本發(fā)明涉及電力系統(tǒng)安全防御技術(shù)領(lǐng)域，特別是涉及一種基于臨界慢化理論的風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型的建立方法。

背景技術(shù)：

隨著風(fēng)電技術(shù)的發(fā)展，其規(guī)模更加龐大，運(yùn)行機(jī)理也越來越復(fù)雜。其中，風(fēng)機(jī)連鎖故障雖然發(fā)生概率小，但造成的后果卻很嚴(yán)重，在其故障早期發(fā)掘故障征兆并作出預(yù)警，從而在初始故障發(fā)生后對極有可能發(fā)生繼發(fā)性故障的區(qū)域或元件進(jìn)行特別監(jiān)控和隔離具有十分重要的意義。

而對于連鎖故障的預(yù)警現(xiàn)有的方法多是基于連鎖故障機(jī)理，搭建模型來模擬級聯(lián)故障發(fā)生過程，從而對事故的發(fā)展趨勢和產(chǎn)生的結(jié)果風(fēng)險(xiǎn)進(jìn)行預(yù)估，在過去的十多年間，國內(nèi)外學(xué)者在這方面做了較多的研究工作，提出了一些方法，包括：模式搜索法、模型分析法等。在文獻(xiàn)《基于復(fù)雜網(wǎng)絡(luò)理論的連鎖故障建模與預(yù)防研究》和文獻(xiàn)《小世界網(wǎng)絡(luò)下電網(wǎng)連鎖故障預(yù)測》中采用電氣參數(shù)修正復(fù)雜網(wǎng)絡(luò)中的介數(shù)的概念，提出能夠模擬潮流、電壓等物理量變化的復(fù)雜網(wǎng)絡(luò)模型，并對連鎖故障傳播行為進(jìn)行預(yù)測。無論是模式搜索法還是模型分析法，都是基于故障機(jī)理建立連鎖故障模型，以期從大停電事故的演化過程中找出級聯(lián)故障的傳播方式，但是這些風(fēng)機(jī)連鎖脫網(wǎng)預(yù)警模型受限于連鎖故障演化模型搭建的精度，需要大量的拓?fù)鋮?shù)和系統(tǒng)運(yùn)行參數(shù)，且離線計(jì)算、在線檢測的方法會(huì)使采取緊急措施的時(shí)間滯后，所以在計(jì)算精度和計(jì)算時(shí)長方面都無法實(shí)現(xiàn)預(yù)期的控制效果。

近年來，從運(yùn)行狀態(tài)數(shù)據(jù)出發(fā)，對大停電事故進(jìn)行預(yù)測的方法，給風(fēng)機(jī)連鎖脫網(wǎng)故障預(yù)警提供了新思路，通過對風(fēng)機(jī)連鎖脫網(wǎng)事故機(jī)理的分析，可以得出事故發(fā)生的過程中都伴隨著電壓和頻率的變化，風(fēng)電場首批脫網(wǎng)的風(fēng)機(jī)就是因?yàn)殡妷哼^低，因而對電壓時(shí)間序列數(shù)據(jù)進(jìn)行分析，挖掘出故障前的征兆信息，就可以在電壓跌落前做出預(yù)警，從而建立風(fēng)機(jī)連鎖脫網(wǎng)早期預(yù)警模型。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法，其克服了現(xiàn)有技術(shù)的風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法中需要大量的拓?fù)鋮?shù)及運(yùn)行工況數(shù)據(jù)建立系統(tǒng)建模困難等問題，為電力運(yùn)行人員提供可靠的預(yù)警信息，為預(yù)防事故進(jìn)一步惡化和有效防止連鎖脫網(wǎng)事故的發(fā)生提供堅(jiān)實(shí)的技術(shù)支持。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法，包括以下步驟：

s1：采集風(fēng)電場scada系統(tǒng)實(shí)時(shí)監(jiān)測的風(fēng)電場并網(wǎng)點(diǎn)的電壓數(shù)據(jù)，將其作為風(fēng)機(jī)連鎖脫網(wǎng)早期預(yù)警模型的觀測量；

