一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法技术方案

本发明专利技术涉及电气工程领域，尤其涉及一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法。利用广域量测系统获取电力系统的实测数据，包括发电机的转子角信号。将每组原始低频振荡信号自适应噪声的完全集合经验模态分解Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN算法分解为多个本征模态函数Intrinsic Mode function，IMF之和，每个IMF分量代表一个振荡模式。计算每个IMF分量的能量值和能量权重，利用希尔伯特黄变换辨识主导振荡模式的振荡频率和阻尼比，计算结果与特征值方法对比，确保电力系统安全稳定运行。

【技术实现步骤摘要】
一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法
本专利技术涉及电气工程领域，尤其涉及一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法。
技术介绍
随着互联系统规模的不断增大，大容量、超远距离交直流输电不断增加，运行方式的复杂多变，低频振荡带来的电网事故风险和振荡控制难度随之不断增大。低频振荡对供电设备构成很大威胁，甚至可能诱发连锁故障，造成大面积停电。因此，研究在互联电网规模不断扩大的背景之下的电力系统低频振荡模式辨识方法具有十分重要的现实意义和工程实用价值。PMU即PhasorMeasurementUnit，同步相量测量单元。随着PMU大规模的配置，广域量测系统wideareameasurementsystem，WAMS在互联电网中广泛的应用，WAMS可以同一参考时间下记录大规模互联电力系统各地点的实时运行数据，这些数据使得电力系统低频振荡分析与控制成为可能。根据电力系统中实测信号的类型不同，基于广域量测信息的电力系统动态稳定分析方法又分为：基于测试信号的动态稳定分析方法、基于故障信号的动态稳定分析方法、以及基于噪声信号的动态稳定分析方法。基于故障信号的动态稳定分析方法：主要从电力系统的故障信号中估计电力系统的传递函数矩阵、状态矩阵或多振荡模式信号拟合来辨识电力系统的主导振荡模式，常用的算法有经典模态分解、希尔伯特谱分析(HilbertSpectralAnalysis，HAS)、最小特征实现(EigensystemRealizationAlgorithm，ERA)、卡尔曼滤波、连续小波变换、随机子空间辨识、TLS-ESPRIT辨识。经典模态分解(EmpiricalModeDecomposition,EMD)现在被认为是处理非固定和非线性信号的一种强大的多尺度分析工具。但是EMD算法的局部性质可能会在一种模式下产生具有不同尺度的振荡，或者在不同模式下具有相似尺度的振荡。当这种现象是不可取的，称为“模式混合”。为了克服这种情况，一种在EMD的算法基础上提出的算法即自适应噪声的完全集合经验模态分解CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise,CEEMDAN算法提出，CEEMDAN算法能够将原始信号的精确重构和更清晰的模式分离。CEEMDAN算法与希尔伯特-黄变换(HHT)相结合，分析在电力系统中的低频振荡中的应用。这种方法有助于在期望的时间间隔范围内分析动态现象，研究非平稳数据的瞬时特性的方法，例如瞬时频率和阻尼等本地特性，以表征非线性非平稳振荡的时间特征。本专利技术引入了CEEMDAN算法来处理非平稳振荡信号，同时引入Teager能量算子作为辨识依据，消除在CEEMDAN分解过程中产生的虚假噪声成分，从而有效提高辨识电力系统主导低频振荡模式的精确度和效率，并利用希尔伯特黄变换变换算法辨识振荡模式的振荡频率和阻尼比。
技术实现思路
