專利名稱：基于小波多分辨率分析的電網(wǎng)擾動在線辨識及可視化方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力系統(tǒng)廣域動態(tài)監(jiān)視與可視化技術(shù)領(lǐng)域，特別涉及一種基于小波多分辨率分析的電網(wǎng)擾動在線辨識及可視化方法。
背景技術(shù)：
經(jīng)過多年的技術(shù)積累，同步相量測量技術(shù)已經(jīng)逐漸實現(xiàn)產(chǎn)業(yè)化。越來越多的相量測量單元(Phasor Measurement Units, PMUs)被投入電網(wǎng)運行，隨著PMU布點逐漸完善，配合以光纖、寬帶數(shù)字微波為主干的高速電力通信網(wǎng)絡(luò)，能夠?qū)崿F(xiàn)對電網(wǎng)動態(tài)過程的實時監(jiān)測。國內(nèi)外各個電網(wǎng)先后建設(shè)并投運了以PMU為基礎(chǔ)的廣域量測系統(tǒng)(Wide AreaMeasurement System, WAMS),實現(xiàn)了電力系統(tǒng)從穩(wěn)態(tài)監(jiān)測到動態(tài)監(jiān)測的跨越,為電力系統(tǒng)動態(tài)安全穩(wěn)定分析從“離線”走向“在線”奠定了堅實的基礎(chǔ)。
智能電網(wǎng)是當(dāng)今世界能源產(chǎn)業(yè)發(fā)展變革的最新動向，體現(xiàn)了社會的進步，代表著電網(wǎng)未來的發(fā)展方向。目前，根據(jù)各國對智能電網(wǎng)的研究與總結(jié)，智能電網(wǎng)應(yīng)該具備以下幾個方面的特性自愈能力、高可靠性、資產(chǎn)優(yōu)化管理、經(jīng)濟高效、與用戶友好互動以及兼容大容量分布式電源的接入。其中，自愈能力是智能電網(wǎng)最重要的特征和功能，它要求電網(wǎng)可以在擾動事故發(fā)生后很短的時間內(nèi)及時發(fā)現(xiàn)并自動隔離故障，防止電網(wǎng)大規(guī)模崩潰。電網(wǎng)動態(tài)擾動事故由電網(wǎng)故障或者動作弓I起一種嚴(yán)重的電網(wǎng)事故,對電網(wǎng)安全穩(wěn)定有著重要的影響，它通常能夠引起長時間的顯著的頻率變化?？梢詮娜齻€方面理解①動態(tài)擾動事故可能由電網(wǎng)故障如線路短路引起，也可能由人為操作，如切除發(fā)電機引起；②電網(wǎng)的故障不一定引起動態(tài)擾動事故，如輕載線路跳閘；③動態(tài)擾動事故是電網(wǎng)事故的一種，而且是對電網(wǎng)有嚴(yán)重影響的一種。典型的動態(tài)擾動事故包括負(fù)荷突變、線路短路故障、失去或投入發(fā)電機、線路跳閘、直流閉鎖、間歇式能源的接入和低頻振蕩等。按照智能電網(wǎng)自愈功能的要求，當(dāng)動態(tài)擾動事故發(fā)生時，需要準(zhǔn)確及時的定位擾動發(fā)生的位置并判斷擾動的類型以自動隔離故障，并使得電網(wǎng)運行人員能夠及時采取恰當(dāng)?shù)拇胧┓乐闺娋W(wǎng)發(fā)生進一步的連鎖故障以至系統(tǒng)崩潰。電網(wǎng)動態(tài)擾動事故辨識是伴隨著同步相量測量技術(shù)發(fā)展的一種新的電網(wǎng)擾動識另O，它指借助一定的數(shù)學(xué)分析工具從WAMS提供的海量數(shù)據(jù)中提取表征擾動特征的信息，從而判斷動態(tài)擾動事故的發(fā)生時刻、類型及擾動發(fā)生的位置等，并通過一定的可視化方式進行顯示，以便于運行調(diào)度人員迅速采取相應(yīng)的對策來減少擾動對電網(wǎng)所造成的影響。