互聯電力系統的主導振蕩模態(tài)的辨識方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及電氣工程技術領域,尤其設及一種互聯電力系統的主導振蕩模態(tài)的辨 識方法及裝置。
【背景技術】
[0002] 隨著互聯電網規(guī)模的不斷擴大,區(qū)域間的低頻振蕩已成為威脅電力系統安全的重 要因素之一,其嚴重性甚至超過了暫態(tài)穩(wěn)定性,成為影響電力系統安全穩(wěn)定的主要障礙,國 內外大規(guī)模的停電事故基本都與互聯電力系統的低頻振蕩有關。一般而言,低頻振蕩分為 局部振蕩和區(qū)間振蕩,其中區(qū)域間低頻振蕩設及的機組數量多、影響范圍廣,是互聯電力系 統重點分析的對象,而區(qū)間振蕩模態(tài)最主要的表現形式就是主導振蕩模態(tài),電力系統的振 蕩模態(tài)往往是由主導振蕩模態(tài)決定的,因此實時的辨識互聯電力系統的主導振蕩模態(tài),對 于提高互聯電力系統的穩(wěn)定運行具有重要意義。
[0003] 目前,互聯電網低頻振蕩分析方法主要分為兩類:基于電網模型法和基于測量數 據法,前者需要建立電網的數學模型,通過求解特征值來計算振蕩模態(tài)的參數,當電網規(guī)模 較大時,存在嚴重的"維災數"問題,并且該方法不能跟蹤電網運行的動態(tài)變化;后者根據電 網中的測量數據來分析電網中存在的振蕩模態(tài),能夠有效識別各振蕩模態(tài)的相關參數,但 是由于其對噪聲的抑制能力較差,使得分析結果的精確程度受到了置疑。
【發(fā)明內容】
[0004] 鑒于上述問題,提出了本發(fā)明W便提供一種克服上述問題或者至少部分地解決或 者減緩上述問題的互聯電力系統的主導振蕩模態(tài)的辨識方法及裝置,有效的辨識主導振蕩 模態(tài)的時變參數和空間分布,從而提高互聯電力系統的穩(wěn)定性。
[0005] 根據本發(fā)明的一個方面,提供了一種互聯電力系統的主導振蕩模態(tài)的辨識方法, 該方法包括:
[0006] 根據向量測量單元傳輸到廣域測量系統中的測量信號生成同類型測量信號的信 號測量矩陣,所述信號測量矩陣的行數為時間窗的長度,所述信號測量矩陣的列數為測量 信號的數量;
[0007] 對所述信號測量矩陣中的每一個測量信號進行經驗模態(tài)分解,得到每一個測量信 號的所有固有模態(tài)分量,并從所述所有固有模態(tài)分量中提取每一個測量信號的主導固有模 態(tài)分量;
[000引根據所述每一個測量信號的主導固有模態(tài)分量,構建主導振蕩模態(tài)矩陣,并對所 述主導振蕩模態(tài)矩陣中的每一個列向量進行希爾伯特HUbed變換,得到復測量矩陣;
[0009] 利用復奇異值分解法,對所述復測量矩陣進行分解,得到復測量矩陣的奇異值向 量;
[0010] 根據所述復測量矩陣的奇異值向量,計算主導振蕩模態(tài)的時變參數和空間分布。
[0011] 可選的,所述根據向量測量單元傳輸到廣域測量系統中的測量信號生成同類型測 量信號的信號測量矩陣,具體包括:
[0012] 對向量測量單元傳輸到廣域測量系統中的測量信號進行分類;
[0013] 根據分類結果,將同類型的測量信號進行濾波和去噪處理;
[0014] 將濾波和去噪處理后的同類型測量信號生成具有統一時標的信號測量矩陣。
[0015] 可選的,采用上下包絡線和B樣條插值的方法對所述信號測量矩陣中的每一個測 量信號進行經驗模態(tài)分解。
[0016] 可選的,所述利用復奇異值分解的方法,對所述復測量矩陣進行分解,得到復測量 矩陣的奇異值向量,具體包括:
[0017] 利用復奇異值分解的方法對所述復測量矩陣進行分解,獲取所述復測量矩陣的奇 異值和奇異值向量。
[0018] 可選的,所述根據所述復測量矩陣的奇異值向量,獲取主導振蕩模態(tài)的時變參數 和空間分布,具體包括:
[0019] 構建所述復測量矩陣的協方差矩陣,并計算所述協方差矩陣的特征值和特征向 量;
[0020] 分析所述復測量矩陣的奇異值和奇異值向量與對應的所述協方差矩陣的特征值 和特征向量之間的關系;
[0021] 根據所述復測量矩陣的奇異值和奇異值向量與對應的所述協方差矩陣的特征值 和特征向量之間的關系,計算所述主導振蕩模態(tài)的時變參數和空間分布。
[0022] 根據本發(fā)明的另一個方面,提供了一種互聯電力系統的主導振蕩模態(tài)的辨識裝 置,該裝置包括:
[0023] 信號測量矩陣生成單元,用于根據向量測量單元傳輸到廣域測量系統中的測量信 號生成同類型測量信號的信號測量矩陣,所述信號測量矩陣的行數為時間窗的長度,所述 信號測量矩陣的列數為測量信號的數量;
[0024] 主導固有模態(tài)分量提取單元,用于對所述信號測量矩陣生成單元生成的信號測量 矩陣中的每一個測量信號進行經驗模態(tài)分解,得到每一個測量信號的所有固有模態(tài)分量, 并從所述所有固有模態(tài)分量中提取每一個測量信號的主導固有模態(tài)分量;
[0025] 希爾伯特變換單元,用于根據所述每一個測量信號的主導固有模態(tài)分量,構建主 導振蕩模態(tài)矩陣,并對所述主導振蕩模態(tài)矩陣中的每一個列向量進行希爾伯特化化6的變 換,得到復測量矩陣;
[0026] 復奇異值分解單元,用于利用復奇異值分解法,對所述復測量矩陣進行分解,得到 復測量矩陣的奇異值向量;
[0027] 計算單元,用于根據所述復測量矩陣的奇異值向量,計算主導振蕩模態(tài)的時變參 數和空間分布。
[002引可選的,所述信號測量矩陣生成單元具體包括:
[0029] 分類模塊,用于對向量測量單元傳輸到廣域測量系統中的測量信號進行分類;
[0030] 處理模塊,用于根據分類結果,將同類型的測量信號進行濾波和去噪處理;
[0031] 矩陣生成模塊,用于將濾波和去噪處理后的同類型測量信號生成具有統一時標的 信號測量矩陣。
[0032] 可選的,所述主導固有模態(tài)分量提取單元采用上下包絡線和B樣條插值的方法對 所述信號測量矩陣中的每一個測量信號進行經驗模態(tài)分解。
[0033] 可選的,所述復奇異值分解單元具體用于:利用復奇異值分解的方法對所述復測 量矩陣進行分解,獲取所述復測量矩陣的奇異值和奇異值向量。
[0034] 可選的,所述計算單元,具體包括:
[0035]第一計算模塊,用于構建所述復測量矩陣的協方差矩陣,并計算所述協方差矩陣 的特征值和特征向量;
[0036] 關系分析模塊,用于分析所述復測量矩陣的奇異值和奇異值向量與對應的所述協 方差矩陣的特征值和特征向量之間的關系;
[0037] 第二計算模塊,用于根據所述復測量矩陣的奇異值和奇異值向量與對應的所述協 方差矩陣的特征值和特征向量之間的關系,計算所述主導振蕩模態(tài)的時變參數和空間分 布。
[003引本發(fā)明的有益效果為:
[0039] 本發(fā)明提供的互聯電力系統的主導振蕩模態(tài)的辨識方法,結合WAMS中PMU的測量 時窗,進行互聯電力系統主導振蕩模態(tài)的實時辨識,不僅能夠計算主導振蕩模態(tài)在單一測 量點中的時變參數,還可W計算在空間中的能量分布,有效提高了互聯電力系統的穩(wěn)定性。
[0040] 上述說明僅是本發(fā)明技術方案的概述,為了能夠更清楚了解本發(fā)明的技術手段, 而可依照說明書的內容予W實施,并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠 更明顯易懂,W下特舉本發(fā)明的【具體實施方式】。
【附圖說明】
[0041] 通過閱讀下文優(yōu)選實施方式的詳細描述,各種其他的優(yōu)點和益處對于本領域普通 技術人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的,而并不認為是對本發(fā)明 的限制。而且在整個附圖中,用相同的參考符號表示相同的部件。在附圖中:
[0042]圖1為本發(fā)明實施例提出的一種互聯電力系統的主導振蕩模態(tài)的辨識方法的流 程圖;
[0043]圖2為采用本發(fā)明實施例提出的互聯電力系統的主導振蕩模態(tài)的辨識方法得到 的時變參數計算結果的示意圖;
[0044]圖3為采用本發(fā)明實施例提出的互聯電力系統的主導振蕩模態(tài)的辨識方法得到 的空間分布計算結果的示意圖;
[0045]圖4為本發(fā)明實施例提出的一種互聯電力系統的主導振蕩模態(tài)的辨識裝置的結 構框圖。
【具體實施方式】
[0046] 下面詳細描述本發(fā)明的實施例,所述實施例的示例在附圖中示出,其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的,僅用于解釋本發(fā)明,而不