一种基于Prony分析的智能振荡模式识别方法

摘要

一种基于Prony分析的智能振荡模式识别方法，包括以下步骤：步骤S10，选择需要识别振荡模式的参量曲线，对其进行Prony分析；步骤S20，根据Prony拟合误差，计算振荡模式识别浮动阈值；步骤S30，在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振模式；步骤S40，将Prony结果中幅值小于第1主振模式幅值K

说明书

技术领域

本发明属于电力系统分析计算领域，尤其涉及电力系统阻尼分析中振荡模 式识别技术领域。

背景技术

根据性质的不同，电力系统稳定性可分为功角稳定、电压稳定和频率稳定 三类。电力系统功角稳定还可以进一步分为以下三类：静态稳定、暂态稳定和 动态稳定，分别定义为：

(1)电力系统静态稳定是指电力系统受到小干扰后，不发生非周期性的失步， 自动恢复到起始运行状态的能力。

(2)电力系统暂态稳定指的是电力系统受到大干扰后，各发电机保持同步运 行并过渡到新的或恢复到原来稳定运行状态的能力。

(3)电力系统动态稳定是指系统受到干扰后，不发生振幅不断增大的振荡而 失步。

对于电力系统动态稳定分析，需要计算相关参量的阻尼比。阻尼比大于0， 则因干扰出现振荡的振幅是衰减的，经过一定时间后振荡将平息，电力系统可 恢复到稳定运行状态；阻尼比小于0，则因干扰出现振荡的振幅是增加的，经过 一定时间后增幅振荡将造成电力系统功角失稳，电力系统将瓦解；阻尼比等于0， 则因干扰出现振荡的振幅是不变的，电力系统无法恢复稳定。

在电力系统稳定运行情况下，各同步发电机转子相对“静止”，当出现干扰 后，各同步发电机转子之间将出现“振荡”。每个发电机转子间的这种“振荡” 是不同的，对于N台发电机的系统，将有N-1个“振荡”的模式。实际电力系 统中有万千上万的发电机，对应众多的振荡模式，在干扰情况下，这些振荡模 式将在电力系统功率、电压、频率、功角等相关参量中有所体现。对于某一具 体参量，在干扰下往往与数个振荡模式强相关而与其它振荡模式相关性较小， 即某一参量的变化可以由数个振荡的叠加近似表示。对于电力系统稳定分析来 说，需要在所关心的参量中找出前面所述的数个强相关振荡模式(或称为主要 振荡模式，简称为主振模式)，根据其阻尼比，判断电力系统的稳定性。

目前主要使用Prony分析计算所关注参量的振荡模式，但要得出哪些模式是 主要振荡模式则往往靠人工方法判断，存在识别速度慢、识别结果受人为因素 影响大的缺点。本专利将基于Prony分析，提出一种智能化的振荡模式识别方法， 可解决上述人工判断的不足。

发明内容

综上所述，确有必要提供一种智能化的振荡模式识别方法，提高振荡模式 识别的速度与准确度。

一种智能化的振荡模式识别方法，主要包括以下步骤：步骤S10，选择需要 识别振荡模式的参量曲线，计为X＝{X_i，i＝1，2，3……N}，对其进行Prony分 析，得到M个振荡模式,并将各振荡模式以幅值从大到小排序；步骤S20，将 Prony拟合误差曲线平均分为三段，根据三段误差曲线能量，计算振荡模式识别 浮动阈值，用于主要振荡模式的判断；步骤S30，在Prony分析结果中搜索满足 一定频率与阻尼比范围且幅值最大的模式作为第1主振模式；步骤S40，其它主 振模式识别。将Prony结果中幅值小于第1主振模式幅值K₂倍的振荡模式滤除。 在剩余振荡模式中，以试错方式逐一删除各个模式，并计算删除振荡模式后的 Prony拟合误差，若误差超过浮动阈值T_h则恢复该模式，若误差未超过浮动阈值 T_h则该模式不是主要振荡模式，保持删除状态。保留下来的振荡模式均为主要 振荡模式。步骤S50，提取一定频率与阻尼比范围内的主要振荡模式，根据需要， 以一定顺序、规则输出主要振荡模式。

本发明将Prony拟合误差曲线平均分为三段，采用根据三段误差曲线能量确 定浮动阈值的技术。

本发明在滤除非主要振荡模式中采用了“试错”技术，逐一删除各个模式， 删除后重新计算Prony拟合误差，若误差超过浮动阈值则该模式保留，否则删除 该模式。

本发明的有益效果是，通过采用一定算法对Prony分析结果进行处理，滤 除非主要振荡模式，保留主要振荡模式，实现了振荡模式的智能识别，且该振 荡模式识别方法具有普遍适用性。本发明具有思路清晰，通用性较好，适合推 广使用的优点。

附图说明

图1为本发明提供的一种智能化的振荡模式识别方法流程图；

图2为本发明提供的其它主振模式识别流程图；

图3为本发明提供的某发电机功角变化曲线波形图；

图4为本发明提供的Prony分析结果图；

图5为本发明提供的智能振荡模式识别结果图。

具体实施方式

下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表 述。

请参阅图1，图1为本发明提供的一种精细化电网风险评估方法流程图，主 要包括如下步骤：

步骤S10，选择需要识别振荡模式的曲线，计为X＝{X_i，i＝1，2，3……N}， 对其进行Prony分析，得到M个振荡模式，每个振荡模式包含其幅值A_i、频率f_i、 相位θ_i、衰减系数α_i以及阻尼比D_i(下标i＝1，2，3……M)；并将各振荡模式 以幅值从大到小排序；