它不同于電能質(zhì)量和故障診斷的擾動識別，更加關(guān)注可能引發(fā)電網(wǎng)嚴(yán)重影響的動態(tài)擾動事故，側(cè)重于從系統(tǒng)角度分析擾動對電網(wǎng)穩(wěn)定影響的描述。目前，應(yīng)用于該領(lǐng)域的理論和方法主要包括頻率動態(tài)分布理論和模式識別等。利用頻率動態(tài)分布理論進行擾動辨識的方法利用電網(wǎng)擾動后系統(tǒng)的頻率響應(yīng)的時域信息，基于距離擾動源越近頻率變化量越大、頻率變化越快的基本原則，能夠大致估計擾動源的位置；然而，頻率變化量的獲取需要等待頻率達到穩(wěn)態(tài)值，不適合在線應(yīng)用；而頻率變化率則很容易受干擾信號的影響，不容易準(zhǔn)確的捕捉到信號的頻域信息，使辨識結(jié)果不準(zhǔn)確；采用模式識別的方法通常采用決策樹來進行擾動類型的判斷，其關(guān)鍵在于特征向量的提取，不良或不足的特征向量可能會導(dǎo)致錯誤的結(jié)果，而過多的特征向量則可能導(dǎo)致計算緩慢，影響在線應(yīng)用的實現(xiàn)。小波變換是一種窗口大小固定但形狀可以改變、時間窗和頻率窗都可改變的時頻局部化分析方法，它同時含有時域信息和頻域信息，被譽為數(shù)學(xué)顯微鏡。小波變換特別適合于突變信號和不平穩(wěn)信號的分析，已廣泛應(yīng)用于諧波分析、電能質(zhì)量評估、奇異點的檢測、數(shù)據(jù)的壓縮與消噪、電氣設(shè)備的狀態(tài)檢測與故障診斷、繼電保護與故障定位、負(fù)荷預(yù)測以及電力系統(tǒng)暫態(tài)分析等方面。Mallat快速算法和多分辨率的提出，使得小波變換的工程應(yīng)用迅速發(fā)展。已知輸入信號x[n]，對其進行小波多分辨率分析的基本過程可表示為如圖I所示。圖I中，低通濾波器gi由尺度函數(shù)Φ 構(gòu)成，高通濾波器Iii由小波函數(shù)Fi構(gòu)成，且滿足^丄Φρ小波多分辨率分析通過若干濾波器組對信號進行逐級分解，最終進行幾級分解，由事先確定的分解層數(shù)確定。通過每一層分解可得到相應(yīng)的尺度系數(shù)(離散近似)和小波系數(shù)(離散細(xì)節(jié))。例如通過第一層分解由高通濾波器得到小波系數(shù)屯，由低通濾波器得到尺度系數(shù)B1，對ai進行第二層分解可以得到小波系數(shù)d2和尺度系數(shù)a2，依次類推，直至達·到預(yù)定的分解層數(shù)。小波多分辨率分析是動態(tài)擾動事故辨識領(lǐng)域非常有前途的方法，可以·實現(xiàn)工程化應(yīng)用，但是小波函數(shù)的選取、分解層數(shù)的確定等問題仍然亟待解決。

發(fā)明內(nèi)容
本發(fā)明的目的是為克服已有技術(shù)的不足之處，提出一種基于小波多分辨率分析的電網(wǎng)動態(tài)擾動在線辨識與可視化方法，利用小波多分辨率分析進行電網(wǎng)動態(tài)擾動事故的在線辨識，并將辨識結(jié)果通過一定的可視化方式進行展示，使得電網(wǎng)運行人員能夠及時獲知電網(wǎng)當(dāng)前發(fā)生的擾動事故的類型以及位置等信息，以便采取恰當(dāng)?shù)拇胧┓乐闺娋W(wǎng)發(fā)生進一步的連鎖故障以至系統(tǒng)崩潰，提高電力系統(tǒng)運行可靠性。