基于动态模式分解的电力系统振荡的识别方法技术方案

一种基于动态模式分解的电力系统振荡识别方法，该方法针对严重影响电力系统安全稳定、电能质量的振荡问题，通过动态模式分解(Dynamic Mode Decomposition，DMD)方法提取系统振荡的模态信息，并建立相应的压缩降维动力学模型，分析计算特征值和特征向量，实现数据驱动下的系统振荡模式准确识别，并在时域上对动态特性进行重构。这种新型振荡识别方法适用于电力系统振荡模式识别研究，能够实现振荡的频率、幅值的识别，且具有良好的精确性。因此，本发明专利技术意义重大。本发明专利技术意义重大。本发明专利技术意义重大。

【技术实现步骤摘要】
基于动态模式分解的电力系统振荡的识别方法


[0001]本专利技术涉及电力系统，特别是一种基于动态模式分解的电力系统的振荡的识别方法。

技术介绍

[0002]自电力系统诞生以来，振荡就是其动态或稳定性研究的重要问题之一。现代电网在本质上是一个“强制”工作在50/60Hz(交流)和0Hz(直流)的电能系统。电力系统振荡问题通常是指在工作频率之外的或机械、或电磁或其耦合的循环往复的能量交换，这种能量交换严重时会危及电力系统的正常运行，将造成稳定性或电能的质量问题。
[0003]随着国家深化推进能源改革，电力系统的复杂度不断提高。新能源发电大规模并入电网，在电网中渗透率日益增加，同时，高压直流输电技术迅速发展，电网中还存在大量高压直流输电设备、动态无功补偿设备以及串联补偿设备。电力系统的输电方式和电网结构都发生重大变化，发电侧、负荷侧及输电网络之间的耦合形式也更加多样化。从而使电力系统振荡更加复杂，存在很多薄弱环节，将对电网安全稳定运行具有较大威胁性。因此，对电力系统振荡动态模式的准确识别变得愈加重要。
[0004]近年来，人们利用多种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态模式分解的电力系统振荡识别方法，其特征在于，包括步骤；对电力系统状态变量数据进行采样，形成数据矩阵；基于采样所得的数据矩阵，进行动态模式分解，并建立相应的压缩降维动力学模型，提取系统振荡的模态信息；基于得到的动态模式分解结果，分析计算特征值和特征向量，实现数据驱动下的系统振荡模式准确识别，并在时域上对动态特性进行重构。2.根据权利要求1所述的基于动态模式分解的电力系统振荡的识别方法，其特征在于，该方法包括下列步骤：步骤1)对电力系统状态变量数据进行采样：采用离散系统，对电力系统x以Δt为时间间隔进行m次采样：第i次采样值为x
1i
、x
2i
、、、、x
ni
；构建数据矩阵X：步骤2)基于数据矩阵X，进行动态模式分解：取数据矩阵X中的前m
‑
1个采样数据和后m
‑
1个采样数据分别构成两个新矩阵X1和X2，，系统状态方程的离散形式如式(6)所示，其中，A
d
是系统状态矩阵A的离散形式，是广义逆，如果系统规模较小，数据矩阵X维数较低，则离散状态矩阵A
d
可由(6)直接求解；通过奇异值分解得到系统的低阶近似矩阵：首先，对数据矩阵进行奇异值分解如式(7)所示：X1≈UΣV
*
ꢀꢀꢀꢀꢀꢀꢀ
(7)其中，*表示共轭转置，U和V是酉矩阵,有UU
*
＝I，VV
*
＝I，∑是对角矩阵，U∈C
n
×
r
，∑∈C
r
×
r
，V∈C
m
×
r
，r是X1奇异值分解并降阶后的秩，所以r＜n；求离散状态矩阵A
′
d
：联立式(6)和式(7)，得到：A
d
＝X2VΣ
‑1U
*
ꢀꢀꢀꢀꢀ
(8)
将式(8)等式的两侧同时左乘U
*
并右乘U得到：U
*
A
d
U＝U
*
X2VΣ
‑1ꢀꢀꢀꢀꢀ
(9)设A
′
d
＝U
*
A
d
U，矩阵A
′
d
是r维的，它是得到的低阶近似矩阵；特征值分解：A
d
′
Ω
′
＝Λ
′
Ω
′ꢀꢀꢀꢀ
(10)其中，矩阵Ω
′
的每列向量ξ
′
i
是特征向量，Λ
′
是包含相应特征值λ
i
的对角矩...

【专利技术属性】
技术研发人员：王茂海，张传云，陈志同，訾鹏，赵峰，袁峥，
申请(专利权)人：国家电网有限公司华北分部，
类型：发明
国别省市：