本专利技术提供了一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，具体是一种基于CEEMDAN算法在电力系统振荡模式辨识中的应用相关控制策略方法，通过CEEMDAN算法与Teager能量算子相结合的方法辨识出主导振荡模式，通过希尔伯特–黄变换算法辨识出主导振荡模式的频率和阻尼比，详见下文描述：本专利技术一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，包括以下步骤：1)利用广域量测系统的数据采集功能获取电力系统的实测数据，将每组原始低频振荡信号自适应噪声的完全集合经验模态分解CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise,CEEMDAN算法分解为若干个本征模态函数IntrinsicModefunction，IMF之和，每个IMF分量代表一个振荡模式；2)对每个IMF分量进行预处理，利用Teager能量算子计算每个IMF分量的能量大小及能量权重，在发电机转子角振荡信号中，主导振荡模式的相对能量较大，对相对能量较大的一个或者几个模式分别辨识。3)利用希尔伯特黄变换算法辨识主导振荡模式的振荡频率和阻尼比，计算结果与特征值方法作对比，验证其有效性。所述步骤1中利用广域量测系统的数据采集功能获取电力系统的实测数据，包括：利用相量测量单元PMU和广域量测系统WAMS的数据采集方法获取电力系统的实测数据，包括每台发电机转子角信号或者联络线上的有功功率作为待辨识信号；还包括：从广域量测系统中获取电力系统的状态量测信息，包括转子角信号和联络线上的有功功率，将状态量测信息标准化。所述步骤1中CEEMDAN算法包括以下步骤：1)在原始信号x(t)中加入不同类型的随机高斯白噪声，x(t)+ε0ωi(t)＝xi(t)，其中i＝1，…I实现高斯白噪声的次数，ε0是高斯白噪声的标准差，ωi(t)是不同类型的高斯白噪声。对新信号xi(t)执行经验模态分解，对I个经验模态分解结果求均值，提取第一个本征模态函数分量IMF1；2)将不同类型的随机高斯白噪声经验模态分解得到ε1Eiωi(t)，其中：ε1为标准差，Ei为第一阶IMF分量，ωi(t)是不同类型的高斯白噪声；3)将原始信号减去IMF1再加入ε1E1ωi(t)构成新信号，对新信号执行经验模态分解，对经验模态分解结果求均值，提取第二个本征模态函数分量IMF2；4)依次类推，直至满足迭代停止准则，每个IMF分量对应一个振荡模式。所述步骤2中利用Teager能量算子计算每个IMF分量的能量大小及能量权重，是利用Teager能量算子计算所有IMF分量的能量，求取IMF分量能量，包括：利用Teager能量算子计算每个IMF分量的能量大小及能量权重；对于连续信号xn，计算其能量的公式为：所述步骤2中计算每个IMF分量的能量大小及能量权重：是指将IMF分量所有离散样点的能量值求和作为此IMF分量的能量。计算所有IMF分量的能量权重，将能量权重高的IMF分量作为主导振荡模式保留，将能量权重低的IMF分量作为非主导振荡模式剔除。所述步骤3中利用希尔伯特黄变换算法辨识主导振荡模式的振荡频率和阻尼比，对原始信号x(t)进行希尔伯特变换；计算结果与特征值方法作对比，验证其有效性；1)对原始信号x(t)，即一个本征模态函数IMF分量进行Hilbert变换：其中P表示柯西主值积分，2)将x(t)和y(t)组成一对复数，构成如下信号z(t)：z(t)＝x(t)+jy(t)＝A(t)ejφ(t)其中A(t)为幅值信号，φ(t)为相位函数，x(t)为原始信号，y(t)为Hilbert变换后的信号，z(t)为x(t)和y(t)构成的复数，其模值和相角代表了信号的幅度和相位。所述步骤3中辨识主导振荡模式的振荡频率；根据定义，瞬时角频率ω(t)即为相位φ(t)对时间的导数，瞬时频率f(t)＝ω(t)/2π，可以得到瞬时频率的表达式：上式中：φ(t)为相位函数，f(t)为瞬时频率。最终结果用x(t)和y(t)及其它们的导数表示，可得到瞬时频率f(t)的最终表达式为：上式中：x(t)为原始信号，y(t)为Hilbert变换后的信号，x&(t)为x(t)的导数，y&(t)为y(t)的导数，f(t)为瞬时频率。对瞬时频本文档来自技高网...