s2：從步驟s1所采集的觀測量中，采集發(fā)生故障前的數(shù)據(jù)，并基于臨界慢化早期預(yù)警的原理，對電壓跌落前的數(shù)據(jù)利用小波分解進(jìn)行去趨勢處理，提取處理后數(shù)據(jù)的高頻動(dòng)態(tài)信號(hào)；

s3：對步驟s2中得到的高頻動(dòng)態(tài)信號(hào)選取適當(dāng)?shù)幕瑒?dòng)窗口進(jìn)行方差和自相關(guān)系數(shù)的計(jì)算，以發(fā)現(xiàn)系統(tǒng)在電壓突變前的早期預(yù)警信號(hào)；

s4：通過計(jì)算不同窗口長度下不同階數(shù)小波分解的高頻信號(hào)方差與自相關(guān)系數(shù)，對早期預(yù)警信號(hào)的穩(wěn)定性進(jìn)行分析。

其中，所述步驟s3中方差值與自相關(guān)系數(shù)的計(jì)算過程為：

s301：設(shè)定滑動(dòng)窗口和固定滯后步長，并將該滑動(dòng)窗口采用該步長進(jìn)行滑動(dòng)；

s302：通過公式計(jì)算每個(gè)窗口中的方差值，式中，n表示每個(gè)采樣窗口中的所有樣本點(diǎn)個(gè)數(shù)，xi為采樣窗口內(nèi)的樣本數(shù)據(jù)，為采樣窗口內(nèi)樣本數(shù)據(jù)的平均值；

s303：將s302中計(jì)算的每個(gè)窗口中的方差值繪制方差曲線，通過方差曲線的上升趨勢挖掘風(fēng)機(jī)連鎖脫網(wǎng)的預(yù)警信息；

s304：采用固定長度的窗口選取樣本數(shù)據(jù)；

s305：在窗口中以滯后步長j選取變量，將變量j的自相關(guān)系數(shù)記為r(j)，并通過公式計(jì)算自相關(guān)系數(shù)，式中，n表示每個(gè)采樣窗口中的所有樣本點(diǎn)個(gè)數(shù)，x為采樣窗口內(nèi)的樣本數(shù)據(jù)，為采樣窗口內(nèi)樣本數(shù)據(jù)的平均值，s為該n個(gè)樣本點(diǎn)數(shù)據(jù)xi的方差；通過該自相關(guān)系數(shù)判斷變量j之前的時(shí)間序列值與變量j之后的時(shí)間序列值間的相關(guān)性；

s306：將步驟s305中計(jì)算的自相關(guān)系數(shù)r(j)值繪制曲線圖，根據(jù)自相關(guān)系數(shù)的上升趨勢判斷系統(tǒng)的臨界變換。

其中，所述方差計(jì)算中選取的窗口長度和滯后步長不同于自相關(guān)系數(shù)計(jì)算中所選取的窗口長度和滯后步長。

其中，所述步驟s4包括步驟：

s401：分別選取不同階數(shù)的小波分解高頻信號(hào)；

s402：對步驟s401中得到不同階數(shù)小波分解的高頻信號(hào)分別采用不同的窗口長度計(jì)算方差和自相關(guān)系數(shù)；

s403：根據(jù)計(jì)算結(jié)果繪制方差曲線和自相關(guān)曲線，通過曲線的上升趨勢判斷風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警的穩(wěn)定性。

其中，所述步驟s402中方差s和自相關(guān)系數(shù)r(j)計(jì)算公式分別為：式中，n表示每個(gè)采樣窗口中的樣本點(diǎn)個(gè)數(shù)，xi為采樣窗口內(nèi)的樣本數(shù)據(jù)，為采樣窗口內(nèi)樣本數(shù)據(jù)的平均值；式中，n表示每個(gè)采樣窗口中的所有樣本點(diǎn)個(gè)數(shù)，x為采樣窗口內(nèi)的樣本數(shù)據(jù)，為采樣窗口內(nèi)樣本數(shù)據(jù)的平均值，s為該n個(gè)樣本點(diǎn)數(shù)據(jù)xi的方差。

