一种电力系统负弱阻尼机组识别方法及系统与流程

技术特征：
1.一种电力系统负弱阻尼机组识别方法，其特征在于，包括以下步骤：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；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；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；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。2.根据权利要求1所述的高水电占比的电力系统负弱阻尼机组识别方法，其特征在于，步骤s1具体为：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。3.根据权利要求1所述的高水电占比的电力系统负弱阻尼机组识别方法，其特征在于，步骤s2具体包括以下分步骤：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：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；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：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，u
s
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，u
n
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，σ
s
为对角矩阵中信号部分所构成的矩阵，σ
n
为对角矩阵中噪声部分所构成的矩阵，v
s
为信号子空间，v
n
为噪声子空间；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；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，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。4.根据权利要求3所述的高水电占比的电力系统负弱阻尼机组识别方法，其特征在于，步骤s23具体包括以下分步骤：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；s232、对优化矩阵进行奇异值分解；
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。5.根据权利要求4所述的高水电占比的电力系统负弱阻尼机组识别方法，其特征在于，步骤s231具体为：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。6.根据权利要求1所述的高水电占比的电力系统负弱阻尼机组识别方法，其特征在于，步骤s3具体为：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。7.一种电力系统负弱阻尼机组识别系统，其特征在于，包括：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；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；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；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。

技术总结
本发明公开了一种电力系统负弱阻尼机组识别方法及系统，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，本发明提供了一种电力系统负弱阻尼机组识别方法，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。频振荡策略。频振荡策略。


技术研发人员：余锐 何飞 汤凡 张宇栋 蒋航 刘佳钰 刘柏私
受保护的技术使用者：国家电网公司西南分部
技术研发日：2021.12.29
技术公布日：2022/4/8