CN109001556B - 一种类强迫超低频振荡的判别方法及*** - Google Patents
一种类强迫超低频振荡的判别方法及*** Download PDFInfo
- Publication number
- CN109001556B CN109001556B CN201810553448.4A CN201810553448A CN109001556B CN 109001556 B CN109001556 B CN 109001556B CN 201810553448 A CN201810553448 A CN 201810553448A CN 109001556 B CN109001556 B CN 109001556B
- Authority
- CN
- China
- Prior art keywords
- oscillation
- frequency
- generator
- phase
- determining
- 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.)
- Active
Links
- 230000010355 oscillation Effects 0.000 title claims abstract description 211
- 238000012850 discrimination method Methods 0.000 title description 3
- 238000010586 diagram Methods 0.000 claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种类强迫超低频振荡的判别方法及***。该判别方法包括:获取各个发电机端口的实时量测数据;根据实时量测数据定位振荡源机组;提取振荡源机组所对应的端口供给能量的趋势分量;根据趋势分量确定线性拟合均方根误差以及指数拟合均方根误差;判断指数拟合均方根误差是否小于线性拟合均方根误差,若是,利用快速傅里叶算法对各个发电机的转速时间信号进行频域分析,确定各个发电机转速的幅频图以及相频图;根据幅频图以及相频图确定任意两个发电机转速之间的相位差;判断相位差是否均小于相位阈值,若是,确定电网中的振荡类型为类强迫超低频振荡。本发明采用双重判别对电网中的振荡类型进行判别,能够精确地判别出类强迫超低频振荡。
Description
技术领域
本发明涉及振荡事故类型判别领域,特别是涉及一种类强迫超低频振荡的判别方法及***。
背景技术
低频振荡在大规模互联的电力***中时有发生,低频振荡一旦发生将威胁到电网的稳定运行和发供电设备安全。由于不同类型低频振荡(常见的低频振荡主要有负阻尼振荡、强迫振荡、类强迫超低频振荡(Forced-Like Ultra-Low Frequency Oscillation,FL-ULFO)这三种类型)的诱发原因是不同的,抑制振荡所需采取的控制措施也各不相同,因此,采取针对性措施平息振荡的前提是有效识别出振荡类型。
为了判别低频振荡不同的振荡类型,目前主要存在的方法是利用振荡持续阶段每个发电机端口的实时量测数据(发电机的有功功率、无功功率、节点电压相角、节点电压幅值这四项)来计算发电机端口供给能量(Energy Supply On Port,ESP)的趋势分量(或称非周期分量),并对其进行线性拟合和指数拟合两项分析;通过评估误差指标均方根误差(Root Mean Square Error,RMSE)的大小来判断发电机ESP趋势分量随时间的变化规律更接近于线性趋势还是指数趋势,判别振荡类型是负阻尼振荡还是强迫振荡。发电机ESP趋势分量若呈线性趋势变化,则振荡类型为强迫振荡;发电机ESP趋势分量若呈指数趋势变化,则振荡类型为负阻尼振荡。
已有研究大多集中于对负阻尼振荡、强迫振荡这两种传统类型的低频振荡进行辨识和区分,由发电机控制器不稳定模式引发的FL-ULFO是一种复杂机理的低频振荡,振荡的诱发原因是发电机控制器内部存在的不稳定模式,由于振荡机理类似于负阻尼振荡,因此从振荡机理上很难与负阻尼振荡区分;又由于FL-ULFO在振荡持续阶段的表现形式接近于强迫振荡,因此从振荡现象上很难与强迫振荡区分。由于传统的振荡类型判别方法大多仅分析发电机在振荡持续阶段各电气量(有功功率、无功功率、节点电压、转速等等)的变化规律,因此容易将FL-ULFO的振荡类型误判为强迫振荡。因此,当实际电网中发生FL-ULFO时,采用目前判别振荡类型的已有方法很容易出现误判或者无法判别的情况,难以制定针对性控制措施,从而无法有效抑制FL-ULFO。
发明内容
本发明的目的是提供一种类强迫超低频振荡的判别方法及***,以解决误判或无法判别出振荡事故类型为类强迫超低频振荡的问题。
为实现上述目的,本发明提供了如下方案:
一种类强迫超低频振荡的判别方法,包括:
获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值;
根据所述实时量测数据定位振荡源机组;
提取所述振荡源机组所对应的端口供给能量的趋势分量;