【技术保护点】
1.一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，其特征在于，包括以下步骤：1)利用广域量测系统的数据采集功能获取电力系统的实测数据，将每组原始低频振荡信号自适应噪声的完全集合经验模态分解Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN算法分解为若干个本征模态函数Intrinsic Mode function，IMF之和，每个IMF分量代表一个振荡模式；2)对每个IMF分量进行预处理，利用Teager能量算子计算每个IMF分量的能量大小及能量权重，在发电机转子角振荡信号中，主导振荡模式的相对能量较大，对相对能量较大的一个或者几个模式分别辨识；3)利用希尔伯特黄变换算法辨识主导振荡模式的振荡频率和阻尼比，计算结果与特征值方法作对比，验证其有效性。

【技术特征摘要】
1.一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，其特征在于，包括以下步骤：1)利用广域量测系统的数据采集功能获取电力系统的实测数据，将每组原始低频振荡信号自适应噪声的完全集合经验模态分解CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise,CEEMDAN算法分解为若干个本征模态函数IntrinsicModefunction，IMF之和，每个IMF分量代表一个振荡模式；2)对每个IMF分量进行预处理，利用Teager能量算子计算每个IMF分量的能量大小及能量权重，在发电机转子角振荡信号中，主导振荡模式的相对能量较大，对相对能量较大的一个或者几个模式分别辨识；3)利用希尔伯特黄变换算法辨识主导振荡模式的振荡频率和阻尼比，计算结果与特征值方法作对比，验证其有效性。2.根据权利要求1的一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，其特征在于，所述步骤1中利用广域量测系统的数据采集功能获取电力系统的实测数据，包括：利用相量测量单元PMU和广域量测系统WAMS的数据采集方法获取电力系统的实测数据，包括每台发电机转子角信号或者联络线上的有功功率作为待辨识信号；还包括：从广域量测系统中获取电力系统的状态量测信息，包括转子角信号和联络线上的有功功率，将状态量测信息标准化。3.根据权利要求1所述的一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，其特征在于，所述步骤1中CEEMDAN算法包括以下步骤：1)在原始信号x(t)中加入不同类型的随机高斯白噪声，x(t)+ε0ωi(t)＝xi(t)，其中i＝1，…I实现高斯白噪声的次数，ε0是高斯白噪声的标准差，ωi(t)是不同类型的高斯白噪声；对新信号xi(t)执行经验模态分解，对I个经验模态分解结果求均值，提取第一个本征模态函数分量IMF1；2)将不同类型的随机高斯白噪声经验模态分解得到ε1Eiωi(t)，其中：ε1为标准差，Ei为第一阶IMF分量，ωi(t)是不同类型的高斯白噪声；3)将原始信号减去IMF1再加入ε1E1ωi(t)构成新信号，对新信号执行经验模态分解，对经验模态分解结果求均值，提取第二个本征模态函数分量IMF2；4)依次类推，直至满足迭代停止准则，每个IMF分量对应一个振荡模式。4.根据权利要求1所述的一种基于CEEMDAN算法的电力系统低频振荡模式辨识方法，其特征在于，所述步骤2中利用Teager能量算子计算每个IMF分量的能量大小及能量权重，是利用Teager能量算子计算所有IMF分量的能量，求取IMF分量能量，包括：利用Teager能量算子计算每个IMF分量的能量大小及能量权重，对于连续信号xn，计算其能量的公式为：将IMF分量所有离散样点的能量值求和作为此IMF分量的能量。5.根据权利要求1所述的一种基于CEEMDAN算法的振荡模式辨识，其特征在于，所述步骤2中计算每个IMF分量的能量大小及能量权重：是指计算所有IMF分量的能量权...

【专利技术属性】
技术研发人员：葛维春，苏安龙，张艳军，高凯，刘爱民，孔剑虹，刘劲松，李斌，李正文，韩子娇，屈超，姜涛，王长江，殷祥翔，梁旭昱，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，国家电网有限公司，东北电力大学，
类型：发明
国别省市：辽宁,21