CN104155573A - 一种基于形态学的电力***低频振荡检测方法 - Google Patents
一种基于形态学的电力***低频振荡检测方法 Download PDFInfo
- Publication number
- CN104155573A CN104155573A CN201410348770.5A CN201410348770A CN104155573A CN 104155573 A CN104155573 A CN 104155573A CN 201410348770 A CN201410348770 A CN 201410348770A CN 104155573 A CN104155573 A CN 104155573A
- Authority
- CN
- China
- Prior art keywords
- signal
- power system
- morphologic
- voltage signal
- electric power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于形态学的电力***低频振荡检测方法,包含以下顺序的步骤:采集电力***电压信号s;采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值;根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号即为存在于电力***信号中的低频振荡信号。本发明的方法,具有步骤简单、计算量小、延时小、可靠性高等优点,对于阻尼电力***低频振荡信号以及多个电力***低频振荡信号,都可以进行有效的检测。
Description
技术领域
本发明涉及电力***的故障诊断领域,特别涉及一种基于形态学的电力***低频振荡检测方法。
背景技术
随着大电网的互联,***中普遍存在低频振荡现象,发生电力***低频振荡的可能性和造成的危害性日益增加。随着***规模不断增大,结构愈发复杂,运行愈来愈接近临界点,使得电力***振荡失稳问题变得越来越紧迫与显著。近年来国内外均发生过不同程度的低频振荡现象,对***的安全稳定运行造成了严重的不良影响。
电力***低频振荡属于电力***动态小干扰稳定性问题,发生原因可以归纳为如下几点:1)互联电力***机电模式阻尼过低引起低频振荡,这是目前被广为接受的一种理论;2)发电机的电磁惯性引起的低频振荡;3)电力***非线性奇异现象引起增幅性持续振荡;4)高增益的励磁调节器引起的低频振荡;5)不适当的控制方式所导致的低频振荡;6)其他外部因素如电网长链型连接、弱互联***、区域功率严重不平衡、抽水蓄能电站以抽水方式运行、直流控制***、控制模式及交直流之间的相互作用等,负荷性质等也是导致电力***低频振荡发生的诱因。
目前低频振荡的研究方法一种是主要基于特征分析,受到***模型和参数一集运行方式的制约,而且特征值方法计算量大,占用内存多,计算速度慢,受到电网规模和数学模型阶数的限制。另一种是基于对实测动态数据的分析,常有的有FFT,Prony,Hilbert-Huang分析等,这些方法可以克服特征值分析的不足,但是基于实测数据的研究工作也有两个主要的限制,一是缺乏现场数据,大量的研究都得靠计算机仿真来进行,这与实际***低频振荡过程存在很大的差异;即使有现场数据,通常也只是单一测量点上的数据,有的***也有多测量点的数据,但由于数据不同步,难以充分利用;二是缺乏应用平台,目前的分析方法大多数是通过计算仿真或者实测数据离线分析来检测其有效性,难以应用于电力***的在线分析。目前低频振荡的分析和研究多局限在模式辨识。通常的做法是根据实测数据计算低频振荡的频率,然后再传统的特征值分析结果中找寻对应的模式及模态。对于大***,可能存在振荡频率的值非常接近的几个模式,给辨识模式带来很大的困难。同一个模式当工况不同时,其振荡频率也不相同,若仅通过频率信息判定振荡模式,也可能导致错误的结果。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于形态学的电力***低频振荡检测方法,该方法延时小、可靠性高且能够直接作用于时域信号。
本发明的目的通过以下的技术方案实现:
一种基于形态学的电力***低频振荡检测方法,包含以下顺序的步骤:
S1.采集电力***电压信号s;
S2.采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值;
S3.根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;
S4.将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号即为存在于电力***信号中的低频振荡信号。
步骤S2中,所述的形态学的基本开运算为
所述的形态学的基本闭运算为
所述的数字形态学滤波器为o=(sοg·g+s·gοg)/2;
其中,s为电压信号的采样值,ο为形态开运算,·为形态闭运算,g是原点在中心长度为半个基频周期长的直线型结构元素,o是经过该数学形态学滤波器的输出信号;和⊕分别是数学形态学中的腐蚀运算和膨胀运算。
所述的基于形态学的电力***低频振荡检测方法,具体包含以下顺序的步骤:
A、采集电力***电压信号s,其中电压信号s的基频为50Hz,周期为20ms;
B、采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值,其中fs取3.2KHZ;
C、根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;
所述的形态学的基本开运算为
所述的形态学的基本闭运算为
所述的结构元素为g={11,12,…,1l-1,1l};