对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差;
判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,得到第一判断结果;
若所述第一判断结果表示为所述指数拟合均方根误差小于所述线性拟合均方根误差,利用快速傅里叶算法对各个发电机的转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图;
根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差;
判断所述相位差是否均小于相位阈值,得到第二判断结果;
若所述第二判断结果表示为所述相位差均小于相位阈值,确定所述电网中的振荡类型为类强迫超低频振荡。
可选的,所述根据所述实时量测数据定位振荡源机组,具体包括:
利用公式计算各个发电机节点的端口供给能量;其中,ESPi为第i台发电机的端口供给能量,Pi为第i台发电机的有功功率,Qi为第i台发电机的无功功率,Ui为第i台发电机的电压幅值,θi为第i台发电机的电压相角,i=1,…,I,I为***中发电机总台数;
判断所述端口供给能量是否大于0,得到第三判断结果;
若所述第三判断结果表示为所述端口供给能量是否大于0,确定大于0的所述端口供给能量所对应的发电机为振荡源机组。
可选的,所述提取所述振荡源机组所对应的端口供给能量的趋势分量,具体包括:
利用经验模式分解算法对所述振荡源机组的所对应的端口供给能量提取趋势分量。
可选的,所述对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差,具体包括:
利用公式ED1D=at+c对所述趋势分量进行线性拟合,确定线性拟合均方根误差;
利用公式ED1D=ae2σt+c对所述趋势分量进行指数拟合,确定指数拟合均方根误差;其中,ED1D表示端口供给能量的趋势分量,t表示时间,e为指数函数运算符;a、c以及σ为常数。
可选的,所述根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差,具体包括:
根据各个所述发电机转速所对应的幅频图确定各个所述发电机的主导振荡频率;所述主导振荡频率为所述幅频图上幅值最大值所对应的频率;
根据所述相频图确定各个所述主导振荡频率所对应的相位;
根据所述相位确定各个所述发电机转速之间的相位差。
一种类强迫超低频振荡的判别***,包括:
实时量测数据获取模块,用于获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值;
振荡源机组定位模块,用于根据所述实时量测数据定位振荡源机组;
趋势分量提取模块,用于提取所述振荡源机组所对应的端口供给能量的趋势分量;
均方根误差确定模块,用于对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差;
第一判断模块,用于判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,得到第一判断结果;
幅频图以及相频图确定模块,用于若所述第一判断结果表示为所述指数拟合均方根误差小于所述线性拟合均方根误差,根据所述发电机转速,利用快速傅里叶算法对各个发电机转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图;
相位差确定模块,用于根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差;
第二判断模块,用于判断所述相位差是否均小于相位阈值,得到第二判断结果;
类强迫超低频振荡确定模块,用于若所述第二判断结果表示为所述相位差均小于相位阈值,确定所述电网中的振荡类型为类强迫超低频振荡。
可选的,所述振荡源机组定位模块具体包括:
端口供给能量计算单元,用于利用公式计算各个发电机节点的端口供给能量;其中,ESPi为第i台发电机的端口供给能量,Pi为第i台发电机的有功功率,Qi为第i台发电机的无功功率,Ui为第i台发电机的电压幅值,θi为第i台发电机的电压相角,i=1,…,I,I为***中发电机总台数;
第三判断单元,用于判断所述端口供给能量是否大于0,得到第三判断结果;
振荡源机组确定单元,用于若所述第三判断结果表示为所述端口供给能量是否大于0,确定大于0的所述端口供给能量所对应的发电机为振荡源机组。
可选的,所述趋势分量提取模块具体包括:
趋势分量提取单元,用于利用经验模式分解算法对所述振荡源机组的所对应的端口供给能量提取趋势分量。
可选的,所述均方根误差确定模块具体包括:
线性拟合均方根误差确定单元,用于利用公式ED1D=at+c对所述趋势分量进行线性拟合,确定线性拟合均方根误差;
指数拟合均方根误差确定单元,用于利用公式ED1D=ae2σt+c对所述趋势分量进行指数拟合,确定指数拟合均方根误差;其中,ED1D表示端口供给能量的趋势分量,t表示时间,e为指数函数运算符;a、c以及σ为常数。
