CN106571638A - 一种低频振荡类型的判别方法 - Google Patents

Abstract

本发明提供一种低频振荡类型的判别方法，所述方法包括：设置滑动窗和振荡能量门槛值；计算各时间段内机组的振荡能量，并确定目标机组；计算各时间段内目标机组的振荡能量空间分布熵和标幺化标准差指标；根据目标机组的振荡能量空间分布熵和标幺化标准差指标计算熵差分类指标；根据熵差分类指标判断低频振荡类型。本发明提供的技术方案从本质上揭示了低频振荡运动特性，直观反映了不同类型低频振荡差异特性，适应性和区分效果更加明显，且提出标幺化标准差指标来反映机组振荡能量所占百分比大小；通过熵差分类判据综合表征不同类型低频振荡能量分布特性，利用滑动窗动态反映振荡能量随时间变化态势，进而实现了准确、有效区分不同类型低频振荡。

Description

一种低频振荡类型的判别方法

技术领域

本发明涉及一种方法，具体讲涉及一种低频振荡类型判别方法。

背景技术

低频振荡是电力***在遭受扰动后联络线上的功率摇摆。***动态失稳是扰动后由于阻尼不足甚至是负阻尼引起的发散振荡导致的。失稳的因素主要是***电气阻尼不足或缺乏合适的有功配合，通常是由以下几种扰动引发的:(1)切机；(2)输电线故障或保护误动；(3)断路器设备事故；(4)损失负荷。扰动现象一般要经历产生、传播、消散的过程，在传播过程中可能引起新的扰动，同时针对扰动的操作本身也是一种扰动。所以，这些情况往往不是孤立的，而是相互关联的，在时间、空间上呈现多重现象。这就是多重扰动存在的实际物理背景。持续恶化的互相作用最终将导致***失稳、解列，形成大规模的停电事故。

近年来，低频振荡事件在国内外电网发生了多起，严重威胁着电网的安全、稳定运行，制约着电网的输电能力。低频振荡是指发电机的转子角、转速，以及相关电气量，如线路功率、母线电压等发生近似等幅或增幅的振荡，因振荡频率较低，一般在0.1-2.5Hz。

随着互联电网规模的不断扩大以及高放大倍数快速励磁***的应用，使得发电机在小扰动下容易产生转子间相对摇摆，引发电力***弱阻尼或负阻尼低频振荡，严重制约了电网的安全稳定运行。电力***发生低频振荡时，准确判断振荡类型对确定振荡起因和采取抑制措施至关重要，因此低频振荡分类判别越来越受到运行人员和研究人员的重视。按照振荡起因和范围，低频振荡可以分为局部振荡、区间振荡及局部-区间耦合振荡。不同类型低频振荡对应的抑制措施具有明显差别。

在现有技术中，用能量的概念分析低频振荡时发现，低频振荡是电力***的一种特殊的运动形式，振荡过程伴随着振荡能量的传播与转换，电力***发生低频振荡时，产生振荡能量的负阻尼发电机组是振荡能量源，局部振荡或区间振荡发生后，振荡能量源在空间的分布相对固定，与此相关的机组随着振荡能量的释放随时间推移逐趋平稳。局部-区间耦合振荡发生后，振荡能量源由局部振荡模式下的少数机组逐渐过渡为区间振荡模式下的众多机组，***振荡能量在空间的分布随时间的推移经历由集中到分散的过渡过程。但是，仅仅凭借振荡能量的时间尺度分布确定低频振荡类型，虽然此法可以从本质上揭示低频振荡的运动特性，但无明确的类型界限划分，且不能直观反应不同类型低频振荡差异特性。

为了准确辨识出低频振荡的类型，需要提供一种基于振荡能量时空分布熵的低频振荡类型判别方法来满足现有技术的需要。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种低频振荡类型判别方法，所述方法包括：

