-t
e0
、角速度变化率δω；计算式表示为：δω＝ω-ω0；以及功角变化量δδ，计算式表示为：δδ＝δ-δ0，其中，t
e0
、ω0、δ0分别为电力系统中电磁转矩、转速、功角的稳态值，得到预处理后的各发电机的振荡信号。
[0063]
s2、对各发电机的振荡信号进行模式分解，计算各振荡信号的振荡分量，得到各振荡信号的离散时序参数；
[0064]
实际中，对预处理后的各发电机的振荡信号：电磁转矩变化率δte、角速度变化率δω、功角变化量δδ行tls-esprit模式分解，则可以把任何一个振荡信号在第n个采样点写成表达式：其中，ts为采样周期，a
p
、ω
p
、σ
p
分别为第p个衰减分量的幅值、初始相位、角频率和衰减系数，w(n)为均值为0的白噪声。
[0065]
如图2所示，步骤s2具体包括以下分步骤：
[0066]
s21、根据各台发电机的振荡信号构建hankel数据矩阵，hankel数据矩阵表示为：
[0067][0068]
其中，x为hankel数据矩阵，l为hankel矩阵的行数，m为hankel矩阵的列数，n为振荡信号总的采样点数，且hankel矩阵的行数l》模型阶数p；hankel矩阵的列数m》模型阶数p；hankel矩阵的行数l hankel矩阵的列数m-1＝振荡信号总的采样点数n；x(l-1)为矩阵x第l-1行的向量，x(l-1)为矩阵x第一列第l-1行的参数；
[0069]
s22、对hankel数据矩阵进行奇异值分解，得到各奇异值的右特征向量组成的酉矩阵，表示为：
[0070][0071]
其中，svd为奇异值分解，h为共轭转置，σ为奇异值组成的对角矩阵，u为各奇异值的左特征向量组成的酉矩阵，v为各奇异值的右特征向量组成的酉矩阵，us为各奇异值的左特征向量组成的酉矩阵中信号部分构成的矩阵，un为各奇异值的左特征向量组成的酉矩阵中噪声部分构成的矩阵，σs为对角矩阵中信号部分所构成的矩阵，σn为对角矩阵中噪声部分所构成的矩阵，vs为信号子空间，vn为噪声子空间；
[0072]
s23、根据各奇异值的右特征向量组成的酉矩阵，构造优化矩阵，并进行奇异值分解，得到各振荡信号中各分量的频率与衰减系数；
[0073]
如图3所示，步骤s23具体包括以下分步骤：
[0074]
s231、根据各奇异值的右特征向量组成的酉矩阵构造优化矩阵；
[0075]
优选地，步骤s231具体为：
[0076]
将信号子空间中矩阵第一行数据删除，将噪声子空间中矩阵最后一行数据删除，构建新的各奇异值的右特征向量组成的酉矩阵，得到优化矩阵。
[0077]
可选的，为了表述方便，规定符号
“↑”
、
“↓”
分别表示矩阵删除第一行和最后一行得到的新矩阵，当把各奇异值的右特征向量组成的酉矩阵v分成2部分，即v＝[vs,vn]，信号子空间vs的列向量是对应于矩阵x的幅值最大的p个奇异值的特征向量，令v1＝vs↓
,v2＝vs↑
，得到优化矩阵[v1,v2]。
[0078]
s232、对优化矩阵进行奇异值分解；
[0079]
可选的，对优化矩阵[v1,v2]并进行奇异值分解，即其中，u'为由矩阵[v1,v2]奇异值分解后左特征向量组成的矩阵，v
′
∈c
2p
×
2p
，v
′
为由矩阵[v1,v2]奇异值分解后右特征向量组成的矩阵，同时可将由矩阵[v1,v2]奇异值分解后右特征向量组成的矩阵分块得到4个p
×
p的矩阵，即：
[0080]
s233、根据奇异值分解后的优化矩阵，得到总体最小二乘矩阵的特征值，并得到各振荡信号中各分量的频率与衰减系数。
[0081]
可选的，根据由矩阵[v1,v2]奇异值分解后右特征向量组成的矩阵，可以得到总体最小二乘矩阵ψ
tls
，表示为：则可计算得到总体最小二乘矩阵ψ
tls
的特征值λ
p
(p＝1,2，
…
，p)，从而得到各振荡信号中各分量的频率与衰减系数，其中，第p个分量的频率f
