一种基于Prony分析的智能振荡模式识别方法
【技术领域】
[0001] 本发明属于电力系统分析计算领域，尤其设及电力系统阻尼分析中振荡模式识别
技术领域。
【背景技术】
[0002] 根据性质的不同，电力系统稳定性可分为功角稳定、电压稳定和频率稳定=类。电 力系统功角稳定还可W进一步分为W下=类：静态稳定、暂态稳定和动态稳定，分别定义 为：
[0003] (1)电力系统静态稳定是指电力系统受到小干扰后，不发生非周期性的失步，自动 恢复到起始运行状态的能力。
[0004] (2)电力系统暂态稳定指的是电力系统受到大干扰后，各发电机保持同步运行并 过渡到新的或恢复到原来稳定运行状态的能力。
[0005] (3)电力系统动态稳定是指系统受到干扰后，不发生振幅不断增大的振荡而失步。
[0006] 对于电力系统动态稳定分析，需要计算相关参量的阻尼比。阻尼比大于0,则因干 扰出现振荡的振幅是衰减的，经过一定时间后振荡将平息，电力系统可恢复到稳定运行状 态；阻尼比小于0,则因干扰出现振荡的振幅是增加的，经过一定时间后增幅振荡将造成电 力系统功角失稳，电力系统将瓦解；阻尼比等于0,则因干扰出现振荡的振幅是不变的，电 力系统无法恢复稳定。
[0007] 在电力系统稳定运行情况下，各同步发电机转子相对"静止"，当出现干扰后，各同 步发电机转子之间将出现"振荡"。每个发电机转子间的运种"振荡"是不同的，对于N台 发电机的系统，将有N-I个"振荡"的模式。实际电力系统中有万千上万的发电机，对应众 多的振荡模式，在干扰情况下，运些振荡模式将在电力系统功率、电压、频率、功角等相关参 量中有所体现。对于某一具体参量，在干扰下往往与数个振荡模式强相关而与其它振荡模 式相关性较小，即某一参量的变化可W由数个振荡的叠加近似表示。对于电力系统稳定分 析来说，需要在所关屯、的参量中找出前面所述的数个强相关振荡模式（或称为主要振荡模 式，简称为主振模式），根据其阻尼比，判断电力系统的稳定性。
[0008]目前主要使用Prony分析计算所关注参量的振荡模式，但要得出哪些模式是主要 振荡模式则往往靠人工方法判断，存在识别速度慢、识别结果受人为因素影响大的缺点。本 专利将基于Prony分析，提出一种智能化的振荡模式识别方法，可解决上述人工判断的不 足。
【发明内容】
[0009] 综上所述，确有必要提供一种智能化的振荡模式识别方法，提高振荡模式识别的 速度与准确度。
[0010] 一种智能化的振荡模式识别方法，主要包括W下步骤：步骤S10,选择需要识别振 荡模式的参量曲线，计为X=找1，i= 1，2,3……N}，对其进行Prony分析，得到M个振荡 模式，并将各振荡模式W幅值从大到小排序；步骤S20,将Prony拟合误差曲线平均分为= 段，根据=段误差曲线能量，计算振荡模式识别浮动阔值，用于主要振荡模式的判断；步骤 S30,在Prony分析结果中捜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振 模式；步骤S40,其它主振模式识别。将Prony结果中幅值小于第1主振模式幅值Kz倍的振 荡模式滤除。在剩余振荡模式中，W试错方式逐一删除各个模式，并计算删除振荡模式后的 Prony拟合误差，若误差超过浮动阔值Th则恢复该模式，若误差未超过浮动阔值Th则该模 式不是主要振荡模式，保持删除状态。保留下来的振荡模式均为主要振荡模式。步骤S50， 提取一定频率与阻尼比范围内的主要振荡模式，根据需要，W-定顺序、规则输出主要振荡 模式。
[0011] 本发明将Prony拟合误差曲线平均分为S段，采用根据S段误差曲线能量确定浮 动阔值的技术。
[0012] 本发明在滤除非主要振荡模式中采用了 "试错"技术，逐一删除各个模式，删除后 重新计算Prony拟合误差，若误差超过浮动阔值则该模式保留，否则删除该模式。