本發(fā)明提出的一種基于小波多分辨率分析的電網(wǎng)動態(tài)擾動事故在線辨識與可視化方法，其特征在于，該方法包括以下步驟I)對電網(wǎng)中常見的典型動態(tài)擾動事故特性進行離線仿真分析，利用各種不同的小波函數(shù)對仿真曲線進行小波多分辨率分析，選擇得到的最大小波系數(shù)能量對應(yīng)的小波函數(shù)Ψ和分解層數(shù)I作為在線小波多分辨率分析工具；2)根據(jù)目標(biāo)電網(wǎng)PMU配置情況進行分區(qū)，使每個區(qū)域有且僅有一個PMU子站進行量測，并將每個PMU子站量測的頻率信號傳送至WAMS主站；3)從WAMS主站獲取各PMU子站的頻率信號，利用步驟I)中確定的小波函數(shù)Ψ進行I層在線小波多分辨率分析，得到第I層的小波系數(shù)d ,k，j=l,. . .，np k=l,. . .，m ;4)利用步驟3)中得到的小波系數(shù)d ,k進行擾動發(fā)生時刻、擾動發(fā)生位置以及擾動類型的判別；5)將步驟4)得到的辨識結(jié)果以地圖為背景進行可視化顯示，將指標(biāo)值1&為I的PMU子站所在的分區(qū)突出顯示，表示擾動源位于此區(qū)域，每個區(qū)域采用圖形的不同高度表示指標(biāo)值的大小，以表示各個觀測點距離擾動源的距離遠近；采用不同的圖形表示有功增加類型的擾動或有功減少類型的擾動兩種類型。所述步驟I)具體可包括
11)對典型類型的動態(tài)擾動事故進行離線仿真計算，記錄各擾動事故發(fā)生時的頻率響應(yīng)信號；12)選擇階數(shù)為2到11的Daubechies (db)小波函數(shù)與Symlet (sym)小波函數(shù)來建立小波函數(shù)庫；13)固定小波分解層數(shù)i，分別取步驟12)所述小波函數(shù)庫中的每一種小波函數(shù)對步驟11)所記錄的每一擾動事故對應(yīng)的頻率信號進行小波多分辨率分析，按照式(I)得到每種小波函數(shù)對應(yīng)每一擾動在第i層分解下的小波系數(shù)的能量Ei E1 =I"⑴
女二I J=I式中，i表示分解層數(shù)，IIi表示在第i層分解得到的小波系數(shù)的個數(shù)的總數(shù)，CliJ表 示第i層分解得到的第j個小波系數(shù)，k表示第k個PMU子站，共有m個PMU子站；選擇最大的小波系數(shù)能量對應(yīng)的小波函數(shù)Ψ ;14)利用步驟13)中已選擇的小波函數(shù)Ψ，分別采用不同的分解層數(shù)進行與13)相同的小波多分辨率分析，選擇最大小波系數(shù)能量對應(yīng)的分解層數(shù)I。所述步驟4)具體可包括41)在各PMU子站分別檢測擾動的發(fā)生，給子站最大的小波系數(shù)Cllj, k出現(xiàn)的時刻即為對應(yīng)的擾動事故發(fā)生的時刻；42)利用各個PMU子站的最大小波系數(shù)dIniax,k，k=l，. . . , m,的比較來判斷第k個量測點即第k個PMU子站距離擾動源的距離，將各PMU子站對應(yīng)的最大小波系數(shù)dImax，k按照式(2)所示的擾動位置估計指標(biāo)Idk進行歸一化處理ΙΛ=^^(2)
α
imax.msx.式中，dImax,k表示第k個PMU子站對應(yīng)的小波系數(shù)的最大值，dImax,max表示所有PMU子站的最大小波系數(shù)中的最大值，Idk在區(qū)間[O，I]內(nèi)；從而指標(biāo)Idk為I的PMU子站所在的區(qū)域為擾動源所在估計區(qū)域；43)利用小波系數(shù)duk峰值的正負(fù)判斷擾動的類型正峰值表示當(dāng)前系統(tǒng)發(fā)生有功出力減少的擾動事故；負(fù)峰值表示當(dāng)前系統(tǒng)發(fā)生有功出力增加的擾動事故。