所述的数字形态学滤波器为o=(sοg·g+s·gοg)/2;
其中,s为电压信号的采样值,ο为形态开运算,·为形态闭运算,g是原点在中心长度l为半个基频周期长的直线型结构元素,l取10ms,o是经过该数学形态学滤波器的输出信号;和⊕分别是数学形态学中的腐蚀运算和膨胀运算;
D、将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号o即为存在于电力***信号中的低频振荡信号。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明仅需半个基频周期长的数据窗口即可实现电力***低频振荡信号的检测,因此本发明算法的延迟小;在进行形态学滤波算法的时候,只涉及到少量的运算,而且可以直接作用于电力***时域信号,不同于传统滤波器需要先将时域信号转化为频域信号再进行滤波,因此本发明的方法步骤简单、计算量小,通过简单的硬件即可实现。
2、本发明对于不同频率的低频振荡信号(0.1-2.4Hz)可以通过同样的结构元素来进行形态学运算从而提取出低频震荡信号,无需根据不同的频率改变结构元素的窗口长度,因此本发明算法较为灵活;对于存在多个低频振荡信号的电力***信号,本发明都能有效的检测出多个低频振荡信号。
3、传统方法例如傅里叶变换,仅对于持续的电力***低频振荡信号有效,本发明方法对于阻尼的电力***低频振荡信号仍旧适用,并且可以有效准确的检测出来,因此本发明电力***低频震荡信号检测方法的可靠性非常高。
附图说明
图1为本发明所述的基于形态学的电力***低频振荡检测方法的流程图;
图2为图1所述方法的含有阻尼低频振荡信号的电力***信号的波形图;
图3为图1所述方法的含有阻尼低频振荡信号的电力***信号的频谱图;
图4为图1所述方法的形态学滤波器对含有阻尼低频振荡信号的电力***信号处理后结果的波形图;
图5为图1所述方法的形态学滤波器对含有阻尼低频振荡信号的电力***信号处理后结果的频谱图;
图6为图1所述方法的含有持续低频振荡信号的电力***信号的波形图;
图7为图1所述方法的含有持续低频振荡信号的电力***信号的频谱图;
图8为图1所述方法的形态学滤波器对含有持续低频振荡信号的电力***信号处理后结果的波形图;
图9为图1所述方法的形态学滤波器对含有持续低频振荡信号的电力***信号处理后结果的频谱图;
图10为图1所述方法的含有两个持续低频振荡信号的电力***信号的波形图;
图11为图1所述方法的含有两个持续低频振荡信号的电力***信号的频谱图;
图12为图1所述方法的形态学滤波器对含有两个持续低频振荡信号的电力***信号处理后结果的波形图;
图13为图1所述方法的形态学滤波器对含有两个持续低频振荡信号的电力***信号处理后结果的频谱图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1,一种基于形态学的电力***低频振荡检测方法,包含以下顺序的步骤:
S1.采集电力***电压信号s,其中电压信号s的基频为50Hz,周期为20ms;
S2.采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值,其中fs取3.2KHZ;
S3.根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;
所述的形态学的基本开运算为
所述的形态学的基本闭运算为
所述的结构元素为g={11,12,…,1l-1,1l};
所述的数字形态学滤波器为o=(sοg·g+s·gοg)/2;
其中,s为电压信号的采样值,ο为形态开运算,·为形态闭运算,g是原点在中心长度l为半个基频周期长的直线型结构元素,l取10ms,o是经过该数学形态学滤波器的输出信号;和⊕分别是数学形态学中的腐蚀运算和膨胀运算;
S4.将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号o即为存在于电力***信号中的低频振荡信号。
上述步骤所采用的数学形态学是图象分析中形状表示的重要方法,是形状的定量描述。数学形态学在信号处理中的应用主要是灰值形态学,其两种基本的形态函数是灰值膨胀和灰值腐蚀。假设待处理信号f(n)是采样得到的一维信号,其定义域为D[f]={1,2,3,…,N};N为f(n)的序列长度。g(k)为一维结构元素序列,其定义域为D[g]={1,2,3,…,P};其中,P为g(k)的序列长度,P和N都是整数,N≥P。f(n)在以下公式中记为f,g(k)在以下公式中均记为g。则f(n)灰值膨胀(f⊕g)(n)和腐蚀分别定义为:
(f⊕g)(n)=max{f(n-x)+g(x)|(n-x)∈Df且x∈Dg};
⊕表示膨胀运算,表示腐蚀运算,腐蚀是求取极小值,膨胀运算是求取极大值。max表示集合中{f(n-x)+g(x)|(n-x)∈Df且x∈Dg}中的最大元素,min表示集合{f(n+x)-g(x)|(n+x)∈Df且x∈Dg}中的最小元素,x为平移变量。灰值腐蚀和膨胀是不可逆运算,先腐蚀后膨胀称为灰值开运算,先膨胀后腐蚀称为灰值闭运算。
序列关于g(k)的开运算fοg和闭运算f·g分别定义为:
ο为形态开运算,·为形态闭运算。
应用在本发明方法中的滤波器使用通过结合开闭运算形成新的形态学运算如下所示,
o=(fοg·g+f·gοg)/2。
图2、图6、图10均为电压信号s的波形图,图3、图7、图11均为电压信号s的频谱图,其中图2、图3中的电压信号s中存在阻尼低频震荡信号,图6、图7中的电压信号s中存在持续的0.3Hz的低频振荡信号,图10、图11中的电压信号s中存在0.2Hz和1.5Hz的持续低频振荡信号。图4、图5、图8、图9、图12、图13均为相对应的通过本发明方法得到的输出信号。由这些结果可以显示出,本发明方法对于阻尼和持续的低频振荡信号均可进行有效的检测,并且不受阻尼低频振荡信号中高频信号的干扰。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于形态学的电力***低频振荡检测方法,其特征在于,包含以下顺序的步骤:
