基于APIT-MEMD电力系统低频振荡模式辨识方法技术方案

本发明专利技术公开了一种基于APIT‑MEMD电力系统低频振荡模式辨识方法，所述方法包括以下步骤：采用APIT‑MEMD对多元广域实测信号s(t)进行分解处理，提取表征不同振荡频率的IMF的集合；引入Teager能量算子计算IMF分量的能量值，并对同一量测通道内能量值的大小进行排序，筛选出与主导振荡模式强相关的IMF分量；采用希尔伯特黄变换估计强相关的IMF分量所对应的主导振荡模式的瞬时振荡频率和瞬时阻尼比，并对瞬时振荡频率和瞬时阻尼比分别求均值，进而实现对电力系统主导振荡模式的辨识。本发明专利技术实现了基于PMU实测数据的电力系统低频振荡模式辨识，提高了辨识精度。

Identification of Low Frequency Oscillation Mode in Power System Based on API T-MEMD

The invention discloses a method for identifying low frequency oscillation mode of power system based on APIT MEMD, which includes the following steps: using APIT MEMD to decompose the multi-element wide-area measured signal s(t), extracting the set of IMF s representing different oscillation frequencies, introducing Teager energy operator to calculate the energy value of IMF components, and sorting the energy values in the same measurement channel. Hilbert Huang transform is used to estimate the instantaneous oscillation frequency and the instantaneous damping ratio of the dominant oscillation mode corresponding to the strongly correlated IMF component, and the instantaneous oscillation frequency and the instantaneous damping ratio are averaged respectively to identify the dominant oscillation mode of power system. The invention realizes power system low frequency oscillation mode identification based on PMU measured data, and improves identification accuracy.