(1)设置滑动窗和振荡能量门槛值；

(2)根据计算的各时间段内机组的振荡能量确定目标机组；

(3)计算各时间段内目标机组的振荡能量空间分布熵和标幺化标准差指标；

(4)用目标机组的振荡能量空间分布熵和标幺化标准差指标计算熵差分类指标；

(5)根据熵差分类指标判断低频振荡类型。

优选的，所述步骤(1)设置滑动窗包括：设置初始时刻、滑动长度和滑动步长。

优选的，所述步骤(2)的振荡能量E_Gi如下式所示：

式中，t1,t2：时间段；ΔP_i：发电机输出有功功率相对稳态值的变化量；Δf_i：频率偏移量。

优选的，所述步骤(2)目标机组的确定包括：按振荡能量E_Gi是否大于振荡能量门槛值确定目标机组。

优选的，所述步骤(3)各时间段内目标机组的振荡能量空间分布熵S_OE如下式所示：

式中，η_i：机组i在***振荡能量中所占百分比，N：机组数量。

优选的，所述机组i在***振荡能量所占百分比η_i如下式所示：

式中，E_Gi：机组的振荡能量；E_Σ：机组的总振荡能量。

优选的，所述步骤(3)的标幺化标准差指标σ_p·u如下式所示：

式中，σ：机组的振荡能量标准差；μ：机组的振荡能量平均值；N：机组数量；E_Gi：机组的振荡能量。

优选的，所述机组的振荡能量标准差σ如下式所示：

所述机组的振荡能量平均值μ如下式所示：

式中，N：机组数量；E_Gi：机组的振荡能量。

优选的，所述步骤(4)熵差分类指标D_Σ如下式所示：

式中，S_OE：振荡能量空间分布熵；E_Gi：机组的振荡能量；N：机组数量；μ：机组的振荡能量平均值。

优选的，所述步骤(5)低频振荡类型的判断包括：按所述熵差分类指标D_Σ将***振荡能量在空间分布越分散划分为区间振荡、局部振荡和耦合振荡。

与最接近的现有技术相比，本发明具有以下优异效果：

(1)本发明提供的技术方案从能量角度分析低频振荡问题可以从本质上揭示低频振荡的运动特性。振荡能量时空分布特性可以直观反映不同类型低频振荡差异特征，相比其他分类方法，适应性更好、区分效果更加明显。

(2)本发明将熵理论应用于低频振荡类型判别中，提出振荡能量空间分布熵指标来定量表征不同类型低频振荡能量空间分布聚集程度；提出标幺化标准差指标来反映机组振荡能量贡献差异率大小；通过熵差分类判据综合表征不同类型低频振荡能量分布特性，利用滑动窗动态反映振荡能量随时间变化态势，从而可以准确、有效区分不同类型低频振荡。

附图说明

图1为本发明的低频振荡类型判别方法流程图。

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

本发明提供一种低频振荡类型判别方法，所述方法包括：

(1)设置滑动窗和振荡能量门槛值：设置初始时刻W和滑窗长度1，滑动步长g，振荡能量门槛值E_th。

(2)根据计算的各时间段内机组的振荡能量确定目标机组：

振荡能量E_Gi如下式所示：

式中，t1,t2：时间段；ΔP_i：发电机输出有功功率相对稳态值的变化量；Δf_i：频率偏移量。

目标机组的确定由振荡能量E_Gi是否大于振荡能量门槛值E_th确定目标机组，

当E_Gi＞E_th时，该机组为目标机组。

低频振荡是电力***一种特殊的运动形式，振荡的过程伴随着振荡能量的传播与转换。利用能量的概念分析低频振荡问题，可以从本质上揭示低频振荡的运动特性。电力***发生低频振荡时，可以把产生振荡能量的负阻尼发电机组认为是振荡能量源。振荡后第i台发电机组向***注入的振荡能量为：

E_Gi＝∫(ΔP_GidΔθ_i+ΔQ_Gid(ΔlnU_i))＝

∫(ΔP_Gi2πΔf_idt+ΔQ_Gid(ΔlnU_i))

式中:ΔP_Gi＝P_Gi-P_Gi·s，为发电机输出的有功功率相对稳态值的变化量；Δθ_i为母线i电压相角偏移；Δf_i＝f_i-f₀，为频率偏移量；ΔQ_Gi＝Q_Gi-Q_Gi·s，为发电机输出的无功功率相对稳态值的变化量；U_i为母线i的电压值，