S1.采集电力***电压信号s;
S2.采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值;
S3.根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;
S4.将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号即为存在于电力***信号中的低频振荡信号。
2.根据权利要求1所述的基于形态学的电力***低频振荡检测方法,其特征在于:步骤S2中,所述的形态学的基本开运算为
所述的形态学的基本闭运算为
所述的数字形态学滤波器为o=(sοg·g+s·gοg)/2;
其中,s为电压信号的采样值,ο为形态开运算,·为形态闭运算,g是原点在中心长度为半个基频周期长的直线型结构元素,o是经过该数学形态学滤波器的输出信号;和⊕分别是数学形态学中的腐蚀运算和膨胀运算。
3.根据权利要求2所述的基于形态学的电力***低频振荡检测方法,其特征在于,具体包含以下顺序的步骤:
A、采集电力***电压信号s,其中电压信号s的基频为50Hz,周期为20ms;
B、采用采样频率fs对采集到的电压信号s进行采样,得到电压信号s在各采样点的值,其中fs取3.2KHZ;
C、根据形态学的基本开、闭运算以及结构元素,得到可以提取低频振荡信号的数学形态学滤波器;
所述的形态学的基本开运算为
所述的形态学的基本闭运算为
所述的结构元素为g={11,12,…,1l-1,1l};
所述的数字形态学滤波器为o=(sοg·g+s·gοg)/2;
其中,s为电压信号的采样值,ο为形态开运算,·为形态闭运算,g是原点在中心长度l为半个基频周期长的直线型结构元素,l取10ms,o是经过该数学形态学滤波器的输出信号;和⊕分别是数学形态学中的腐蚀运算和膨胀运算;
D、将电力***信号的采样值通过此形态学滤波器滤波之后,所得的输出信号o即为存在于电力***信号中的低频振荡信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410348770.5A CN104155573A (zh) | 2014-07-21 | 2014-07-21 | 一种基于形态学的电力***低频振荡检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410348770.5A CN104155573A (zh) | 2014-07-21 | 2014-07-21 | 一种基于形态学的电力***低频振荡检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104155573A true CN104155573A (zh) | 2014-11-19 |
Family
ID=51881125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410348770.5A Pending CN104155573A (zh) | 2014-07-21 | 2014-07-21 | 一种基于形态学的电力***低频振荡检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104155573A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931772A (zh) * | 2015-05-25 | 2015-09-23 | 侯新国 | 一种基于数字形态变换的电压暂降检查方法和*** |
CN105207645A (zh) * | 2015-08-25 | 2015-12-30 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波*** |
CN109490705A (zh) * | 2018-11-05 | 2019-03-19 | 华南理工大学 | 基于数学形态梯度和数学形态熵的直流输电线路保护方法 |
CN109765420A (zh) * | 2019-01-25 | 2019-05-17 | 东北电力大学 | 一种基于形态学滤波器和求导法αβ-dq变换的单相电压暂降快速检测方法 |
CN110780158A (zh) * | 2019-11-29 | 2020-02-11 | 广州航海学院 | 一种基于数学形态学的电力***架空线路故障检测方法 |
CN113933563A (zh) * | 2021-09-29 | 2022-01-14 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及*** |
-
2014
- 2014-07-21 CN CN201410348770.5A patent/CN104155573A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931772A (zh) * | 2015-05-25 | 2015-09-23 | 侯新国 | 一种基于数字形态变换的电压暂降检查方法和*** |
CN105207645A (zh) * | 2015-08-25 | 2015-12-30 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波*** |
CN105207645B (zh) * | 2015-08-25 | 2018-09-07 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波*** |