相較于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：本發(fā)明的一種風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法利用系統(tǒng)中大量測量單元得到的高分辨率、時(shí)間同步的測量信息，在不可避免的初始故障后，對致使風(fēng)電場首批風(fēng)機(jī)脫網(wǎng)的低電壓信號(hào)進(jìn)行著重監(jiān)測，在不建立精確網(wǎng)絡(luò)模型的情況下，識(shí)別電壓時(shí)間序列數(shù)據(jù)中的“臨界慢化”的統(tǒng)計(jì)學(xué)特征，在電壓的跌落前發(fā)出預(yù)警，從而得到風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型，不需要大量的拓?fù)鋮?shù)和系統(tǒng)運(yùn)行參數(shù)，并且也避免了離線計(jì)算、在線檢測的方法會(huì)帶來的采取緊急措施的時(shí)間滯后的問題，使得在計(jì)算精度和計(jì)算時(shí)長方面都達(dá)到預(yù)期的控制效果，縮短了計(jì)算的時(shí)長，且測量值的獲得更為容易，具有較高的實(shí)用價(jià)值。

以下結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)說明；但本發(fā)明的一種風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法不局限于實(shí)施例。

附圖說明

圖1是本發(fā)明的流程框圖；

圖2是本發(fā)明的風(fēng)電場scada系統(tǒng)監(jiān)測的某風(fēng)電場饋線三相短路故障的并網(wǎng)點(diǎn)母線電壓曲線圖；

圖3是本發(fā)明的6階小波分解后電壓序列的低頻信號(hào)；

圖4是本發(fā)明的6階小波分解變換提取的電壓序列高頻信號(hào)；

圖5為本發(fā)明的6階小波分解變換提取的電壓序列高頻信號(hào)方差曲線圖；

圖6為本發(fā)明的6階小波分解變換提取的電壓序列高頻信號(hào)自相關(guān)曲線圖；

圖7為本發(fā)明的7階小波分解后高頻信號(hào)的方差曲線圖；

圖8為本發(fā)明的7階小波分解后高頻信號(hào)的自相關(guān)系數(shù)曲線圖；

圖9為本發(fā)明的5階小波分解后高頻信號(hào)的方差曲線圖；

圖10為本發(fā)明的5階小波分解后高頻信號(hào)的自相關(guān)系數(shù)曲線圖；

圖11為本發(fā)明的6階小波分解后的高頻信號(hào)在窗口長度為計(jì)算序列的1/3下的自相關(guān)系數(shù)曲線圖；

圖12為本發(fā)明的6階小波分解后的高頻信號(hào)在窗口長度為計(jì)算序列的1/2下的自相關(guān)系數(shù)曲線圖；

圖13為本發(fā)明的6階小波分解后的高頻信號(hào)在窗口長度為20時(shí)的方差曲線圖；

圖14為本發(fā)明的6階小波分解后的高頻信號(hào)在窗口長度為50時(shí)的方差曲線圖。

具體實(shí)施方式

實(shí)施例，圖1為風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法的流程框圖，參見圖1，所述方法包括以下步驟：

s1：采集風(fēng)電場scada系統(tǒng)實(shí)時(shí)監(jiān)測的風(fēng)電場并網(wǎng)點(diǎn)的電壓數(shù)據(jù)，具體采集某風(fēng)電廠饋線三相短路故障的并網(wǎng)點(diǎn)母線電壓，如圖2所示，將其作為風(fēng)機(jī)連鎖脫網(wǎng)早期預(yù)警模型的觀測量；

s2：從步驟s1所采集的觀測量中，采集發(fā)生故障前的數(shù)據(jù)，并基于臨界慢化早期預(yù)警的原理，對電壓跌落前的數(shù)據(jù)利用小波分解進(jìn)行去趨勢處理，提取處理后數(shù)據(jù)的高頻動(dòng)態(tài)信號(hào)；