如果忽略网络中传输的无功功率以及节点电压的变化，则E_Gi可以近似表达为：

E_Gi＝∫ΔP_Gi2πΔf_idt

通过上式计算各机组的振荡能量时，如果计算结果为正，则说明该机组产生振荡能量，具有负阻尼，是振荡能量源；反之，则说明该机组不是振荡能量源。

振荡能量时空分布特性：

在一定时间内，电力***的动态特性不仅表现为时间上的变化，也涉及空间的分布。不同类型的低频振荡由于振荡性质不同，***振荡能量的时空分布特性也将有所差异。因此，重点关注振荡能量随时间和空间的变化特性，对于低频振荡类型的辨识具有重要意义。由能量守恒定理可知，振荡能量的产生与消耗保持动态平衡关系，为了更清晰地研究振荡能量的时空分布特性，振荡能量在本发明特指模式相关机组产生的振荡能量。

1)振荡能量在空间尺度上的分布：局部模式振荡能量主要由少数负阻尼机组产生，从空间角度来看，***振荡能量将集中于空间小部分区域；区间模式振荡能量由区域内众多机组产生，从空间角度来看，***振荡能量将分散于空间各处。局部-区间耦合振荡最终表现形式为区间振荡模式，但部分机组振荡能量一直保持较高水平，因此振荡能量在空间分布特性将介于局部振荡和区间振荡之间。利用振荡能量在空间分布的聚集程度可以有效辨识出局部振荡。

2)振荡能量在时间尺度上的分布：局部振荡或区间振荡发生后，振荡能量源在空间分布相对固定，各相关机组发出的振荡能量随时间逐渐增大或趋于平稳。局部-区间耦合振荡发生后，振荡能量源由局部振荡模式下的少数机组逐渐过渡为区间振荡模式下的众多机组，***振荡能量的空间分布将随时间经历由集中到分散的过渡过程。局部-区间耦合模式振荡能量空间分布随时间的蔓延态势是和其他两类低频振荡最明显的区分特征。

(3)计算各时间段内目标机组的振荡能量空间分布熵和标幺化标准差指标：

振荡能量在空间分布的聚集程度反映了事故后***运行状态的相关特征，可以揭示***在不同类型振荡事故后的内部能量分布规律。而熵作为复杂***分布状态的混乱性和无序性的一种测度，可以定量表征振荡能量的空间分布特性，描述不同类型低频振荡的区分特征。可见，利用振荡能量空间分布熵作为区分不同类型低频振荡的判别依据，具有明确物理意义。

各时间段内目标机组的振荡能量空间分布熵S_OE如下式所示：

式中，η_i：机组i在***振荡能量中所占百分比，N：机组数量；

机组i在***振荡能量所占百分比η_i如下式所示：

式中，E_Gi：机组的振荡能量；E_Σ：机组的总振荡能量。

标幺化标准差指标σ_p·u如下式所示：

式中，σ：机组的振荡能量标准差；μ：机组的振荡能量平均值；N：机组数量；E_Gi：机组的振荡能量。

机组的振荡能量标准差σ如下式所示：

机组的振荡能量平均值μ如下式所示：

式中，N：机组数量；E_Gi：机组的振荡能量。

S_OE越小表示振荡能量越集中于少数几个机组，该类振荡表现更倾向为少数机组相对于其他机组之间的振荡，可以认为是局部振荡；S_OE越大表示振荡能量在空间分布比较分散，该类型振荡表现更倾向于机群之间的相对振荡，可以认为是区间振荡。并且由振荡能量时空分布特性可知，局部低频振荡和区间低频振荡的S_OE随时间基本保持不变，而局部-区间耦合振荡的S_OE将随时间不断增大后保持不变。

(4)用目标机组的振荡能量空间分布熵和标幺化标准差指标计算熵差分类指

标：

发生不同类型低频振荡事故后，利用标准差可以衡量振荡相关机组产生的振荡能量离散程度，从而量化机组振荡能量贡献差异率大小。各相关机组发出的振荡能量将随时间发生变化，选取不同时间段长度及起始时刻计算机组振荡能量将对各相关机组发出的振荡能量标准差产生影响，因此，通过标准差标幺化去除各相关机组产生的振荡能量平均值的影响。

各相关机组振荡能量标幺化标准差指标为：

σ_p·u越大，说明各相关机组对***振荡能量的贡献程度差异越大，***振荡能量主要来源于少数贡献程度较大的机组，该类低频振荡可以认为是局部低频振荡；σ_p·u较小时，说明各相关机组较均匀分摊***振荡能量，该类低频振荡可以认为是区间振荡。由***振荡能量时空分布特性可知，耦合振荡的σ_p·u变化态势将与S_OE相反，随时间呈现先衰减后保持不变的变化趋势。

