基于時(shí)頻域混合方法的電力系統(tǒng)低頻振蕩模式在線辨識.pdf

1、隨著電力系統(tǒng)互聯(lián)規(guī)模日趨增大，低頻振蕩現(xiàn)象時(shí)有發(fā)生，成為限制互聯(lián)電網(wǎng)功率傳輸和危及電網(wǎng)安全穩(wěn)定運(yùn)行的關(guān)鍵因素之一，對電網(wǎng)低頻振蕩模式進(jìn)行有效監(jiān)測和抑制是智能電網(wǎng)中自愈功能的重要組成部分。目前常規(guī)低頻振蕩分析方法大多采用事后的時(shí)域Prony算法辨識，缺乏正常運(yùn)行情況下的低頻振蕩模式跟蹤。因此，本文按照有功數(shù)據(jù)的非線性去趨算法、擾動(dòng)數(shù)據(jù)的檢測和改進(jìn)頻域分解法(Frequency Domain Decomposition，F(xiàn)DD)的低頻振蕩在

2、線辨識算法的研究路線，提出基于時(shí)頻域混合方法的電力系統(tǒng)低頻振蕩模式在線辨識算法及其應(yīng)用方案，主要內(nèi)容如下：
　　 ①對電力系統(tǒng)動(dòng)態(tài)有功數(shù)據(jù)進(jìn)行去除非線性趨勢的研究。針對現(xiàn)有非線性去趨方法計(jì)算速度慢，相對誤差大的不足，本文結(jié)合平滑先驗(yàn)方法原理，并選擇合適的正則化參數(shù)，提出一種基于平滑先驗(yàn)方法的有功數(shù)據(jù)非線性去趨算法；該方法能夠有效去除動(dòng)態(tài)數(shù)據(jù)中的非線性趨勢，并且相對傳統(tǒng)方法具有更快的計(jì)算速度和更小的相對誤差，適用于有功數(shù)據(jù)在線應(yīng)用

3、。
　　 ②針對辨識數(shù)據(jù)中出現(xiàn)的有功數(shù)據(jù)擾動(dòng)進(jìn)行檢測算法研究。本文提出了基于數(shù)學(xué)形態(tài)學(xué)的電力系統(tǒng)有功數(shù)據(jù)擾動(dòng)檢測應(yīng)用方法，采用一階求導(dǎo)法和軟閾值處理法中的形態(tài)梯度和軟閾值函數(shù)值作為指標(biāo)函數(shù)，利用擾動(dòng)前后指標(biāo)函數(shù)的幅值變化來確定擾動(dòng)起始點(diǎn)，有效地提高了檢測水平。
　　 ③基于FDD的改進(jìn)低頻振蕩在線辨識算法，利用功率譜矩陣的最大奇異值與特征量之間的對應(yīng)關(guān)系實(shí)現(xiàn)模式參數(shù)的辨識。本文結(jié)合FDD的原理，提出采用模態(tài)幅值相干系數(shù)(

4、Modal Amplitude Coherence，MAC)以確定奇異值分解曲線譜峰附近單模態(tài)區(qū)域的改進(jìn)，在頻域中直接用最小二乘擬合求出模式頻率和阻尼，避免了傳統(tǒng)頻域方法阻尼求取時(shí)反傅立葉變換導(dǎo)致的精度損失。
　　 ④基于Matlab編程實(shí)現(xiàn)了本文所提出的算法，通過測試系統(tǒng)的仿真數(shù)據(jù)和電網(wǎng)的實(shí)測數(shù)據(jù)進(jìn)行算例分析，計(jì)算結(jié)果均證明了本文所提算法的有效性和可行性。并根據(jù)以上研究，完成了基于改進(jìn)FDD算法和Prony算法的低頻振蕩模式在