本發(fā)明提出的基于小波多分辨率分析的電網(wǎng)動態(tài)擾動事故在線辨識與可視化方法，其優(yōu)點是I、本發(fā)明方法根據(jù)電網(wǎng)實際仿真選擇小波函數(shù)和分解層數(shù)，保證分析工具與電網(wǎng)實際情況匹配，能夠獲得準(zhǔn)確的分析結(jié)果；2、由于小波分析本身帶有良好的信號降噪功能，在分析帶有噪聲的信號時特別有優(yōu)勢，而PMU實測信息本身就是帶有噪聲，本發(fā)明方法采用小波多分辨率分析對PMU實測頻率信號進行辨識可省略掉信號濾波環(huán)節(jié)，提高了辨識效率，適合于在線應(yīng)用；3、本發(fā)明采用小波分析進行擾動辨識，小波分析屬于時域-頻域聯(lián)合分析，能夠同時獲得被分析信號的時域信息和頻域信息，能夠很好的捕捉到信號的變化信息，同時還能獲得時域信息，即知道信號在何時發(fā)生這些變化，適合于辨識擾動時刻的辨識；4、本發(fā)明利用小波多分辨率分析得到的小波系數(shù)為指標(biāo)進行進一步的擾動類型與擾動地點的判別，簡單明了，便于在線實現(xiàn)以及進行可視化顯示；
5、本發(fā)明方法通過以地圖為背景的柱狀圖顯示，能夠直觀的顯示出擾動發(fā)生的估計位置，并通過不同的展示方式表示不同的擾動類型，便于電網(wǎng)運行人員快速明了的識別當(dāng)然的擾動事故，非常適合應(yīng)用于在實際電力系統(tǒng)應(yīng)用。


圖I為一般小波多分辨率分析分解過程；圖2為有功增加類擾動發(fā)生時擾動辨識結(jié)果示意圖；圖3為有功減少類擾動發(fā)生時擾動辨識結(jié)果示意圖。
具體實施例方式本發(fā)明提出的基于小波多分辨率分析的電網(wǎng)擾動在線辨識及可視化方法結(jié)合附 圖及實施例詳細(xì)說明如下本發(fā)明方法的技術(shù)特點為，利用在線小波多分辨率分析得到的小波系數(shù)的大小進行擾動源的估計，利用小波系數(shù)幅值的正負(fù)對擾動類型進行大致判別，最后對辨識結(jié)果進行可視化展示。本發(fā)明提出的基于小波多分辨率分析的電網(wǎng)動態(tài)擾動事故在線辨識與可視化方法包含如下步驟I)對電網(wǎng)中常見的典型動態(tài)擾動事故特性進行離線仿真分析，利用各種不同的小波函數(shù)對仿真曲線進行小波多分辨率分析，選擇得到的最大小波系數(shù)能量對應(yīng)的小波函數(shù)Ψ和分解層數(shù)I作為在線小波多分辨率分析工具；具體包括11)對典型類型的動態(tài)擾動事故(如切機、增減負(fù)荷、線路跳閘、直流閉鎖和低頻振蕩等)進行離線仿真計算，記錄各擾動事故發(fā)生時的頻率響應(yīng)信號；12)選擇階數(shù)為2到11的Daubechies (db)小波函數(shù)與Symlet (sym)小波函數(shù)來建立小波函數(shù)庫(db小波函數(shù)和sym小波函數(shù)是最好的用于處理暫態(tài)信號以及突變信號的小波函數(shù))；13)固定小波分解層數(shù)i，分別取步驟12)所述小波函數(shù)庫中的每一種小波函數(shù)對步驟11)所記錄的每一擾動事故對應(yīng)的頻率信號進行小波多分辨率分析，按照式(I)得到每種小波函數(shù)對應(yīng)每一擾動在第i層分解下的小波系數(shù)的能量Ei
權(quán)利要求