可选的,所述相位差确定模块具体包括:
主导振荡频率确定单元,用于根据各个所述发电机转速所对应的幅频图确定各个所述发电机的主导振荡频率;所述主导振荡频率为所述幅频图上幅值最大值所对应的频率;
相位确定单元,用于根据所述相频图确定各个所述主导振荡频率所对应的相位;
相位差确定单元,用于根据所述相位确定各个所述发电机转速之间的相位差。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种类强迫超低频振荡的判别方法及***,通过对发电机端口的实时量测数据按照起振阶段和振荡持续阶段分时间段进行计算和分析,根据线性拟合均方根误差以及指数拟合均方根误差,从振荡机理上将FL-ULFO和其他类型的低频振荡(例如:负阻尼振荡)区分开,又通过幅频图以及相频图,从振荡现象上将FL-ULFO和强迫振荡区分开,从而能有效判别出FL-ULFO,且不会误判为其他类型的低频振荡,提高类强迫超低频振荡的判别精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的类强迫超低频振荡的判别方法流程图;
图2为本发明所提供的类强迫超低频振荡的判别方法的具体步骤流程图;
图3为本发明所提供的类强迫超低频振荡的判别***结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种类强迫超低频振荡的判别方法及***,能够提高类强迫超低频振荡的判别精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的类强迫超低频振荡的判别方法流程图,如图1所示,一种类强迫超低频振荡的判别方法,包括:
步骤101:获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值。
步骤102:根据所述实时量测数据定位振荡源机组。
实时监测电网状态,对发生了低频振荡的***获取其中各发电机端口的实时量测数据:有功功率P、无功功率Q、电压幅值U、电压相角θ,并计算各发电机节点的ESP。
发电机节点的ESP计算公式如下:
其中,Pi表示第i台发电机的有功功率,Qi表示第i台发电机的无功功率,Ui表示第i台发电机的电压幅值,θi表示第i台发电机的电压相角,i=1,…,I。在本发明专利中I表示***中发电机总台数。
在分析时段[t1,t2]内,将ESP计算结果大于0的发电机定位为振荡源机组;其中,t1是振荡开始的时刻;t2是发电机转速信号第一次出现前一个振荡周期的幅值与后一个振荡周期的幅值相等的时刻;[t1,t2]定义为振荡起始阶段;t2以后为等幅振荡阶段。
步骤103:提取所述振荡源机组所对应的端口供给能量的趋势分量。
根据振荡源机组ESP趋势分量的拟合结果判断其变化规律是否符合线性趋势。
对各台发电机根据式(1)计算得到的ESP利用经验模式分解算法提取其趋势分量,然后对ESP趋势分量分别进行线性拟合与指数拟合分析,计算各自的误差指标RMSE。
步骤104:对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差。
对ESP趋势分量进行线性拟合的线性表达式如下式所示:
ED1D=at+c (2)
对ESP趋势分量进行指数拟合的指数表达式如下式所示:
ED1D=ae2σt+c (3)
其中,ED1D表示ESP的趋势分量。t表示自变量,时间;其余为常系数项。
按照公式(2)和(3)对振荡源机组的ESP趋势分量进行拟合误差分析,计算其RMSE并比较大小,若指数拟合的RMSE小于线性拟合的RMSE,执行步骤106;否则,则判定振荡类型不是FL-ULFO。
步骤105:判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,若是,执行步骤106,若否,执行步骤110。
步骤106:利用快速傅里叶算法对各个发电机转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图。
步骤107:根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差。
步骤108:判断所述相位差是否均小于相位阈值,若是,执行步骤109,若否,执行步骤110。
步骤109:确定所述电网中的振荡类型为类强迫超低频振荡。
提取***内每台发电机转速的量测数据,使用快速傅里叶算法对各发电机的转速时间信号ω(t)进行频域分析,作出幅频图和相频图,其中,ω(t)为一段时间序列信号,表示为发电机转速ω是一个通过实时量测获得的时间信号;在各发电机转速的幅频图上,将幅值取最大值所对应的频率记为主导振荡频率fm;然后在各发电机转速的相频图上找到fm所对应各台发电机的相位;由此计算两两发电机之间的相位差;判断上述计算得到两两发电机之间的相位差是否均小于45°;若是,则振荡类型为FL-ULFO;否则,则判定振荡类型不是FL-ULFO,图2为本发明所提供的类强迫超低频振荡的判别方法的具体步骤流程图,如图2所示。