s3：對步驟s2中得到的高頻動(dòng)態(tài)信號(hào)選取適當(dāng)?shù)幕瑒?dòng)窗口進(jìn)行方差和自相關(guān)系數(shù)的計(jì)算，以發(fā)現(xiàn)系統(tǒng)在電壓突變前的早期預(yù)警信號(hào)；

s4：通過計(jì)算不同窗口長度下不同階數(shù)小波分解的高頻信號(hào)方差與自相關(guān)系數(shù)，對早期預(yù)警信號(hào)的穩(wěn)定性進(jìn)行分析。

參見圖3和圖4所示，對步驟s1中得到的觀測量采用小波分解得到系統(tǒng)的高頻信號(hào)，具體原理為：小波分解繼承短時(shí)傅里葉變換的思想，通過變換窗口大小可以得到較好的時(shí)域局部化特性，其窗口的大小隨頻率改變，對低頻信號(hào)采用較大窗口，以免丟失低頻信息，對高頻信號(hào)采用較小窗口，以便捕捉高頻動(dòng)態(tài)信息。本實(shí)施例中，采用最常用的daubechies小波對步驟s1中得到的電壓信號(hào)觀測量進(jìn)行分解，可以得到電壓高頻信號(hào)。圖3是6階小波分解后的電壓信號(hào)序列的低頻部分，圖4是6階小波變換提取的高頻信號(hào)，將圖4中提取的高頻信號(hào)作為風(fēng)機(jī)連鎖脫網(wǎng)預(yù)警的觀測信號(hào)。

參見圖5，對應(yīng)步驟s3中高頻信號(hào)方差的計(jì)算結(jié)果，具體的是對電壓的時(shí)間序列進(jìn)行方差計(jì)算，首先設(shè)定滑動(dòng)窗口的大小為50，滯后步長為52，即選取第1到50個(gè)樣本為第一個(gè)采樣窗口，第51到100個(gè)樣本為第二個(gè)采樣窗口，這樣1000個(gè)樣本點(diǎn)可以劃分為20個(gè)采樣窗口，對每個(gè)采樣窗口內(nèi)的樣本利用公式進(jìn)行方差計(jì)算，式中，n＝50，xi為每個(gè)采樣窗口內(nèi)的樣本數(shù)據(jù)，為每個(gè)采樣窗口內(nèi)樣本數(shù)據(jù)的平均值，計(jì)算后得到20個(gè)采樣窗口內(nèi)電壓信號(hào)的方差曲線。圖5中故障發(fā)生在9s時(shí)刻，方差信號(hào)在8s之前就開始出現(xiàn)上升的跡象(圖中突增點(diǎn))，因?yàn)槭窃谝粋€(gè)采樣窗口內(nèi)求取方差，方差增長的跡象出現(xiàn)在采樣窗口(7-8)s內(nèi)，因此方差可以作為臨界慢化的早期預(yù)警特征。而在7s前的采樣窗口中，方差接近于0，這是因?yàn)橥ㄟ^仿真得到的電壓數(shù)據(jù)較為平緩，其電壓的波動(dòng)也處于1.07p.u.到1.65p.u.之間，如此小幅度的波動(dòng)之下，信號(hào)的方差近似為0。由此可以進(jìn)一步確定，系統(tǒng)高頻波動(dòng)信號(hào)在接近臨界轉(zhuǎn)變點(diǎn)時(shí)，方差增大，這也意味著高頻波動(dòng)開始逐漸偏離平衡態(tài)，促使系統(tǒng)逼近臨界點(diǎn)。

