一种基于录波大数据异常检测的发电机组次同步风险评估方法。包括以下内容：通过收集同一机组一段时间内所有扭振录波文件，对其中的机端三相电流信号进行傅里叶变换，并提取工频分量、次同步和超同步谐波分量系数，构造原始特征数据集Feature；通过主成分分析法将原始特征数据集进行去相关和数据清洗，得到降维特征数据集Feature_comp；基于得到的降维特征数据集，建立各样本与统计特征间的马氏距离分布，以马氏距离的大小来衡量次同步风险大小，当风险值达到90％或以上时系统报警。本发明专利技术快速实现SSO风险的安全评估，为电网运行中SSO防御和抑制提供辅助决策手段。
【技术实现步骤摘要】
本专利技术属于电力系统稳定与控制
，具体设及一种基于录波大数据异常检 测的发电机组次同步风险评估方法，为电力系统稳定与安全运行提供辅助决策和安全预 警。 技术背景 在远距离大容量输电需求的背景之下，由于大量采用串补输电、交直流混合输电 及FACTS设备，使得由此引发的次同步振荡（SS0)严重威胁了电网和发电机组的安全稳定 运行。目前，对SS0研究侧重于机组扭振保护及振荡控制方面，对电网运行监控缺少振荡防 御手段。因此，深入研究机网运行中次同步风险评估及其预防性控制技术具有重大意义。目前，机组轴系扭振监测/控制/保护装置产生了大量录波文件，实时记录了电网 运行中机组轴系转速信号和机端电压/电流信号，然而，对录波文件的处理方式往往是人 工的、手动的、故障后有针对性的分析，因此，长年积累下来大量的历史录波文件，除了用于 历史备案外并没有形成能帮助运行人员理解电网运行状态的知识。另外，关于SS0分析主 要从高灵敏度的轴系转速信号出发，借助一些繁琐的算法和技术（如滤波、阻巧计算）进行 处理，而电气量信号仅作为辅助分析所用，其利用率很小。如果能充分利用该些积累的大量 数据挖掘出录波文件背后蕴含的丰富信息，实现系统SS0快速辨识和安全评估预警，将会 大大提升运行的智能化水平。
技术实现思路
本专利技术的目的是通过大量扭振录波文件提供一种次同步风险识别模型，从而快速 实现SS0风险的安全评估，为电网运行中SS0防御和抑制提供辅助决策手段。 本专利技术所公开的一种， 依托扭振系列装置积累的大量历史录波文件中的电流信号，通过特征提取、降维压缩、模型 建立和风险识别等环节实现了 SS0风险的快速评估和安全预警。本专利技术具体采用W下技术 方案： -种，其特征在于，所 述方法包括如下步骤： (1)收集同一发电机组运行中积累的扭振录波文件，通过从中提取机端S相电流 信号ia、ib、ic，建立维数为NX 3的数据库，N为录波文件的个数； (2)针对数据库中每个对象即每个录波文件对应的每一相电流信号，通过傅里叶 变换提取模式特征，构造维数为NXP的特征矩阵化ature，P为每个录波文件对应的特征指 标个数； (3)将获得的特征矩阵向K个相互正交的坐标轴进行投影，K<P，形成维数为NXK 的降维特征矩阵化ature_comp，其中K个相互正交的坐标方向是由FeETture的协方差矩阵 特征分解结果来决定的； (4)基于上述降维特征矩阵，视每个行向量为一个样本，通过样本反复抽取、参数 可靠估计和马氏距离统计建立基于数据驱动的次同步风险识别模型； (5)对于实时采集的新录波文件，重复特征提取、降维压缩和距离计算，并根据建 立的次同步风险识别模型实现当前录波运行方式下机组的次同步风险评估。 本专利技术还进一步包括W下优选方案： 在步骤（2)中，所述的特征矩阵化ature的构造具体包括； 2. 1将NX3维数据库中每个录波文件对应的S个对象即S相电流信号 别进行离散傅里叶变换，得到S相电流的变换序列I。、Ib、I。； 2. 2从每个变换序列中提取工频、次同步和超同步振荡频率对应的幅值作为模式 特征量； 当某发电机组的扭振频率分别为fi，f2,…，fm，m为扭振模态阶数，则从每个变换 序列中提取与频率向量对应的幅度向 量，得到每个录波文件对应的特征向量： F'eaturej- [Aj,i…Aj,2m+iBj,!…Bj,2m+iCj,!…Cj,2m+J(1)[001引式中，j = 1，2,…N，下标j代表第j个录波文件，A、B、C分别代表与I。、Ib、I。对 应的模式特征，数据库中每个对象对应2m+l个特征指标； 2. 3综合所有录波文件对应的特征向量，形成维数为NXP的特征矩阵化ature，其 中 P = 3X (2m+l); 在步骤（3)中，通过正交投影获取降维特征矩阵具体实现包括： 3. 1标准化特征矩阵化ature，然后计算其协方差矩阵Cov ; 3. 