【技术实现步骤摘要】
基于APIT-MEMD电力系统低频振荡模式辨识方法
本专利技术涉及电力系统领域，尤其涉及一种基于自适应投影的多元经验模态分解(Adaptive-projectionintrinsicallytransformedmultivariateempiricalmodedecomposition，APIT-MEMD)电力系统低频振荡模式辨识方法。
技术介绍
随着大区互联电网规模的不断扩大、高渗透率可再生能源的大规模并网、我国电力系统的运行已越来越接近其稳定极限运行，电力系统低频振荡问题已经成为威胁电网安全稳定运行的重要原因[1-2]。因此，辨识出低频振荡的主导振荡模式对电力系统安全稳定具有十分重要的现实意义。目前，电力系统低频振荡模式辨识方法主要有基于模型的分析方法和基于量测数据的分析方法。基于模型的分析方法主要是特征值分析方法，该方法的原理是将电力系统非线性的动态原件方程线性化，计算线性化后状态矩阵的特征值，再根据李雅普诺夫第一定理判断电力系统在该运行点的稳定性。该方法能够计算出电力系统所有的机电振荡模式，面对电网规模不断扩大的背景下，计算量急剧增加，因此该方法多用于离线分析。随着同步相量测量单元(PhasorMeasurementUnit，PMU)大规模配置于实际电网、广域量测系统在区域互联电网中不断建设和应用，基于广域量测信息分析与评估当前电力系统的小扰动稳定性越来越受到工业界和学术界的关注[3]。该方法不依赖于电力系统的模型和参数，仅通过量测信息即可实现电力系统低频振荡的模式辨识。目前，常用于基于广域量测信息的电力系统主导振荡模式辨识方法有Prony算法、Kalman滤波、自回归滑动平均法、连续小波变换、多尺度线调频基稀疏信号分解[4]、矩阵束[5]、最小特征实现，随机子空间、结合经验模态分解(Empiricalmodedecomposition，EMD)的信号能量法等。其中EMD方法应用较为广泛，能够从广域量测信息中提取出与主导振荡模式强相关的固有模态函数(intrinsicmodefunctions，IMF)信号。但EMD方法只能单通道辨识且辨识结果仅局限于该量测通道中的信息，无法实现多通道协同辨识，多元经验模态分解算法(Multivariateempiricalmodedecomposition，MEMD)在EMD算法的基础之上将辨识通道由一维扩展为多维，实现多通道的协同辨识，计算效率得到了极大的提高。但对于多变量信号数据之间的相关性问题，误差还是不能得到令人满意的结果，因此，对于一般的多变量信号仍然缺乏解决方案。
技术实现思路
本专利技术提供了一种基于APIT-MEMD电力系统低频振荡模式辨识方法，本专利技术实现了基于PMU实测数据的电力系统低频振荡模式辨识，提高了辨识精度，详见下文描述：一种基于APIT-MEMD电力系统低频振荡模式辨识方法，所述方法包括以下步骤：采用APIT-MEMD对多元广域实测信号s(t)进行分解处理，提取表征不同振荡频率的IMF的集合；引入Teager能量算子计算IMF分量的能量值，并对同一量测通道内能量值的大小进行排序，筛选出与主导振荡模式强相关的IMF分量；采用希尔伯特黄变换估计强相关的IMF分量所对应的主导振荡模式的瞬时振荡频率和瞬时阻尼比，并对瞬时振荡频率和瞬时阻尼比分别求均值，进而实现对电力系统主导振荡模式的辨识。其中，所述采用APIT-MEMD对多元广域实测信号s(t)进行分解处理具体为：在d维空间建立均匀分布的方向向量集；根据多元量测信号s(t)确定功率不平衡最高的方向；自适应的改变方向向量的分布。进一步地，所述根据多元量测信号s(t)确定功率不平衡最高的方向具体为：在振荡剧烈的方向增加投影，在平稳信号方向减少投影；将信号非平稳程度最大的方向，作为功率不平衡最高的方向。其中，所述自适应的改变方向向量的分布具体为：建立与第一主成分特征向量v1相关的自适应投影的方向向量集构建与方向向量v01相关的自适应投影的方向向量集预先生成的方向向量是均匀分布的，一半与特征向量v1相关，另一半与特征向量v01相关。进一步地，所述方向向量集具体为：式中，α为控制方向向量分布程度的系数，θk为第k个投影方向向量，为与第一主成分特征向量v1相关的方向向量集。优选地，所述方向向量集具体为：其中，为与v1相关的方向向量集。其中，所述瞬时阻尼比具体为：所述瞬时振荡频率具体为：其中，A(t)为幅值函数；φ(t)为相位函数。所述方法还包括：计算每个IMF分量的频率和阻尼比时，去除瞬时振荡频率和瞬时阻尼比曲线两端各5％的数据，对中间部分求均值来估计振荡频率和阻尼比。本专利技术提供的技术方案的有益效果是：1、本专利技术引入了APIT-MEMD算法对PMU实测信息进行分解处理，实现了低频振荡的主导振荡模式辨识，有效解决了多变量信号的功率不平衡和各变量间相关性的问题，其在大量投影向量中表现出类似甚至更好的结果；2、本专利技术与标准MEMD算法相比，对非平稳、非线性广域量测信号，不但能得到较为良好的结果，还能减轻模态混叠现象并减小IMF分量的误差；3、本专利技术采用APIT-MEMD算法能够从广域量测信息中辨识出主导振荡模式的振荡频率和阻尼比，与EMD和MEMD方法相比，本专利技术有较高的辨识精度，可为电网运行调度人员提供更加丰富的电网运行状态信息以改善电力系统的小扰动稳定性。附图说明图1为一种基于APIT-MEMD电力系统低频振荡模式辨识方法的流程图；图2为二维超球面自适应投影的方向向量集分布示意图；图3为16机68节点测试系统图；图4为支路46-49故障发电机转子角摇摆曲线图；图5为发电机G2转子角波形图；图6为发电机G2转子角提取出的IMF分量图；图7为主导模式1和模式2的瞬时振荡频率和瞬时阻尼比曲线示意图。其中，(a)为模式1的振荡频率；(b)为模式1的阻尼；(c)为模式2的振荡频率；(d)为模式2的阻尼。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。为了解决
技术介绍
中传统EMD方法和MEMD方法辨识精度低且存在模式混叠现象的问题，本专利技术实施例改变投影的控制策略，筛选出能够准确表征主导振荡模式的IMF分量，借助Teager能量算子和希尔伯特黄变换算法辨识主导模式的振荡频率和阻尼比，以实现主导振荡模式更加精确的估计，为电网运行调度人员提供更加精确的主导振荡模式的参数信息以改善电力系统的小扰动稳定性。实例1一种基于APIT-MEMD的电力系统低频振荡模式辨识方法，参见图1，该方法包括以下步骤：101：采用APIT-MEMD对多元广域实测信号s(t)进行分解处理，提取表征不同振荡频率的IMF的集合；其中，上述广域实测信号s(t)即所有PMU采集的量测数据，例如：一台PMU采集一台发电机的转子角信号，n台PMU采集的数据即为广域实测数据。102：引入Teager能量算子计算IMF分量的能量值，并对同一量测通道内能量值的大小进行排序，筛选出与主导振荡模式强相关的IMF分量；103：采用希尔伯特黄变换(Hilbert-HungTransform，HHT)估计强相关的IMF分量所对应的主导振荡模式的瞬时振荡频率和瞬时阻尼比，并对瞬时振荡频率和瞬时阻尼比分别求均值，进而实现对电力本文档来自技高网...