步骤S20，计算振荡模式识别浮动阈值，用于主要振荡模式的判断。Prony 本质上一种曲线拟合，拟合会存在一定误差，浮动阈值将根据Prony拟合误差 进行调整；

浮动阈值计算如下：

(1)根据Prony分析结果计算Prony拟合曲线

${\bar{X}}_i={\Sigma }_{k=1}^M{e}^{-{\alpha }_k{\mathrm{iT}}_s}{A}_{k}cos(2{\mathrm{\pi f}}_k{\mathrm{iT}}_s+{\theta }_k)---\left(1\right)$

式1中T_s为X参量的采样周期；

(2)计算Prony拟合误差$X_{Err}=\{X_{Err,i},i=1,2,3......N\}$

$X_{Err,i}=X_i-{\bar{X}}_i---\left(2\right)$

(3)将等分为三段分别计算其能量：

$E_{Err1}=\frac{1}{fix\left(\frac{N}{3}\right)}\underset{i=1}{\overset{fix\left(\frac{N}{3}\right)}{\Sigma }}\left|X_{Err,i}\right|---\left(3\right)$

$E_{Err2}=\frac{1}{fix(2N/3)-fix(N/3)}\underset{fix\left(N/3\right)+1}{\overset{fix\left(2N/3\right)}{\Sigma }}\left|X_{Err,i}\right|---\left(4\right)$

$E_{Err3}=\frac{1}{N-fix\left(2N/3\right)}\underset{i=fix\left(2N/3\right)}{\overset{N}{\Sigma }}\left|X_{Err,i}\right|---\left(5\right)$

式3-式5中fix(x)表示对x取整；

计算得到振荡模式识别阈值T_h为：

T_h＝max(E_Err1，E_Err2，E_Err3)*K₁₍₆₎

式6中K₁为可设定且大于1的系数；

步骤S30，计算第1主振模式，设定关注的频率上下限f_up、f_down，设定关 注的阻尼比上限D_up。在Prony分析结果中，搜索满足f_up≥f_i≥f_down且 D_up≥D_i、振荡模式中幅值最大的模式为第1主振荡模式。

步骤S40，其它主振模式识别。令第1振荡模式幅值为A_m，1，将Prony结果 中幅值小于K₂A_m，1的振荡模式滤除(K₂为一小于1的系数)。在剩余振荡模式中， 以试错方式逐一删除各个模式，并计算删除振荡模式后的Prony拟合误差，若误 差超过浮动阈值T_h则恢复该模式，若误差未超过浮动阈值T_h则该模式不是主要 振荡模式，保持删除状态。保留下来的振荡模式均为主要振荡模式。在Prony 拟合误差检测中将曲线分为三段，可分别检测曲线前段、中段、后段的拟合精 度，防止曲线总体拟合较好但局部误差较大的情况出现。本步骤流程请参阅图2。

步骤S50，输出主要振荡模式识别结果。在步骤S40保留下来的主要振荡模 式中，提取振荡频率在f_down～f_up范围内、阻尼比小于D_up的振荡模式，根据需 要，以按幅值排序、阻尼比排序等方式输出一定数量的主要振荡模式。

本发明将Prony拟合误差曲线平均分为三段，采用根据三段误差曲线能量确 定浮动阈值的技术。

本发明在滤除非主要振荡模式中采用了“试错”技术，逐一删除各个模式， 删除后重新计算Prony拟合误差，若误差超过浮动阈值则该模式保留，否则删除 该模式。

实施例一

本发明所述的智能振荡模式识别方法基于某电网故障仿真数据进行分析计 算，具体步骤如下：

(1)在故障仿真数据中选择某发电机功角变化曲线，曲线波形请参见图3， 对所选曲线进Prony分析，得到图4所示Prony分析结果。

(2)计算振荡模式识别浮动阈值。曲线前、中、后三段的拟合误差分别为 2.835e-4、2.187e-5、9.277e-5，系K₁取2，则振荡模式识别阈值T_h＝5.67e-4。

(3)频率上限f_up取2.5Hz、频率下限f_down取0.1Hz、阻尼比上限D_up取15％。 则可得出Prony分析结果中第2个振荡模式为第1主要振荡模式。

(4)K₂取0.005，在Prony结果中，去除幅值小于0.005*18.21＝0.091的 振荡模式。在图4中，第8个及以后的振荡模式将被滤除。

(5)以试错方式逐一删除各个模式，经计算，Prony结果中第6与第7个 振荡模式将被删除。

(6)根据频率上下限、阻尼比上限，在Prony结果第1～5振荡模式(其 它模式已被滤除)中提取输出结果。第2个与第5个振荡模式符合要求，按阻 尼比从大到小输出，结果参见图5。

从上述计算过程可知，本发明提供的一种基于Prony分析的智能振荡模式识 别方法，可以从Prony结果中识别出主要振荡模式，为电力系统稳定分析提供 基础。

另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本 发明精神所作的变化，都应包含在本发明所要求保护的范围内。