CN109490705A (zh) * | 2018-11-05 | 2019-03-19 | 华南理工大学 | 基于数学形态梯度和数学形态熵的直流输电线路保护方法 |
CN109490705B (zh) * | 2018-11-05 | 2020-02-18 | 华南理工大学 | 基于数学形态梯度和数学形态熵的直流输电线路保护方法 |
CN109765420A (zh) * | 2019-01-25 | 2019-05-17 | 东北电力大学 | 一种基于形态学滤波器和求导法αβ-dq变换的单相电压暂降快速检测方法 |
CN110780158A (zh) * | 2019-11-29 | 2020-02-11 | 广州航海学院 | 一种基于数学形态学的电力***架空线路故障检测方法 |
CN110780158B (zh) * | 2019-11-29 | 2022-04-19 | 广州航海学院 | 一种基于数学形态学的电力***架空线路故障检测方法 |
CN113933563A (zh) * | 2021-09-29 | 2022-01-14 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及*** |
CN113933563B (zh) * | 2021-09-29 | 2024-04-26 | 国电南瑞科技股份有限公司 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155573A (zh) | 一种基于形态学的电力***低频振荡检测方法 | |
Gargoom et al. | Automatic classification and characterization of power quality events | |
Cotilla-Sanchez et al. | Predicting critical transitions from time series synchrophasor data | |
WO2022067562A1 (zh) | 一种故障电弧的诊断方法、装置和计算机可读存储介质 | |
Wichakool et al. | Smart metering of variable power loads | |
Zhang et al. | Morphological undecimated wavelet decomposition for fault location on power transmission lines | |
CN103198184B (zh) | 一种电力***低频振荡特征类噪声辨识方法 | |
Messina et al. | Nonstationary approaches to trend identification and denoising of measured power system oscillations | |
CN103941072A (zh) | 一种基于实数强跟踪滤波的电力信号突变参数测量方法 | |
CN103675544A (zh) | 基于优化算法的电力***故障信号检测与波形识别方法 | |
CN104217112A (zh) | 一种基于多类型信号的电力***低频振荡分析方法 | |
Zamora et al. | Multi-dimensional ringdown modal analysis by filtering | |
Bai et al. | Measurement-based frequency dynamic response estimation using geometric template matching and recurrent artificial neural network | |
CN102495264B (zh) | 基于信息熵的电压跌落持续时间检测方法 | |
Musa et al. | Linear regression index‐based method for fault detection and classification in power transmission line | |
CN105891625A (zh) | 基于能量流的电力***次同步振荡扰动源辨别方法 | |
CN117668751B (zh) | 一种高低压电力***故障诊断方法及装置 | |
CN108090270B (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
CN103995180A (zh) | 一种考虑不等式约束的电力***频率估计方法 | |
CN112034387B (zh) | 一种基于预测序列的输电线路短路故障诊断方法及装置 | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
CN104332984A (zh) | 一种基于类噪声的节点电压相互影响因子的在线辨识方法 | |
CN108092234B (zh) | 适用于变频电动机的差动保护方法和装置 | |
CN104808069B (zh) | 一种结合相关分析滤波性的相对比较法 | |
Wilson et al. | Uncertainty Quantification of Capacitor Switching Transient Location Using Machine Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141119 |
|
WD01 | Invention patent application deemed withdrawn after publication |