【技术保护点】
1.一种基于APIT‑MEMD电力系统低频振荡模式辨识方法，其特征在于，所述方法包括以下步骤：采用APIT‑MEMD对多元广域实测信号s(t)进行分解处理，提取表征不同振荡频率的IMF的集合；引入Teager能量算子计算IMF分量的能量值，并对同一量测通道内能量值的大小进行排序，筛选出与主导振荡模式强相关的IMF分量；采用希尔伯特黄变换估计强相关的IMF分量所对应的主导振荡模式的瞬时振荡频率和瞬时阻尼比，并对瞬时振荡频率和瞬时阻尼比分别求均值，进而实现对电力系统主导振荡模式的辨识。

【技术特征摘要】
1.一种基于APIT-MEMD电力系统低频振荡模式辨识方法，其特征在于，所述方法包括以下步骤：采用APIT-MEMD对多元广域实测信号s(t)进行分解处理，提取表征不同振荡频率的IMF的集合；引入Teager能量算子计算IMF分量的能量值，并对同一量测通道内能量值的大小进行排序，筛选出与主导振荡模式强相关的IMF分量；采用希尔伯特黄变换估计强相关的IMF分量所对应的主导振荡模式的瞬时振荡频率和瞬时阻尼比，并对瞬时振荡频率和瞬时阻尼比分别求均值，进而实现对电力系统主导振荡模式的辨识。2.根据权利要求1所述的一种基于APIT-MEMD电力系统低频振荡模式辨识方法，其特征在于，所述采用APIT-MEMD对多元广域实测信号s(t)进行分解处理具体为：在d维空间建立均匀分布的方向向量集；根据多元量测信号s(t)确定功率不平衡最高的方向；自适应的改变方向向量的分布；估计多元信号局部均值。3.根据权利要求2所述的一种基于APIT-MEMD电力系统低频振荡模式辨识方法，其特征在于，所述根据多元量测信号s(t)确定功率不平衡最高的方向具体为：在振荡剧烈的方向增加投影，在平稳信号方向减少投影；将信号非平稳程度最大的方向，作为功率不平衡最高的方向。4.根据权利要求2所述的一种基于APIT-...

【专利技术属性】
技术研发人员：姜涛，殷祥翔，陈厚合，李雪，李国庆，张儒峰，张嵩，王长江，李曙光，李本新，李晓辉，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林,22