1.一種基于小波多分辨率分析的電網(wǎng)動態(tài)擾動事故在線辨識與可視化方法，其特征在于，該方法包括以下步驟 1)對電網(wǎng)中常見的典型動態(tài)擾動事故特性進行離線仿真分析，利用各種不同的小波函數(shù)對仿真曲線進行小波多分辨率分析，選擇得到的最大小波系數(shù)能量對應(yīng)的小波函數(shù)V和分解層數(shù)I作為在線小波多分辨率分析工具； 2)根據(jù)目標(biāo)電網(wǎng)PMU配置情況進行分區(qū)，使每個區(qū)域有且僅有一個PMU子站進行量測，并將每個PMU子站量測的頻率信號傳送至WAMS主站； 3)從WAMS主站獲取各PMU子站的頻率信號，利用步驟I)中確定的小波函數(shù)Ψ進行I層在線小波多分辨率分析，得到第I層的小波系數(shù)d ,k，j=l,. . .，ni，k=l, ...,m； 4)利用步驟3)中得到的小波系數(shù)Clljik進行擾動發(fā)生時刻、擾動發(fā)生位置以及擾動類型的判別； 5)將步驟4)得到的辨識結(jié)果以地圖為背景進行可視化顯示，將指標(biāo)值Idk為I的PMU子站所在的分區(qū)突出顯示，表示擾動源位于此區(qū)域，每個區(qū)域采用圖形的不同高度表示指標(biāo)值的大小，以表示各個觀測點距離擾動源的距離遠近；采用不同的圖形表示有功增加類型的擾動或有功減少類型的擾動兩種類型。
2.如權(quán)利要求I所述方法，其特征在于，所述步驟I)具體包括 11)對典型類型的動態(tài)擾動事故進行離線仿真計算，記錄各擾動事故發(fā)生時的頻率響應(yīng)信號； 12)選擇階數(shù)為2到11的Daubechies(db)小波函數(shù)與Symlet (sym)小波函數(shù)來建立小波函數(shù)庫； 13)固定小波分解層數(shù)i，分別取步驟12)所述小波函數(shù)庫中的每一種小波函數(shù)對步驟11)所記錄的每一擾動事故對應(yīng)的頻率信號進行小波多分辨率分析，按照式(I)得到每種小波函數(shù)對應(yīng)每一擾動在第i層分解下的小波系數(shù)的能量Ei
3.如權(quán)利要求I所述方法，其特征在于，所述步驟4)具體包括 41)在各PMU子站分別檢測擾動的發(fā)生，給子站最大的小波系數(shù)duk出現(xiàn)的時刻即為對應(yīng)的擾動事故發(fā)生的時刻； 42)利用各個PMU子站的最大小波系數(shù)dImax,k，k=l，.. .，m，的比較來判斷第k個量測點即第k個PMU子站距離擾動源的距離，將各PMU子站對應(yīng)的最大小波系數(shù)dImax，k按照式(2)所示的擾動位置估計指標(biāo)Idk進行歸一化處理；
全文摘要
本發(fā)明涉及基于小波多分辨率分析的電網(wǎng)動態(tài)擾動事故在線辨識與可視化方法，屬于電力系統(tǒng)廣域動態(tài)監(jiān)視與可視化技術(shù)領(lǐng)域，該方法包括對電網(wǎng)中典型動態(tài)擾動事故特性進行離線仿真分析，選擇得到的最大小波系數(shù)能量對應(yīng)的小波函數(shù)ψ和分解層數(shù)I作為在線小波多分辨率分析工具；根據(jù)目標(biāo)電網(wǎng)PMU配置情況進行分區(qū)，使每個區(qū)域有且僅有一個PMU子站進行量測，并將每個PMU子站量測的頻率信號傳送至WAMS主站；從WAMS主站獲取各PMU子站的頻率信號，用確定的小波函數(shù)ψ進行I層在線小波多分辨率分析，得到第I層的小波系數(shù)；用其進行擾動發(fā)生時刻、擾動發(fā)生位置以及擾動類型的判別；并以地圖為背景進行可視化顯示。本發(fā)明可提高電力系統(tǒng)運行可靠性。
文檔編號H02J13/00GK102931728SQ201210425449
公開日2013年2月13日 申請日期2012年10月30日 優(yōu)先權(quán)日2012年10月30日
發(fā)明者程林, 陳剛, 孫元章, 張放, 林成, 趙維興, 唐建興, 王國松, 馬覃峰 申請人:清華大學(xué), 貴州電網(wǎng)公司電力調(diào)度控制中心