基于TLS-ESPRIT法的低频振荡模式辨识方法技术

本发明专利技术公开了一种基于TLS

【技术实现步骤摘要】
基于TLS
‑
ESPRIT法的低频振荡模式辨识方法


[0001]本专利技术属于电力系统低频振荡模式辨识
，尤其涉及一种基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，更具体的是一种基于最小二乘法和基于旋转不变技术的信号参数估计法的基于虚拟惯量控制的电力系统低频振荡模式辨识方法。

技术介绍

[0002]随着基于产生虚拟惯量的电力电子集群并网容量持续增加，给电网的安全稳定运行带来重大挑战。电力电子集群通过转动惯量的模拟，可提升电网转动惯量。然而，其从自身属性、控制器参数等多方面对现有电力系统低频振荡模式势必产生影响。电力系统低频振荡会限制输电线路的传输容量，严重时甚至会导致系统解列。虚拟惯量电力电子集群接入多种环境下电力系统后对低频振荡的影响非常复杂，主要影响因素包括渗透率、电站容量、并网点位置、控制器参数、工况特点、网络拓扑类型和自然条件等，既可能改善也可能恶化系统阻尼。因此，若虚拟惯量电力电子集群接入对系统稳定性有不利影响，则必须采取相应的阻尼控制措施；若虚拟惯量电力电子集群接入对系统稳定性有改善作用，也需要对有效运行区间进行动态评估，当系统运行状态发生变化时采取相应措施。
[0003]综上所述，针对基于虚拟惯量的电力电子集群大规模接入引发电力系统低频振荡的问题，就成为本领域技术人员不断研发的新课题。