2对协方差矩阵Cov进行特征值分解，将特征值按照从大到小的顺序排列，设 入A A P，与之对应的标准正交特征向量分别记为丫 1，丫 2，…，丫 P; 3. 3求满足条巧的最小K值，将标准化后的特征矩阵向特征向 量子空间[丫 1，丫 2,…，丫J投影，获得降维特征矩阵化aure_comp，同时存储基底即前述的 特征向量子空间[丫。丫2,…，丫 J。 在步骤（4)中，基于降维特征矩阵的次同步风险识别模型建立过程具体包括： 4. 1从降维特征矩阵化aure_comp中随机抽取H个样本，其中N/2《H《3N/4,计 算其样本均值Ti和协方差矩阵S 1; 4. 2根据样本均值Ti和协方差矩阵S 1，获取所有N个样本的马氏距离dj:[002引其中，j = 1，2,…N，F'eature_comPj为降维特征矩阵的第j行向量。 4. 3从降维特征矩阵中选择对应马氏距离最小的H个样本，计算其样本均值T2和 协方差矩阵S2,当满足det(S2) =det(Si)或det(S2) =0时，其中，det代表行列式运算， 将Ti和S1分别作为降维特征矩阵总体分布期望T和方差S的可靠估计；否则，基于T2和S2 重新计算所有样本的马氏距离dj.，并选择对应马氏距离最小的H个样本，计算其样本均值Ts 和协方差矩阵Sg......如此反复，直至det(Sw) = det(S。）或det(Sw) = 0时停止迭代，并 将T。和S。分别作为降维特征矩阵总体分布期望T和方差S的可靠估计进行存储； 4. 4基于步骤4. 3中存储的期望T和方差S的可靠估计量，样本马氏距离d服从自 由度为K的卡方分布，当样本的马氏距离d满足y (巧时视为异常样本且存在次同步 风险，a为显著性水平。 在步骤巧）中，所述的当前运行方式下次同步风险评估过程具体包括： 5. 1对于实时采集的新录波文件，通过对其中的机端=相电流信号进行离散傅里 叶变换，提取与工频、次同步和超同步对应的模式特征向量U ;5. 2将U向步骤（3)中存储的基底投影，得到压缩向量V; 5. 3基于步骤（4)中存储的均值T和协方差S，计算压缩向量V的马氏距离D，当 P(X《D) > 95%时，认为当前运行方式下机组存在次同步风险，且该值越大风险越大，其中 X是自由度为K的卡方分布随机变量取值。 本专利技术具有W下有益技术效果；本专利技术是一种数据驱动的风险识别方法，克服了 传统方法的建模复杂、先验参数难确定及只能用于事后分析的缺点。该方法基于机组积累 的历史录波数据中的电气量信号，能够通过对数据的分析，建立扭振风险评估模型。在应用 中，根据实时录波结合风险评估模型，可W快速有效识别机组当前运行方式下的次同步风 险情况，对发电机组健康状态及时掌握，W便及时采取事故预防措施，具有非常重要的现实 价值。【附图说明】 图1为本申请公开的发电机组次同步风险评估方法流程图；图2为本专利技术实现的 装置录波数据接入框图（W 3个模态为例）； 图3为本专利技术实现的特征矩阵降维流程图； 图4为本专利技术实现的次同步风险识别模型建立流程图； 图5为本专利技术实现的具体实例效果（其中，图（a)为降维特征矩阵维数选择参考 曲线、图化）为马氏距离分布图、图（C)为部分样本的SS0风险评估举例）。【具体实本文档来自技高网...
【技术保护点】
一种基于录波大数据异常检测的发电机组次同步风险评估方法，其特征在于，所述方法包括如下步骤：(1)收集同一发电机组运行中积累的扭振录波文件，通过从中提取机端三相电流信号ia、ib、ic，建立维数为N×3的数据库，N为录波文件的个数；(2)针对数据库中每个对象即每个录波文件对应的机端每一相电流信号，通过傅里叶变换提取模式特征，构造维数为N×P的特征矩阵Feature，P为每个录波文件对应的特征指标个数；(3)将获得的特征矩阵向K个相互正交的坐标轴进行投影，K<P，形成维数为N×K的降维特征矩阵Feature_comp，其中K个相互正交的坐标方向是由Feature的协方差矩阵特征分解结果来决定的。(4)基于上述降维特征矩阵，视每个行向量为一个样本，通过样本反复抽取、参数可靠估计和马氏距离统计建立基于数据驱动的次同步风险识别模型。(5)对于实时采集的新录波文件，重复特征提取、降维压缩和距离计算，并根据建立的次同步风险识别模型实现当前录波运行方式下机组的次同步风险评估。
【技术特征摘要】
【专利技术属性】
技术研发人员：焦邵华，赵传霖，白淑华，张利强，徐延明，刘刚，黄磊，
申请(专利权)人：北京四方继保自动化股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。