步骤110:确定所述电网中的振荡类型不是类强迫超低频振荡。
本发明通过双重判断方式,逐步确定电网中发生振荡的振荡类型是否为类强迫超低频振荡,相比于现有技术而言,现有技术中的方法只对振荡持续阶段的ESP进行分析,即:判断该振荡的ESP符合指数增长趋势还是线性增长趋势,从而只能判断出振荡类型是负阻尼振荡还是强迫振荡,不能对FL-ULFO做出判断;而发明所提出来的判别方法通过对振荡起始阶段以及振荡持续阶段的ESP分别进行分析,从而能够准确地在线判别出FL-ULFO。
图3为本发明所提供的类强迫超低频振荡的判别***结构图,如图3所示,一种类强迫超低频振荡的判别***,包括:
实时量测数据获取模块301,用于获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值。
振荡源机组定位模块302,用于根据所述实时量测数据定位振荡源机组。
所述振荡源机组定位模块302具体包括:
端口供给能量计算单元,用于利用公式计算各个发电机节点的端口供给能量;其中,ESPi为第i台发电机的端口供给能量,Pi为第i台发电机的有功功率,Qi为第i台发电机的无功功率,Ui为第i台发电机的电压幅值,θi为第i台发电机的电压相角,i=1,…,I,I为***中发电机总台数。
第三判断单元,用于判断所述端口供给能量是否大于0,得到第三判断结果。
振荡源机组确定单元,用于若所述第三判断结果表示为所述端口供给能量是否大于0,确定大于0的所述端口供给能量所对应的发电机为振荡源机组。
趋势分量提取模块303,用于提取所述振荡源机组所对应的端口供给能量的趋势分量。
所述趋势分量提取模块303具体包括:
趋势分量提取单元,用于利用经验模式分解算法对所述振荡源机组的所对应的端口供给能量提取趋势分量。
均方根误差确定模块304,用于对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差。
所述均方根误差确定模块304具体包括:
线性拟合均方根误差确定单元,用于利用公式ED1D=at+c对所述趋势分量进行线性拟合,确定线性拟合均方根误差。
指数拟合均方根误差确定单元,用于利用公式ED1D=ae2σt+c对所述趋势分量进行指数拟合,确定指数拟合均方根误差;其中,ED1D表示端口供给能量的趋势分量,t表示时间,e为指数函数运算符;a、c以及σ为常数。
第一判断模块305,用于判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,得到第一判断结果。
幅频图以及相频图确定模块306,用于若所述第一判断结果表示为所述指数拟合均方根误差小于所述线性拟合均方根误差,利用快速傅里叶算法对各个发电机的转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图。
相位差确定模块307,用于根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差。
所述相位差确定模块307具体包括:
主导振荡频率确定单元,用于根据各个所述发电机转速所对应的幅频图确定各个所述发电机的主导振荡频率;所述主导振荡频率为所述幅频图上幅值最大值所对应的频率。
相位确定单元,用于根据所述相频图确定各个所述主导振荡频率所对应的相位。
相位差确定单元,用于根据所述相位确定各个所述发电机转速之间的相位差。
第二判断模块308,用于判断所述相位差是否均小于相位阈值,得到第二判断结果。
类强迫超低频振荡确定模块309,用于若所述第二判断结果表示为所述相位差均小于相位阈值,确定所述电网中的振荡类型为类强迫超低频振荡。
由上述内容可知,本发明的技术方案的实施主要包括三部分:
一、实时监测并获取发生了低频振荡的电网中各发电机端口的实时量测数据,具体为发电机转速、有功功率、无功功率、节点电压相角和幅值,计算各发电机节点起振阶段的ESP,定位振荡源机组。
二、对振荡源机组ESP提取趋势分量,对ESP趋势分量分别进行线性拟合和指数拟合并计算RMSE,进行第一次判断。
三、基于快速傅里叶变化算法,对***中各发电机转速信号进行频域分析,作出各发电机转速信号的幅频图和相频图,计算主导振荡频率下各发电机转速之间的相位差;进行第二次判断。根据第一次与第二次的判断结果来判别振荡类型是否属于FL-ULFO。
采用本发明所提供的类强迫超低频振荡的判别方法及***能够精确判别发生了低频振荡的电网内的振荡类型,尤其能够提高判别类强迫超低频振荡的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种类强迫超低频振荡的判别方法,其特征在于,包括:
获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值;
根据所述实时量测数据定位振荡源机组;
提取所述振荡源机组所对应的端口供给能量的趋势分量;
对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差;