技术实现思路

[0004]针对上述现有技术中存在的不足之处，本专利技术提供了一种基于TLS
‑
ESPRIT法的低频振荡模式辨识方法。其目的是为了实现的专利技术目的。
[0005]本专利技术为实现上述目的所采用的技术方案是：
[0006]基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，包括以下步骤：
[0007]步骤1.采集系统中可输出的振荡信号；
[0008]步骤2.利用采集的振荡信号数据构造Hankel汉克尔矩阵；
[0009]步骤3.通过奇异值分解法对Hankel汉克尔矩阵进行分解并提取出信号子空间；
[0010]步骤4.根据信号子空间进行分解，求得可逆矩阵旋转算子，并对其进行寻优；
[0011]步骤5.根据分解后的Hankel汉克尔矩阵，得到振荡频率、衰减因子以及阻尼比的表达式，求得阻尼频率；
[0012]步骤6.将求得的阻尼频率引入TLS法，获得低频振荡模式的振荡幅值和初始相位角。
[0013]更进一步的，所述采集系统可输出的振荡信号，包括：功角振荡信号、电压振荡信号和功率振荡信号。
[0014]更进一步的，所述利用采集的振荡信号数据构造Hankel汉克尔矩阵，包括：
[0015]设采集到N个数据分别为x(0),x(1),
…
,x(N
‑
1)，构造Hankel矩阵X：
[0016][0017]上式中，M为时间窗长度，L为阵元数，两者之和L+M为总采样点的数目，设矩阵的阶数为P，则时间窗函数、阵元数与矩阵阶数关系为L＞P，M＞P，L+M
‑
1＝N。
[0018]更进一步的，所述通过奇异值分解法对Hankel汉克尔矩阵进行分解并提取出信号子空间，还包括分解出噪声子空间，去除噪声子空间，其中：
[0019]对Hankel汉克尔矩阵X进行奇异值分解，即：
[0020]X＝UMV
H
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0021]上式中，V为M维酉矩阵，V
H
表示矩阵V的共轭转置，M则为奇异值对角阵，其中各奇异值ξ按照降序排列，即ξ1＞ξ2＞
…
＞ξ
p
＞ξ
p+1
＞
…
＞ξ
max(L,M)
，式中：ξ1表示最大的奇异值，以此类推；
[0022]当矩阵的阶数为P时，若信号中存在P个复正弦信号，则Hankel汉克尔矩阵X的秩为P，即：
[0023]ξ1＞ξ2＞
…
＞ξ
p
＞ξ
p+1
＝ξ
p+2
＝
…
＝ξ
max(L,M)
＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0024]根据P个非零奇异值对M维酉矩阵V进行分解，V＝[V
s
|V
n
]，其中V
s
为信号子空间，V
n
为噪声子空间；当信号被噪声等外部干扰污染时，M维酉矩阵X是满秩的，即P＝max(L,M)，此时所有奇异值均不为0。
[0025]更进一步的，所述根据信号子空间进行分解，求得可逆矩阵旋转算子，并对其进行寻优；包括：
[0026]将矩阵V
s
的第一行删去得到V1，V
s
删去第二行得到V2，若不考虑噪声等外部干扰时，则存在可逆矩阵ψ，使得：
[0027]V1＝V2ψ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0028]上式中，将V1看作是V2根据矩阵ψ旋转得到的，即ψ作为旋转算子，根据ψ对信号参数进行求取，得到：
[0029]V1+e1＝(V2+e2)ψ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0030]上式中，V1、V2为由信号子空间分解得出的矩阵，e1、e2为噪声等对信号影响的误差；
[0031]对式(5)进行求解，即令可逆矩阵ψ以旋转算子的功能进行寻优，并且令误差矩阵D＝[
‑
e1,e2]的F范数取最小值，引入TLS算法，令H＝[V
1 V2]，对其进行奇异值分解，得到：
[0032]H＝RΛV
PT
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0033]上式中，其中R是酉矩阵；Λ是半正定对角矩阵；而V
P
为共轭转置的酉矩阵，V
P
∈C
2P
×
2P
，T为矩阵的转置运算符号。
[0034]更进一步的，所述根据分解后的Hankel汉克尔矩阵划分为四个方阵，计算其特征
值，得到振荡频率、衰减因子以及阻尼比的表达式，求得阻尼频率；包括：
[0035]对V
P
平均划分为四个P
×
P维的方阵，分别为V
P11
、V
P12
、V
P21
、V
P22
：
[0036][0037]其中各方阵V
Pij
∈C
P
×
P
，选取V
P11
和V
P21
构造矩阵其中，B表示一矩阵，并计算B的特征值λ
p
(p＝1,2,
…
,P)，由此可以得到振荡频率ω
p
、衰减因子σ
p
以及阻尼比表达式如下：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，其特征是：包括以下步骤：步骤1.采集系统中可输出的振荡信号；步骤2.利用采集的振荡信号数据构造Hankel汉克尔矩阵；步骤3.通过奇异值分解法对Hankel汉克尔矩阵进行分解并提取出信号子空间；步骤4.根据信号子空间进行分解，求得可逆矩阵旋转算子，并对其进行寻优；步骤5.根据分解后的Hankel汉克尔矩阵，得到振荡频率、衰减因子以及阻尼比的表达式，求得阻尼频率；步骤6.将求得的阻尼频率引入TLS法，获得低频振荡模式的振荡幅值和初始相位角。2.根据权利要求1所述的基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，其特征是：所述采集系统可输出的振荡信号，包括：功角振荡信号、电压振荡信号和功率振荡信号。3.根据权利要求1所述的基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，其特征是：所述利用采集的振荡信号数据构造Hankel汉克尔矩阵，包括：设采集到N个数据分别为x(0),x(1),
…
,x(N
‑
1)，构造Hankel矩阵X：上式中，M为时间窗长度，L为阵元数，两者之和L+M为总采样点的数目，设矩阵的阶数为P，则时间窗函数、阵元数与矩阵阶数关系为L＞P，M＞P，L+M
‑
1＝N。4.根据权利要求1所述的基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，其特征是：所述通过奇异值分解法对Hankel汉克尔矩阵进行分解并提取出信号子空间，还包括分解出噪声子空间，去除噪声子空间，其中：对Hankel汉克尔矩阵X进行奇异值分解，即：X＝UMV
H (2)上式中，V为M维酉矩阵，V
H
表示矩阵V的共轭转置，M则为奇异值对角阵，其中各奇异值ξ按照降序排列，即ξ1＞ξ2＞
…
＞ξ
p
＞ξ
p+1
＞
…
＞ξ
max(L,M)
，式中：ξ1表示最大的奇异值，以此类推；当矩阵的阶数为P时，若信号中存在P个复正弦信号，则Hankel汉克尔矩阵X的秩为P，即：ξ1＞ξ2＞
…
＞ξ
p
＞ξ
p+1
＝ξ
p+2
＝
…
＝ξ
max(L,M)
＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)根据P个非零奇异值对M维酉矩阵V进行分解，V＝[V
s
|V
n
]，其中V
s
为信号子空间，V
n
为噪声子空间；当信号被噪声等外部干扰污染时，M维酉矩阵X是满秩的，即P＝max(L,M)，此时所有奇异值均不为0。5.根据权利要求1所述的基于TLS
‑
ESPRIT法的低频振荡模式辨识方法，其特征是：所述根据信号子空间进行分解，求得可逆矩阵旋转算子，并对其进行寻优；包括：将矩阵V
s
的第一行删去得到V1，V
s
删去第二行得到V2，若不考虑噪声等外部干扰时，则存在可逆矩阵ψ，使得：
V1＝V2ψ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)上式中，将V1看作是V2根据矩阵ψ旋转得到的，即ψ作为旋转算子，根据ψ对信号参数进行求取，得到：V1+e1＝(V2+e2)ψ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)上式中，V1、V2为由信号子空间分解得出的矩阵，e1、e2为噪声等对信号影响的误差；对式(5)进行求解，即令可逆矩阵ψ以旋转算子的功能进行寻优，并且令误差矩阵D＝[
‑
e1,e2]的F范数取最小值，引入TLS算法，令H＝[V
1 V2]，对其进行奇异值分解，得到：H＝RΛV
PT
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)上式中，其中R是酉矩阵；Λ是半正定对角矩阵；而V<...

【专利技术属性】
技术研发人员：卢盛阳，张武洋，朱钰，闫振宏，王同，王俊，于金波，于同伟，张凯博，蔡玉朋，王慧，楚天丰，谢易澎，宋保泉，
申请(专利权)人：沈阳农业大学国家电网有限公司，
类型：发明
国别省市：