[0013] 本发明的有益效果是，通过采用一定算法对Prony分析结果进行处理，滤除非主 要振荡模式，保留主要振荡模式，实现了振荡模式的智能识别，且该振荡模式识别方法具有 普遍适用性。本发明具有思路清晰，通用性较好，适合推广使用的优点。
【附图说明】
[0014] 图1为本发明提供的一种智能化的振荡模式识别方法流程图；
[0015] 图2为本发明提供的其它主振模式识别流程图；
[0016] 图3为本发明提供的某发电机功角变化曲线波形图；
[0017] 图4为本发明提供的Prony分析结果图；
[001引图5为本发明提供的智能振荡模式识别结果图。
【具体实施方式】
[0019] 下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
[0020] 请参阅图1，图1为本发明提供的一种精细化电网风险评估方法流程图，主要包括 如下步骤：
[0021] 步骤S10,选择需要识别振荡模式的曲线，计为X=找i，i= 1，2,3……N}，对其进 行Prony分析，得到M个振荡模式，每个振荡模式包含其幅值Ai、频率fi、相位01、衰减系数 曰iW及阻尼比Di(下标i= 1，2,3……M);并将各振荡模式W幅值从大到小排序；
[0022] 步骤S20,计算振荡模式识别浮动阔值，用于主要振荡模式的判断。Prony本质上 一种曲线拟合，拟合会存在一定误差，浮动阔值将根据Prony拟合误差进行调整；
[0023] 浮动阔值计算如下：
[0024] (1)根据Prony分析结果计算Prony拟合曲线是={A'!,1 = 1,》，3....N}
[002引式1中Ts为X参量的采样周期； 1 似计算Prony拟合误差若控打=锭紋如，i="'!.，2，3"'…M}
[0028]若於，'';-足~~亥； (2)
[0029] (3)将.；！段r等分为S段分别计算其能量：
[0033] 式3-式5中fix(X)表示对X取整；
[0034] 计算得到振荡模式识别阔值Th为：
[003引Th=max(EErrl,EerrZ,Eew)体1做
[0036]
[0037] 式6中Ki为可设定且大于1的系数；
[0038] 步骤S30,计算第1主振模式，设定关注的频率上下限fup、fd。?，设定关注的阻尼比 上限D。。。在Prony分析结果中，捜索满足ffd。?且DDi、振荡模式中幅值最大 的模式为第1主振荡模式。
[0039] 步骤S40,其它主振模式识别。令第1振荡模式幅值为Am,1，将Prony结果中幅值 小于KzAm,1的振荡模式滤除化2为一小于1的系数）。在剩余振荡模式中，W试错方式逐一 删除各个模式，并计算删除振荡模式后的Prony拟合误差，若误差超过浮动阔值Th则恢复 该模式，若误差未超过浮动阔值Th则该模式不是主要振荡模式，保持删除状态。保留下来 的振荡模式均为主要振荡模式。在Prony拟合误差检测中将曲线分为=段，可分别检测曲 线前段、中段、后段的拟合精度，防止曲线总体拟合较好但局部误差较大的情况出现。本步 骤流程请参阅图2。
[0040] 步骤S50,输出主要振荡模式识别结果。在步骤S40保留下来的主要振荡模式中， 提取振荡频率在fd。?~fUP范围内、阻尼比小于DUP的振荡模式，根据需要，W按幅值排序、 阻尼比排序等方式输出一定数量的主要振荡模式。
[0041] 本发明将Prony拟合误差曲线平均分为S段，采用根据S段误差曲线能量确定浮 动阔值的技术。
[0042] 本发明在滤除非主要振荡模式中采用了 "试错"技术，逐一删除各个模式，删除后 重新计算Prony拟合误差，若误差超过浮动阔值则该模式保留，否则删除该模式。
[004引实施例一
[0044] 本发明所述的智能振荡模式识别方法基于某电网故障仿真数据进行分析计算，具 体步骤如下：
[0045] (1)在故障仿真数据中选择某发电机功角变化曲线，曲线波形请参见图3,对所选 曲线进Prony分析，得到图4所示Prony分析结果。