判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,得到第一判断结果;
若所述第一判断结果表示为所述指数拟合均方根误差小于所述线性拟合均方根误差,利用快速傅里叶算法对各个发电机的转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图;
根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差;
判断所述相位差是否均小于相位阈值,得到第二判断结果;
若所述第二判断结果表示为所述相位差均小于相位阈值,确定所述电网中的振荡类型为类强迫超低频振荡;所述类强迫超低频振荡为一种复杂机理的低频振荡,振荡的诱发原因是发电机控制器内部存在的不稳定模式,振荡机理类似于负阻尼振荡,在振荡持续阶段的表现形式接近于强迫振荡。
2.根据权利要求1所述的判别方法,其特征在于,所述根据所述实时量测数据定位振荡源机组,具体包括:
利用公式计算各个发电机节点的端口供给能量;其中,ESPi为第i台发电机的端口供给能量,Pi为第i台发电机的有功功率,Qi为第i台发电机的无功功率,Ui为第i台发电机的电压幅值,θi为第i台发电机的电压相角,i=1,…,I,I为***中发电机总台数;t1是振荡开始的时刻;t2是发电机转速信号第一次出现前一个振荡周期的幅值与后一个振荡周期的幅值相等的时刻;[t1,t2]定义为振荡起始阶段;t2以后为等幅振荡阶段;
判断所述端口供给能量是否大于0,得到第三判断结果;
若所述第三判断结果表示为所述端口供给能量是否大于0,确定大于0的所述端口供给能量所对应的发电机为振荡源机组。
3.根据权利要求1所述的判别方法,其特征在于,所述提取所述振荡源机组所对应的端口供给能量的趋势分量,具体包括:
利用经验模式分解算法对所述振荡源机组的所对应的端口供给能量提取趋势分量。
4.根据权利要求1所述的判别方法,其特征在于,所述对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差,具体包括:
利用公式ED1D=at+c对所述趋势分量进行线性拟合,确定线性拟合均方根误差;
利用公式ED1D=ae2σt+c对所述趋势分量进行指数拟合,确定指数拟合均方根误差;其中,ED1D表示端口供给能量的趋势分量,t表示时间,e为指数函数运算符;a、c以及σ为常数。
5.根据权利要求1所述的判别方法,其特征在于,所述根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差,具体包括:
根据各个所述发电机转速所对应的幅频图确定各个所述发电机的主导振荡频率;所述主导振荡频率为所述幅频图上幅值最大值所对应的频率;
根据所述相频图确定各个所述主导振荡频率所对应的相位;
根据所述相位确定各个所述发电机转速之间的相位差。
6.一种类强迫超低频振荡的判别***,其特征在于,包括:
实时量测数据获取模块,用于获取发生了低频振荡的电网中各个发电机端口的实时量测数据;所述实时量测数据包括发电机转速、有功功率、无功功率、节点电压相角以及幅值;
振荡源机组定位模块,用于根据所述实时量测数据定位振荡源机组;
趋势分量提取模块,用于提取所述振荡源机组所对应的端口供给能量的趋势分量;
均方根误差确定模块,用于对所述趋势分量分别进行线性拟合以及指数拟合,确定线性拟合均方根误差以及指数拟合均方根误差;
第一判断模块,用于判断所述指数拟合均方根误差是否小于所述线性拟合均方根误差,得到第一判断结果;
幅频图以及相频图确定模块,用于若所述第一判断结果表示为所述指数拟合均方根误差小于所述线性拟合均方根误差,利用快速傅里叶算法对各个发电机的转速时间信号进行频域分析,确定各个所述发电机转速的幅频图以及相频图;
相位差确定模块,用于根据所述幅频图以及所述相频图确定任意两个发电机转速之间的相位差;
第二判断模块,用于判断所述相位差是否均小于相位阈值,得到第二判断结果;
类强迫超低频振荡确定模块,用于若所述第二判断结果表示为所述相位差均小于相位阈值,确定所述电网中的振荡类型为类强迫超低频振荡;所述类强迫超低频振荡为一种复杂机理的低频振荡,振荡的诱发原因是发电机控制器内部存在的不稳定模式,振荡机理类似于负阻尼振荡,在振荡持续阶段的表现形式接近于强迫振荡。
7.根据权利要求6所述的判别***,其特征在于,所述振荡源机组定位模块具体包括:
端口供给能量计算单元,用于利用公式计算各个发电机节点的端口供给能量;其中,ESPi为第i台发电机的端口供给能量,Pi为第i台发电机的有功功率,Qi为第i台发电机的无功功率,Ui为第i台发电机的电压幅值,θi为第i台发电机的电压相角,i=1,…,I,I为***中发电机总台数;t1是振荡开始的时刻;t2是发电机转速信号第一次出现前一个振荡周期的幅值与后一个振荡周期的幅值相等的时刻;[t1,t2]定义为振荡起始阶段;t2以后为等幅振荡阶段;
第三判断单元,用于判断所述端口供给能量是否大于0,得到第三判断结果;
振荡源机组确定单元,用于若所述第三判断结果表示为所述端口供给能量是否大于0,确定大于0的所述端口供给能量所对应的发电机为振荡源机组。