參見圖6，對應(yīng)步驟s3中高頻信號(hào)自相關(guān)系數(shù)的計(jì)算結(jié)果，自相關(guān)系數(shù)計(jì)算過程中的窗口與滯后步長不同于方差中的窗口和滯后步長的選取。自相關(guān)系數(shù)計(jì)算過程中，窗口長度的選取一般選擇計(jì)算序列的一半或者三分之一，本實(shí)施例中將計(jì)算序列的一半選為窗口長度，滯后步長為1，通過公式計(jì)算其自相關(guān)系數(shù)，式中，n表示每個(gè)采樣窗口中的所有樣本點(diǎn)個(gè)數(shù)，這里取50，x為采樣窗口內(nèi)的樣本數(shù)據(jù)，為采樣窗口內(nèi)樣本數(shù)據(jù)的平均值，s為該n個(gè)樣本點(diǎn)數(shù)據(jù)xi的方差。圖6中，自相關(guān)系數(shù)震蕩幅度增大的跡象出現(xiàn)在采樣窗口(7-8)s內(nèi)，自相關(guān)系數(shù)的增大說明系統(tǒng)在進(jìn)入臨界轉(zhuǎn)變狀態(tài)前，高頻信號(hào)出現(xiàn)了“短期記憶”的特點(diǎn)，即下一采樣窗口的數(shù)據(jù)與上一采樣窗口的數(shù)據(jù)開始趨于相似，因而自相關(guān)系數(shù)的增大為系統(tǒng)進(jìn)入臨界轉(zhuǎn)變提供了預(yù)警信號(hào)。

參見圖7-10所示，對應(yīng)步驟s4中對不同階數(shù)小波分解的高頻信號(hào)方差與自相關(guān)系數(shù)的計(jì)算結(jié)果；具體的，選取第5階和第7階小波分解信號(hào)的計(jì)算結(jié)果做為對比，圖中在電壓跌落前方差和自相關(guān)系數(shù)的增長趨勢是不變的，所不同的是圖7和圖8中看出7階小波分解結(jié)果對方差和自相關(guān)系數(shù)的計(jì)算結(jié)果產(chǎn)生了影響，其增大趨勢并沒有6階小波分解結(jié)果清晰，而圖9和圖10中5階小波對方差和自相關(guān)系數(shù)的計(jì)算結(jié)果都產(chǎn)生了影響，得到的預(yù)警信號(hào)發(fā)生在8s～9s區(qū)間，比6階小波分解結(jié)果得到的預(yù)警信號(hào)更為滯后，因此得出小波分解的階數(shù)會(huì)對結(jié)果精度產(chǎn)生一定的影響。

參見圖11-14所示，對應(yīng)步驟s4中對不同窗口長度下的高頻信號(hào)方差與自相關(guān)系數(shù)的計(jì)算結(jié)果；具體的，對6階小波分解結(jié)果，采用不同的窗口長度進(jìn)行計(jì)算。對于方差選取窗口長度分別為50和20，對于自相關(guān)系數(shù)，分別選取窗口長度為計(jì)算序列的1/2和1/3，圖11和圖12所示，對于不同窗口下的自相關(guān)曲線，在靠近臨界點(diǎn)的增長趨勢是不變的，但窗口長度較長的計(jì)算序列，更能夠清晰的表現(xiàn)系統(tǒng)自相關(guān)系數(shù)的增長趨勢，窗口長度較長能夠包含的高頻動(dòng)態(tài)信息更多，系統(tǒng)的自相關(guān)分析不易受雜散信號(hào)的影響；圖13和圖14所示，窗口較長的計(jì)算序列其方差的增長趨勢更為明顯，而窗口較短的計(jì)算序列，因?yàn)檫^度重視信號(hào)中的細(xì)節(jié)信號(hào)，從而對高頻信號(hào)方差的增長趨勢表現(xiàn)的并不十分顯著，因而在進(jìn)行高頻信號(hào)的方差計(jì)算時(shí)，因選取適當(dāng)較長的窗口更為理想。

上述實(shí)施例僅用來進(jìn)一步說明本發(fā)明的一種風(fēng)機(jī)連鎖脫網(wǎng)故障早期預(yù)警模型建立方法，但本發(fā)明并不局限于實(shí)施例，凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對以上實(shí)施例所作的任何簡單修改、等同變化與修飾，均落入本發(fā)明技術(shù)方案的保護(hù)范圍內(nèi)。