[0046] (2)计算振荡模式识别浮动阔值。曲线前、中、后S段的拟合误差分别为 2. 835e-4、2. 187e-5、9. 277e-5,系Ki取 2,则振荡模式识别阔值Th= 5. 67e-4。
[0047] 做频率上限fup取2.甜Z、频率下限fd。?取0.1 Hz、阻尼比上限DUP取15%。则可 得出Prony分析结果中第2个振荡模式为第1主要振荡模式。
[0048] (4)Kz取0. 005,在Prony结果中，去除幅值小于0. 005*18. 21=0. 091的振荡模 式。在图4中，第8个及W后的振荡模式将被滤除。
[0049] (5)W试错方式逐一删除各个模式，经计算，Prony结果中第6与第7个振荡模式 将被删除。
[0050] (6)根据频率上下限、阻尼比上限，在Prony结果第1~5振荡模式（其它模式已 被滤除）中提取输出结果。第2个与第5个振荡模式符合要求，按阻尼比从大到小输出，结 果参见图5。
[0051] 从上述计算过程可知，本发明提供的一种基于Prony分析的智能振荡模式识别方 法，可W从Prony结果中识别出主要振荡模式，为电力系统稳定分析提供基础。
[0052]另外，本领域技术人员还可在本发明精神内作其它变化，当然运些依据本发明精 神所作的变化，都应包含在本发明所要求保护的范围内。
【主权项】
1. 一种基于Prony分析的智能振荡模式识别方法，其特征在于，包括以下步骤： 步骤S10,选择需要识别振荡模式的参量曲线，对其进行Prony分析，得到Μ个振荡模 式，并将各振荡模式以幅值从大到小排序； 步骤S20,根据Prony拟合误差，计算振荡模式识别浮动阈值，用于是否主要振荡模式 的判断； 步骤S30,在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作 为第1主振模式； 步骤S40,将Prony结果中幅值小于第1主振模式幅值K2倍的振荡模式滤除，在剩余振 荡模式中，以试错方式逐一删除各个模式，若删除该模式后Prony拟合误差超过浮动阈值 则该模式保留，否则删除该模式，保留下来的振荡模式均为主要振荡模式； 步骤S50,提取一定频率与阻尼比范围内的主要振荡模式，根据需要，以一定顺序、规则 输出识别结果。2.如权利要求1所述一种基于Prony分析的智能振荡模式识别方法，其特征在于，将 Prony拟合误差曲线平均分为三段，采用根据三段误差曲线能量确定浮动阈值的技术。3.如权利要求1所述一种基于Prony分析的智能振荡模式识别方法，其特征在于，在滤 除非主要振荡模式中采用了 "试错"技术，逐一删除各个模式，删除后重新计算Prony拟合 误差，若误差超过浮动阈值则该模式保留，否则删除该模式。
【专利摘要】一种基于Prony分析的智能振荡模式识别方法，包括以下步骤：步骤S10，选择需要识别振荡模式的参量曲线，对其进行Prony分析；步骤S20，根据Prony拟合误差，计算振荡模式识别浮动阈值；步骤S30，在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振模式；步骤S40，将Prony结果中幅值小于第1主振模式幅值K2倍的振荡模式滤除，在剩余振荡模式中，以试错方式逐一删除各个模式；步骤S50，提取一定频率与阻尼比范围内的主要振荡模式并识别结果。本发明保留了主要振荡模式，实现了振荡模式的智能识别，具有思路清晰，通用性较好，适合推广使用的优点。
【IPC分类】H02J3/24, G01R31/08
【公开号】CN105429157
【申请号】CN201510916169
【发明人】司大军, 钱迎春, 李玲芳, 肖友强, 游广增, 陈姝敏, 陈义宣
【申请人】云南电网有限责任公司电网规划研究中心
【公开日】2016年3月23日
【申请日】2015年12月10日