熵差分类指标D_Σ如下式所示：

式中，S_OE：振荡能量空间分布熵；E_Gi：机组的振荡能量；N：机组数量；μ：机组的振荡能量平均值。

(5)根据熵差分类指标判断低频振荡类型。

低频振荡类型的判断包括：按所述熵差分类指标D_Σ将***振荡能量在空间分布越分散划分为区间振荡、局部振荡和耦合振荡。

当D_Σ越大，说明***振荡能量在空间分布越分散，并且各相关机组振荡能量离散程度较小，为区间振荡；

当D_Σ越小，说明***振荡能量在空间分布较集中并且各相关机组的振荡能量贡献率差异较大，振荡能量主要来源于少数机组，为局部振荡；

当D_Σ经历由小变大的过渡过程，振荡能量的空间分布特性和各机组振荡能量贡献率都将随时间发生变化，为耦合振荡。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种低频振荡类型的判别方法，其特征在于，所述方法包括：

(1)设置滑动窗和振荡能量门槛值；

(2)根据计算的各时间段内机组的振荡能量确定目标机组；

(3)计算各时间段内目标机组的振荡能量空间分布熵和标幺化标准差指标；

(4)用目标机组的振荡能量空间分布熵和标幺化标准差指标计算熵差分类指标；

(5)根据熵差分类指标判断低频振荡类型。

2.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(1)设置滑动窗包括：设置初始时刻、滑动长度和滑动步长。

3.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(2)的振荡能量E_Gi如下式所示：

$E_{Gi}={\∫}_{t1}^{t2}{\mathrm{\ΔP}}_{i}2{\mathrm{\π\Δf}}_{i}dt$

式中，t1,t2：时间段起始时刻，终止时刻；ΔP_i：发电机输出有功功率相对稳态值的变化量；Δf_i：频率偏移量。

4.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(2)目标机组的确定包括：按振荡能量E_Gi是否大于振荡能量门槛值确定目标机组。

5.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(3)各时间段内目标机组的振荡能量空间分布熵S_OE如下式所示：

$S_{OE}=-\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\η}}_i{\mathrm{lg\η}}_i$

式中，η_i：机组i在***振荡能量中所占百分比，N：机组数量。

6.如权利要求5所述的低频振荡类型判别方法，其特征在于，所述机组i在***振荡能量所占百分比η_i如下式所示：

${\mathrm{\η}}_i=\frac{E_{Gi}}{E_{\mathrm{\Σ}}}$

式中，E_Gi：机组的振荡能量；E_Σ：机组的总振荡能量。

7.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(3)的标幺化标准差指标σ_p·u如下式所示：

${\mathrm{\σ}}_{p\·u}=\frac{\mathrm{\σ}}{\mathrm{\μ}}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\frac{E_{Gi}}{\mathrm{\μ}}-1)}^2}$

式中，σ：机组的振荡能量标准差；μ：机组的振荡能量平均值；N：机组数量；E_Gi：机组的振荡能量。

8.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述机组的振荡能量标准差σ如下式所示：

$\mathrm{\σ}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(E_{Gi}-\mathrm{\μ})}^2}$

所述机组的振荡能量平均值μ如下式所示：

$\mathrm{\μ}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{E}_{Gi}$

式中，N：机组数量；E_Gi：机组的振荡能量。

9.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(4)熵差分类指标D_Σ如下式所示：

$D_{\Σ}=\frac{S_{OE}}{{\mathrm{\σ}}_{p\·u}}=-\underset{i=1}{\overset{N}{\Σ}}\left(\frac{E_{Gi}}{E_{\mathrm{\Σ}}}\lg \frac{E_{Gi}}{E_{\mathrm{\Σ}}}\right)/\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(\frac{E_{Gi}}{\mathrm{\μ}}-1)}^2}$

式中，S_OE：振荡能量空间分布熵；E_Gi：机组的振荡能量；N：机组数量；μ：机组的振荡能量平均值。

10.如权利要求1所述的低频振荡类型判别方法，其特征在于，所述步骤(5)低频振荡类型的判断包括：按所述熵差分类指标D_Σ将***振荡能量在空间分布越分散划分为区间振荡、局部振荡和耦合振荡。