8.根据权利要求6所述的判别***,其特征在于,所述趋势分量提取模块具体包括:
趋势分量提取单元,用于利用经验模式分解算法对所述振荡源机组的所对应的端口供给能量提取趋势分量。
9.根据权利要求6所述的判别***,其特征在于,所述均方根误差确定模块具体包括:
线性拟合均方根误差确定单元,用于利用公式ED1D=at+c对所述趋势分量进行线性拟合,确定线性拟合均方根误差;
指数拟合均方根误差确定单元,用于利用公式ED1D=ae2σt+c对所述趋势分量进行指数拟合,确定指数拟合均方根误差;其中,ED1D表示端口供给能量的趋势分量,t表示时间,e为指数函数运算符;a、c以及σ为常数。
10.根据权利要求6所述的判别***,其特征在于,所述相位差确定模块具体包括:
主导振荡频率确定单元,用于根据各个所述发电机转速所对应的幅频图确定各个所述发电机的主导振荡频率;所述主导振荡频率为所述幅频图上幅值最大值所对应的频率;
相位确定单元,用于根据所述相频图确定各个所述主导振荡频率所对应的相位;
相位差确定单元,用于根据所述相位确定各个所述发电机转速之间的相位差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553448.4A CN109001556B (zh) | 2018-05-31 | 2018-05-31 | 一种类强迫超低频振荡的判别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810553448.4A CN109001556B (zh) | 2018-05-31 | 2018-05-31 | 一种类强迫超低频振荡的判别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109001556A CN109001556A (zh) | 2018-12-14 |
CN109001556B true CN109001556B (zh) | 2020-09-04 |
Family
ID=64573329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810553448.4A Active CN109001556B (zh) | 2018-05-31 | 2018-05-31 | 一种类强迫超低频振荡的判别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109001556B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417030B (zh) * | 2019-07-03 | 2022-04-26 | 东南大学 | 一种电力***强迫振荡的分布式定位方法及*** |
CN116014760B (zh) * | 2023-02-21 | 2024-05-14 | 东北电力大学 | 随机响应下电力***超低频振荡辨识及振荡源定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545245A (zh) * | 2012-01-16 | 2012-07-04 | 清华大学 | 基于端口供给能量的电力***振荡源定位方法 |
CN106340889A (zh) * | 2016-10-11 | 2017-01-18 | 河海大学 | 基于起振分析的振荡甄别与扰动源定位方法 |
EP3208908A1 (en) * | 2016-02-18 | 2017-08-23 | General Electric Technology GmbH | Improvements in or relating to power systems |
CN107872064A (zh) * | 2017-11-16 | 2018-04-03 | 国网四川省电力公司电力科学研究院 | 基于wams的超低频振荡监测及其紧急控制方法 |
-
2018
- 2018-05-31 CN CN201810553448.4A patent/CN109001556B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545245A (zh) * | 2012-01-16 | 2012-07-04 | 清华大学 | 基于端口供给能量的电力***振荡源定位方法 |
EP3208908A1 (en) * | 2016-02-18 | 2017-08-23 | General Electric Technology GmbH | Improvements in or relating to power systems |
CN106340889A (zh) * | 2016-10-11 | 2017-01-18 | 河海大学 | 基于起振分析的振荡甄别与扰动源定位方法 |
