基于时频域混合方法的电力系统低频振荡模式在线辨识

摘要

随着电力系统互联规模日趋增大，低频振荡现象时有发生，成为限制互联电网功率传输和危及电网安全稳定运行的关键因素之一，对电网低频振荡模式进行有效监测和抑制是智能电网中自愈功能的重要组成部分。目前常规低频振荡分析方法大多采用事后的时域Prony算法辨识，缺乏正常运行情况下的低频振荡模式跟踪。因此，本文按照有功数据的非线性去趋算法、扰动数据的检测和改进频域分解法(Frequency Domain Decomposition，FDD)的低频振荡在线辨识算法的研究路线，提出基于时频域混合方法的电力系统低频振荡模式在线辨识算法及其应用方案，主要内容如下：
　　 ①对电力系统动态有功数据进行去除非线性趋势的研究。针对现有非线性去趋方法计算速度慢，相对误差大的不足，本文结合平滑先验方法原理，并选择合适的正则化参数，提出一种基于平滑先验方法的有功数据非线性去趋算法；该方法能够有效去除动态数据中的非线性趋势，并且相对传统方法具有更快的计算速度和更小的相对误差，适用于有功数据在线应用。
　　 ②针对辨识数据中出现的有功数据扰动进行检测算法研究。本文提出了基于数学形态学的电力系统有功数据扰动检测应用方法，采用一阶求导法和软阈值处理法中的形态梯度和软阈值函数值作为指标函数，利用扰动前后指标函数的幅值变化来确定扰动起始点，有效地提高了检测水平。
　　 ③基于FDD的改进低频振荡在线辨识算法，利用功率谱矩阵的最大奇异值与特征量之间的对应关系实现模式参数的辨识。本文结合FDD的原理，提出采用模态幅值相干系数(Modal Amplitude Coherence，MAC)以确定奇异值分解曲线谱峰附近单模态区域的改进，在频域中直接用最小二乘拟合求出模式频率和阻尼，避免了传统频域方法阻尼求取时反傅立叶变换导致的精度损失。
　　 ④基于Matlab编程实现了本文所提出的算法，通过测试系统的仿真数据和电网的实测数据进行算例分析，计算结果均证明了本文所提算法的有效性和可行性。并根据以上研究，完成了基于改进FDD算法和Prony算法的低频振荡模式在线辨识应用。