p
、衰减系数σ
p
和阻尼比ξ
p
可分别表示为：可分别表示为：
[0082]
s24、利用最小二乘法根据各分量的频率与衰减系数，得到各振荡信号中各分量中幅值与初始相位角；
[0083]
可选的，可以通过最小二乘法求得幅值和初始相角信息；考察n点采样信号，有：y＝λc。式中：y＝[x(0),x(1),
…
,x(n-1)]
t
为n点采样信号组成的向量，c＝[c1,c2,
…
,c
p
]
t
为待求得的p维过程行向量，c
p
向量为c的第p个数，为以p个特征值为参数组成的范德蒙矩阵的逆矩阵，为第n行第p列的值，，使用最小二乘法可以得到c＝(λhλ)-1
λhy。最后得到信号中各个分量的幅值a
p
和相位计算式可表示为：a
p
＝|c
p
|，
[0084]
s25、根据幅值与初始相位角，得到各振荡信号的离散时序参数。
[0085]
s3、利用阻尼转矩分析法根据各振荡信号的离散时序参数得到各发电机在各振荡模式下的阻尼转矩系数；
[0086]
可选的，阻尼转矩分析法：在单机无穷大系统中，可以将发电机电磁转矩在表征机电关系的相平面上分解为阻尼转矩和同步转矩，即δte(t)＝kdδω(t) ksδδ(t)，其中：kd为阻尼转矩系数；ks为同步转矩系数；δω为角速度变化量；δδ为发电机功角变化量；δte为电磁转矩变化量。
[0087]
优选地，步骤s3具体为：
[0088]
将各振荡信号的离散时序参数带入阻尼转矩分析法中，并利用最小二乘法计算各发电机在各振荡模式下的阻尼转矩系数。
[0089]
可选的，将各振荡信号的离散时序参数带入阻尼转矩分析法中，即：
[0090][0091]
其中，δt
′e(mt)为在第m个周期处的电磁转矩变化量的值，δω
′
(mt)为第m个周期处的转速变化量的值，δδ
′
(mt)为第m个周期处的功角变化量的值，ε为误差；
[0092]
可选的，当考虑误差ε最小时，求解阻尼转矩系数kd、同步转矩系数ks就成为一个线性的数学估值问题，可以用最小二乘法进行求解，可描述为δt
′e＝[δω
′
,δδ
′
]k ε＝ak ε，估计值k可进一步表示为：
[0093]
k＝[a
t
·
a]-1
·at
·
δte＝a

·
δte[0094]
其中：a

为广义逆矩阵，当a
t
a可逆时存在，通过上述公式即可求解阻尼转矩系数kd、同步转矩系数ks。
[0095]
s4、根据各发电机在各振荡模式下的阻尼转矩系数进行电力系统负弱阻尼机组识别。
[0096]
可选的，阻尼转矩系数的大小决定了系统的小扰动稳定性，阻尼转矩系数过小或者为负值为发生超低频振荡或低频振荡的主要原因，例如，观察阻尼转矩系数kd的大小，如果某台或某几台发电机的阻尼转矩系数kd为负或者相对其他发电机组很小，则可以识别这台或这几台发电机组为系统此时的负/弱阻尼机组；在有4台发电机的系统中的某个振荡时段内，发电机g1、g2的阻尼转矩系数kd分别为-31.0275、-10.2920，发电机g3、g4的阻尼转矩系数kd分别为8.6866、8.5895，此时发电价g1、g2就为系统此时的负/弱阻尼机组。
[0097]
另一方面，如图4所示，一种电力系统负弱阻尼机组识别系统，包括：
[0098]
数据预处理模块，用于采集电力系统中机组异常数据，并进行预处理，得到各台发电机的振荡信号；
[0099]
模式分解模块，用于对各发电机的振荡信号进行模式分解，计算各振荡信号的振荡分量，得到各振荡信号的离散时序参数；
[0100]
阻尼转矩计算模块，用于利用阻尼转矩分析法根据各振荡信号的离散时序参数得到各发电机在各振荡模式下的阻尼转矩系数；
[0101]
阻尼机组识别模块，用于根据各发电机在各振荡模式下的阻尼转矩系数进行电力系统负弱阻尼机组识别。
[0102]
本发明实施例提供的一种电力系统负弱阻尼机组识别系统具有上述的一种电力
系统负弱阻尼机组识别方法的有益效果。
[0103]
本发明实施例从算法的角度进行分析，基于matlab/simulink平台建立典型的4机2区系统，该系统包含四台机组，两个区域，区域1有两台水电机组g1、g2，区域2有两台火电机组g3、g4，区域2比区域1负荷重，各个发电机均装有pss装置，连接关系如图5所示；
[0104]
当切除发电机g1和g2的pss，同时设置发电机g2的励磁放大倍数为原来的10倍，1s时刻在母线4处施加持续0.1s的三相短路故障；由于系统此时出在快速励磁、重负荷、远距离互联输电的状态下，当出现干扰容易触发负/弱阻尼振荡，如图6所示，发电机g2的有功功率波形出现了振荡。
[0105]
取振荡时段t＝8s(为了保证阻尼转矩系数kd和同步转矩系数ks估计值的准确性，且通常情况下振荡时段t至少要包括一个振荡周期)内的数据，由于电磁转矩te与磁转矩pe呈一定的线性关系，所以下述过程可用电磁转矩pe的变化来反映的电磁转矩te变化，对扰动后1～9s时段内的发电机g2侧三种信号进行tls-esprit分析，选取同一振荡模式(频率相同且不为0)的模式信息，如表1所示；
[0106]
表1 g2侧三种信号1～9s的tls-esprit分析结果
[0107][0108]
可以看出，在一定误差范围内，不同的振荡信号同一振荡模式下具有相同的阻尼比。
[0109]
根据已获得的辨识数据，计算6个不同时段内g1与g2的各个振荡模式下的阻尼转矩系数，结果如表2所示，
[0110]
表2 g1和g2不同时段的阻尼转矩系数计算结果
[0111][0112]
其中，“*”表示在对发电机tls-esprit模式分解后，三种信号的频率不一致或相差较大，不能认为处在同一振荡模式中，可以看出，对于发电机g1与发电机g2所在支路的振荡模式，在不同的tls-esprit分析时段内所得到的阻尼转矩系数在振荡中期后辨识误差允许
的范围内是基本稳定的。
[0113]
针对上述4机2区系统的弱阻尼振荡模式，考察阻尼转矩分析在弱阻尼振荡源定位的有效性，分别选取振荡初期(1～9s)、振荡中期(4～12s)与振荡后期(8～16s)的三个时段，利用前述方式分别计算每台发电机在其各个振荡模式下的阻尼转矩系数，结果如表3所示，可知：一方面，主要查看数据较完整的模式一，在振荡初期(1～9s)，发电机g1、发电机g2的阻尼转矩系数小于零，发电机g3、发电机g4相较于发电机g1、发电机g2大很多；随着时间推移，各发电机阻尼转矩系数变大，但是发电机g3、发电机g4始终较发电机g1、发电机g2大很多。因而，发电机g1、发电机g2主导了该弱阻尼振荡，可以将弱阻尼振荡源定位在发电机g1、发电机g2，振荡源定位与仿真设置一致；另一方面，在对发电机g1、发电机g2加上电力系统稳定器pss后，g2的功率振荡波形如图7所示，通过对振荡源的自身控制，能够有效抑制该弱阻尼振荡，再次证明了本发明提供的一种高水电占比的电力系统负弱阻尼机组识别方法的有益性。
[0114]
表3 4机2区系统各发电机在其同一振荡模式下的阻尼转矩系数
[0115][0116][0117]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0118]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0119]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
[0120]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
[0121]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。