CN107872064A (zh) * | 2017-11-16 | 2018-04-03 | 国网四川省电力公司电力科学研究院 | 基于wams的超低频振荡监测及其紧急控制方法 |
Non-Patent Citations (6)
Title |
---|
Measurement-based solution for low frequency oscillation analysis;Shen Chen,et al.;《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》;20160731;第04卷(第03期);第406-413页 * |
The Resonance Mechanism Low Frequency Oscillations Induced by Nonlinear Governor System;Xu Yanhui,et al.;《IEEE Xplore》;20110623;第866-869页 * |
基于包络线拟合的低频振荡性质在线判别;马燕峰等;《电力***自动化》;20141210;第38卷(第23期);第46-53、95页 * |
基于复合模式的电力***超低频振荡产生机理;邓集祥等;《电工技术学报》;20070831;第22卷(第8期);第84-89页 * |
基于端口供给能量分解的电力***振荡类型区分方法;代贤忠等;《电力***自动化》;20141210;第38卷(第23期);第40-45页 * |
多机***超低频振荡分析与等值方法;陈磊等;《电力***自动化》;20171125;第41卷(第22期);第10-15、25页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109001556A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102565574B (zh) | 船舶电能质量监测*** | |
CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
CN107462764A (zh) | 一种电压暂降检测与刻画的自动分段方法 | |
Jain et al. | An adaptive time-efficient technique for harmonic estimation of nonstationary signals | |
CN106501602B (zh) | 一种基于滑窗频谱分离的基波参数测量方法 | |
CN109001556B (zh) | 一种类强迫超低频振荡的判别方法及*** | |
CN108957129A (zh) | 一种新能源并网***次/超同步振荡自适应监测方法 | |
CN102279364A (zh) | 一种基于music与psa的笼型异步电动机转子断条故障检测方法 | |
CN103577695A (zh) | 一种电能质量数据中的可疑数据检测方法及装置 | |
CN106154037A (zh) | 一种基于校验的同步相量自适应计算方法 | |
CN115128345B (zh) | 一种基于谐波监测的电网安全预警方法及*** | |
CN111639583A (zh) | 一种电网电能质量扰动的识别方法及*** | |
Pietrzak et al. | Stator Winding Fault Detection of Permanent Magnet Synchronous Motors Based on the Short-Time Fourier Transform | |
Zhu et al. | Injection amplitude guidance for impedance measurement in power systems | |
CN108896805B (zh) | 斩波信号检定方法、***及电能检测装置 | |
CN108535558B (zh) | 一种电力稳定器的测试方法及*** | |
CN102495264A (zh) | 基于信息熵的电压跌落持续时间检测方法 | |
CN113837895A (zh) | 基于电力扰动数据的配电网异常事件识别方法及*** | |
CN110007146B (zh) | 一种基于电压电流谐波相位的谐振点检测方法 | |
CN110098610B (zh) | 故障扰动下电力***振荡主导模式的实时辨识方法及*** | |
CN103746372B (zh) | 电网振荡模式类型及关联调度区域的在线自动识别方法 | |
CN112051479A (zh) | 一种配电网运行状态识别方法及*** | |
CN108362940B (zh) | 一种半周波畸变信号的动态谐波频率提取方法 | |
CN105528496B (zh) | 一种残差迭代的Prony低频振荡分析方法 | |
CN111082420B (zh) | 一种改善交直流混联电网暂态稳定性的方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |