一种基于随机子空间的电力系统振荡模式快速辨识方法技术方案

本发明专利技术公开了一种基于随机子空间的主导振荡模式快速辨识方法，所述方法包括以下步骤：从广域量测系统中获取电力系统的量测信息，根据量测信息构建电力系统随机子空间的扩展可观测矩阵；根据随机子空间的扩展可观测矩阵计算系统降阶状态方程的状态矩阵；计算状态矩阵的广义逆矩阵的逆矩阵；计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值；基于模态相似准侧，辨识出系统的主导振荡模式。本发明专利技术在保证主导振荡模式辨识精度的前提下，提高基于随机子空间辨识的电力系统主导振荡模式辨识效率。

【技术实现步骤摘要】
一种基于随机子空间的电力系统振荡模式快速辨识方法
本专利技术涉及电力系统领域，尤其涉及一种基于随机子空间的电力系统振荡模式快速辨识方法。
技术介绍
区域电网互联规模不断扩大，可再生能源大规模并网，使得区域功率振荡已成为限制区域间输电能力、危及电力系统安全可靠运行的一个重要因素。因此，如何快速、准确、可靠地辨识电力系统的主导振荡模式对改善电力系统运行安全性具有十分重要的工程实用价值。目前，电力系统的主导振荡模式辨识分为基于电力系统微分-代数模型的振荡模式分析方法和基于电力系统广域量测信息的振荡模式分析方法。基于电力系统微分-代数模型的振荡模式分析方法需构建电力系统设备和系统的详细数学模型和精确的模型参数，且分析结果一般只适用于给定的系统运行点，当系统远离所给定的运行点时，其分析结果不能准确反映系统实际的振荡模式，因而基于电力系统微分-代数模型的振荡模式分析方法主要用于电力系统离线安全性分析和电力系统规划中。基于电力系统广域量测信息的振荡模式分析方法借助模式识别的相关理论，从电力系统的广域量测信息中辨识系统在运行过程中所存在的主导振荡模式，由于广域量测信息直接来源于电力系统的实际运行状态信息，其可辨识结果可真实反映系统在实际运行时所存在的主导振荡模式，因而基于电力系统广域量测信息的振荡模式分析方法主要用于电力系统动态稳定的实时在线监测和控制。根据电力系统广域量测信息类型的不同，基于广域量测的电力系统主导振荡模式辨识方法可分为：基于故障信号的主导振荡模式辨识方法和基于类噪声信号的主导振荡模式辨识方法。基于故障信号的主导振荡模式辨识方法主要通过振荡曲线拟合的方法来辨识系统的主导振荡模式，如Prony方法和小波变换；基于类噪声信号的主导振荡模式辨识方法主要通过辨识系统的传递函数矩阵或状态子空间来辨识系统的主导振荡模式，如自回归滑动模型方法。上述方法受模式辨识理论限制，只适用于处理上述某一种类型的电力系统广域量测信息，而实际电力系统的量测通道既可能采集到电力系统故障信号也会采集到电力系统的类噪声信号，这就要求存在一种可通常处理故障信号和类噪声信号的主导振荡模式辨识方法。随机子空间辨识已被证明是一种可同时从电力系统的故障信号和类噪声信号中有效辨识出系统主导振荡模式的模式辨识方法。但如何从随机子空间辨识结果中有效分离出电力系统的主导振荡模式和虚假振荡模式，是基于随机子空间辨识的电力系统主导振荡模式辨识方法所面临的主要问题之一。为有效分离出随机子空间辨识结果中的主导振荡模式和虚假振荡模式，根据主导振荡模式不随系统降阶模型维数变化而变化，而虚假振荡模式随系统降阶模型维数变化而剧烈变化特点，通过重复辨识和计算多个不同维数的状态子空间来分离出系统的主导振荡模式。而重复辨识和计算多个不同维数的状态子空间，必然会降低采用随机子空间辨识系统主导振荡模式的效率，降低电力系统动态稳定在线监测的实时性。
技术实现思路
本专利技术提供了一种基于随机子空间的电力系统振荡模式快速辨识方法，本专利技术在保证主导振荡模式辨识精度的前提下，提高基于随机子空间辨识的电力系统主导振荡模式辨识效率，详见下文描述：一种基于随机子空间的主导振荡模式快速辨识方法，所述方法包括以下步骤：从广域量测系统中获取电力系统的量测信息，根据量测信息构建电力系统随机子空间的扩展可观测矩阵；根据随机子空间的扩展可观测矩阵计算系统降阶状态方程的状态矩阵；计算状态矩阵的广义逆矩阵的逆矩阵；计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值；基于模态相似准侧，辨识出系统的主导振荡模式。进一步地，所述计算状态矩阵的广义逆矩阵的逆矩阵具体为：1)计算状态矩阵A0的广义逆矩阵2)计算逆矩阵的逆矩阵A1：A1＝(O↓TO↑)-1O↓TO↓其中，O↑和O↓为子矩阵；T为转置。具体实现时，所述计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值具体为：1)分别计算状态矩阵A0和逆矩阵A1在连续空间中的特征值λ0,i和λ1,i；2)分别删除λ0,i和λ1,i中特征值为实数和虚部小于零的复特征值，然后进一步删除复特征值虚部在区间[0.4π,4π]之外的特征值，仅保留λ0,i和λ1,i中复特征值虚部在区间[0.4π,4π]之内的特征值；3)将经过步骤2)处理后的特征值分别存入λ0和λ1，将状态矩阵A0在连续空间的特征值经步骤2)处理后保留下来的特征值存入λ0中，将逆矩阵A1在连续空间的特征值经步骤2)处理后保留下来的特征值存入λ1中。进一步地，所述基于模态相似准侧，辨识出系统的主导振荡模式具体为：1)若λ0中的复特征值λ0,i与λ1中的复特征值λ1,j满足判别条件，则认为λ0,i和λ1,j为系统的同一主导振荡模式；2)根据从λ0和λ1中分离出的系统同一主导振荡模式λ0,i和λ1,i，计算系统的主导振荡模式λk及对应的振荡频率fk和阻尼比ξk。进一步地，所述判别条件具体为：式中，f0,i和ξ0,i分别为λ0中第i振荡模式λ0,i的振荡频率和阻尼比；f1,j和ξ1,j分别为λ1中第j振荡模式λ0,j的振荡频率和阻尼比；Δf、Δξ和Δm分别为λ0,i与λ1,j的振荡频率偏差、阻尼比偏差和振荡模式偏差；和分别为λ0,i与λ1,j的振荡频率偏差、阻尼比偏差和振荡模式偏差的阈值。具体实现时，所述系统的主导振荡模式λk及对应的振荡频率fk和阻尼比ξk具体为：式中，imag(λk)表述取λk的虚部；real(λk)表述取λk的实部；|λk|表述取λk的模值。本专利技术提供的技术方案的有益效果是：1、本专利技术实现了电力系统主导振荡模式的快速、准确辨识，提高基于随机子空间的电力系统主导振荡模式的辨识效率；2、本专利技术有利于实现电力系统功率振荡的快速预警，为电网运行调度人员提供更为充足的时间制定抑制系统功率振荡的控制策略；3、本专利技术完全基于电力系统广域量测数据，不需要依赖电力系统准确的数学模型和精确的参数值，即可实现电力系统主导振荡模式的准确、快速计算；4、本专利技术相对基于高维电力系统数学模式的特征值方法，计算效率更快；5、本专利技术不仅可在电力系统的故障信号中辨识出系统的主导振荡模式，而且也可从电力系统的类噪声信号中辨识出系统的主导振荡模式，本专利技术相对基于Prony的主导振荡模式算法更具有通用性；6、本专利技术可为电网运行调度人员提供更加快速、准确的电网动态稳定信息，有利提升电力系统动态稳定态势感知的响应速度。附图说明图1为一种基于随机子空间的电力系统振荡模式快速辨识方法流程图；图2为中国南方电网楚穗直流单极闭锁联络线YC上的有功功率变化图；其中，YC为线路编号。图3为状态矩阵A0在离散空间中的特征值计算结果图；图4为状态矩阵A1在离散空间中的特征值计算结果图；图5为状态矩阵A0在连续空间中的特征值计算结果图；图6为状态矩阵A1在连续空间中的特征值计算结果图；图7为状态矩阵A0在连续空间中的特征值经预处理后的结果图；图8为状态矩阵A1在连续空间中的特征值经预处理后的结果图。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
中关于基于随机子空间的电力系统主导振荡模式辨识效率的不足，本专利技术实施例提出一种基于随机子空间的本文档来自技高网...

【技术保护点】
1.一种基于随机子空间的主导振荡模式快速辨识方法，其特征在于，所述方法包括以下步骤：从广域量测系统中获取电力系统的量测信息，根据量测信息构建电力系统随机子空间的扩展可观测矩阵；根据随机子空间的扩展可观测矩阵计算系统降阶状态方程的状态矩阵；计算状态矩阵的广义逆矩阵的逆矩阵；计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值；基于模态相似准侧，辨识出系统的主导振荡模式。

【技术特征摘要】
1.一种基于随机子空间的主导振荡模式快速辨识方法，其特征在于，所述方法包括以下步骤：从广域量测系统中获取电力系统的量测信息，根据量测信息构建电力系统随机子空间的扩展可观测矩阵；根据随机子空间的扩展可观测矩阵计算系统降阶状态方程的状态矩阵；计算状态矩阵的广义逆矩阵的逆矩阵；计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值；基于模态相似准侧，辨识出系统的主导振荡模式。2.根据权利要求1所述的一种基于随机子空间的主导振荡模式快速辨识方法，其特征在于，所述计算状态矩阵的广义逆矩阵的逆矩阵具体为：1)计算状态矩阵A0的广义逆矩阵2)计算逆矩阵的逆矩阵A1：A1＝(O↓TO↑)-1O↓TO↓其中，O↑和O↓为子矩阵；T为转置。3.根据权利要求1所述的一种基于随机子空间的主导振荡模式快速辨识方法，其特征在于，所述计算状态矩阵和逆矩阵在连续空间中的特征值，仅保留处于电力系统低频振荡频率区间的特征值具体为：1)分别计算状态矩阵A0和逆矩阵A1在连续空间中的特征值λ0,i和λ1,i；2)分别删除λ0,i和λ1,i中特征值为实数和虚部小于零的复特征值，然后进一步删除复特征值虚部在区间[0.4π,4π]之外的特征值，仅保留λ0,i和λ1,i中复特征值虚部在区间[0.4π,4π]之内的特征值；3)将经过步骤2)处理后的特征值分别存入λ0和λ1，将状态矩...

【专利技术属性】
技术研发人员：姜涛，李雪，陈厚合，宋晓喆，李国庆，张儒峰，王长江，张嵩，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