专利名称：一种电力系统低频振荡监测方法
技术领域：
本发明提出了一种电力系统低频振荡监测方法，属于动态电力系统的理论和分析领域。
背景技术：
1、 低频振荡简介
系统稳定问题，即电力系统在受到各种扰动后是否保持稳定运行，是动态电力系统需 要研究解决的核心问题。系统稳定问题包括暂态稳定、动态稳定和静态稳定三个大类、电 力系统受小扰动时发电机转子间由于阻尼不足而引起的持续低频振荡属于系统动态稳定 分析的范畴。
这种振荡现象的振荡频率一般为0.2 2.5Hz。由于发生低频振荡时，输电线路上的功率 值也会发生相应振荡，所以又将其称为功率振荡或机电振荡。
低频振荡有两种振荡模式系统域间振荡(interareamode)和区域内振荡(plant mode)。 发生系统域间振荡时，参与振荡的机组间电气距离较大，振荡频率较低(如0，2 0.5Hz); 发生区域内振荡时，参与振荡的机组间电气距离较小，振荡频率较高(如1Hz以上)。系 统域间振荡比区域内振荡具有更大的危害。
2、 我国电网特征及实施低频振荡监测分析的必要性
我国电网覆盖面积大，结构薄弱，各种一次能源的分布和负荷的密度极不均匀，而电 源又往往远离负荷中心，单位装机容量分摊到的标准输电线长度比发达国家的少得多。
由于低频振荡或功率振荡通常出现在长距离、重负荷输电线上，在采用现代快速、高 顶值倍数励磁系统的条件下更容易产生，所以我国电网上发生低频振荡的可能性很大，电 力系统的安全稳定运行正面临巨大的挑战。
从国内外已经发生的几次低频振荡事故来看，这种事故对电网危害严重，大大制约了 电网的输电能力。通过运行经验的长期积累，发现产生域间低频振荡时，系统网络中各节 点的相角摆动有一个由弱到强的过程，即为事故发展的过程。通过对低频振荡进行有效监 测，可以在事故发生的初期将其捕捉，实时跟踪分析它的发展状况，及时识别振荡中心，切除扰动源，从而将低频振荡对电网的不良影响降到最低。但是对于区域内发生的低频振 荡，由于其往往具有起振快，持续短，平息快的特点，所以这种振荡现象仅能被监测到， 而来不及采取应对措施。对于这种振荡，应当对实时数据进行记录，然后分析识别数据中 的振荡信息，并以提取的信息为基础，改善系统阻尼特性，最终实现对低频振荡现象的抑 制。
3、现有的低频振荡在线监测方法
目前低频振荡的在线监测方法主要有1)采用以改进Prony算法为核心的低频振荡在 线模式识别算法对低频振荡现象进行监测；2)依据被监测量原始采样值，采用"周期一 振幅检测法"对低频振荡现象进行监测。第一种方法中，由于Prony算法的抗噪性能较差， 一般需要在算法中添加滤波模块。连续对某监测量进行滤波和Prony分析需要消耗大量的 CPU资源，当被监测信号数目增多时，该算法占用的系统资源将达到不能接受的程度。第 二种方法中，周期一振幅检测法原理简单，运算速度快，但是该方法针对原始数据进行分 析，很难避免由原始采样值中包含的无意义尖峰毛刺导致的误告警。
发明内容
本发明提出了一种电力系统低频振荡监测方法，其特征在于包括以下步骤-
1、 先对数据缓冲区中一段有功功率数据的变化轨迹进行分析，初步识别振荡曲线的 振幅、周期，将识别结果与低频振荡特征相比对，若识别量明显不符合振荡特征，则更新 数据缓冲区中的内容，对新的一段有功功率数据重复上述分析过程，若识别量符合基本振 荡特征，则进行后续分析；
2、 所述有功功率数据段利用数字滤波器算法，提取所述有功功率数据段中振荡频率 位于0. 2 2. 5Hz之间的振荡分量；
3、 就提取的上述振荡分量，使用波峰间接识别方法识别振荡幅值，当振荡幅值超过 告警门限值时，提出告警；
4、 所述告警门限值分为两段，满足较低告警门限值时，提示"系统波动"告警，连 续几次满足较高告警门限值时，提示"低频振荡"告警。
当在线监测算法判定被监测线路功率发生低频振荡时，以当前时刻为时间中点，累积 该时刻前后共计l分钟的数据，打包送至离线低频振荡模式分析模块，调用离线分析算法 对本次低频振荡进行分析。本发明具有以下优点
1、 基于数据变化轨迹设计的"振荡特征识别方法"，可以有效地规避由于原始采样信 号中无意义的尖峰毛刺和采样值正常跳变(如分/合闸过程)引起的低频振荡监测算法 误告警问题；
2、 使用数字滤波器提取原始采样值中的低频振荡分量准确有效；
3、 使用"波峰间接识别方法"识别低频振荡分量的振荡幅值，识别的振幅更为准确， 据此设计的低频振荡判据更为可靠；
4、 判据分段的方式可以根据系统网络不同的危险情况进行告警，突出严重事故；
5、 采用多种方式监测低频振荡现象，各方法的监测盲区得以相互补足；分级逐步检 测振荡特征，提高了低频振荡在线监测算法的运行效率和速度；
下面结合附图对本发明进一步说明。
图1是电力系统低频振荡在线监测方法流程图2是周期巻积示意图3是数字滤波器实现流程图4是振荡特征识别算法流程；
图5是由峰-谷值位置判定振荡频率原理示意图6是由峰/谷值位置识别有效全振荡次数算法流程；
图7是数字滤波器滤波过程示意图8是波峰间接识别方法原理示意；
图9是波峰间接识别方法流程图IO是低频振荡在线监测算法的告警检测流程；
具体实施例方式
以下更具体地介绍本发明的内容。
低频振荡在线监测不但可用于电力网络的监视及保护，同时还可用于识别不稳定线 路，鉴别振荡抑制措施的有效性；振荡模式识别不但能够了解单条被监测线路的固有振荡 特性，对分析振荡源位置和振荡原因也具有积极意义。本发明的目的是通过改进传统的低频振荡在线监测方法，引进通用的数字信号处理 方法有效实现低频振荡现象的在线监测，提高监测的针对性和准确性。
依据本发明的电力系统在线监测算法流程如附图1所示。 步骤l:初始化。 St印l:设计数字滤波器。
本发明中基于窗口法设计数字滤波器。
基本设计思想是选取一种合适的理想频率选择性滤波器，然后将它的脉冲响应截断 (或加窗)以得到一个线性相位和因果的FIR滤波器。因此，这种方法的重点在于选择恰 当的"窗函数"和"理想频率选择性滤波器"。
用7^(—"代表一 "理想频率选择性滤波器"，它在整个通带内有单位幅度增益和线性
相位特性，而在阻带内具有零响应。 一理想带宽为A〈;r的LPF由下式给出
,、fl承e力咖， Hs化
n 丄i I: (1)
其中A也称为截止频率，a称为样本延迟。这个滤波器的脉冲响应如下式所示
~ (") = f -1 [a )]=+￡ & ) n
^『？1 (2) sin[<yc (n-or)]
加窗运算就是将&(")两边截断，从而得到一个长度为M的因果且具备线性相位FIR 滤波器/ (")，如下式所示
M"H (3)
0, o*ny
和
M —1 "、 "=- (4)
2
可由&(w)和某一窗函数相乘而得到的，即
= (5)其中，w(")函数在02n^M-l内是某个关于a对称的函数，而当n为其他值时，函数值 为0。
在频域中这个因果FIR滤波器响应/f(^1是由/^(^"和窗响应『(e^)的周期巻积 得到的，即
^义
(6)
对于典型的窗响应，附图2示出了周期巻积的结果。
对于给定的滤波器技术要求，需要选择滤波器长度M和具有最窄主瓣宽度和尽可能小 旁瓣的某个窗函数fi)(n)。
窗口设计法的基本原则是
1) 尽可能小的M——减小计算量；
2) 尽可能窄的主瓣宽度——缩小过渡带，增强频选性能；
3) 尽可能小的最大旁瓣高度——降低波纹，增强频选性能； 本文中选择的窗函数为凯塞窗。它具有两个参数，通过调节这两个参数，能够使主
瓣宽度和最大旁瓣高度同时刚好满足设计要求。 凯塞窗函数的时域形式可以表示为
(7)
其中/。(/ )是第一类变形零阶贝赛尔函数，/ 是窗函数的形状参数，由下式确定.-
0， 13.26 0.76609(a — 13.26)04+0.09834(a-13.26)， B.26<a<60 (8) 0.12438(a + 6.3), 60<a<120
其中，a为凯塞窗函数的主瓣值和旁瓣值之间的差值(dB)。改变"的取值，可以对主 瓣宽度和旁瓣衰减进行自由选择。^的值越大，窗函数频谱的旁瓣值就越小，而其主瓣宽 度就越宽。
计算第一类零阶变形贝赛尔函数/。(x)等同于计算纯虚自变量的J。(x)，它们之间的关 系为
7/0(x) = (-1)V。(!x) (9) 计算它们的公式均是由Abramowitz和Stegun给出的近似多项式，具体如下: 当|—<3.75时，
7。 (x) = a + ay + a, + a/ + a/ + a/ + (io) 当 3.75时，
/。 (JC)/ * (《+《2Z +《3Z2 +仏Z3 +《5Z4 +《6Z5 +《7Z6 +《8Z7 +《9 ) (11)
其中_y = (Jc/3.75)2, z = 3.75/|x|，系数p,和&如下表所示。
表l系数表
/《
110.39894228
23.51562290.01328592
33.08994240.00225319
41.2067492-0.00157565
50.26597320.00916281
60.0360768-0.02057706
70.00458130.02635537
8-0.01647633
90.00392377
需要确定的凯塞窗参数为窗宽L和参数"。
由前面的讨论可知加大窗宽，可以縮小主瓣宽度，同时縮小了滤波器的过渡带。因 此滤波器窗宽L应该根据设计条件中给出的"过渡带"这一技术指标进行选择。
凯塞窗的"参数与窗函数频谱曲线中第一旁瓣相对高度(dB)具有对应关系。由于第
一旁瓣相对高度(dB)越小，滤波器的阻带波纹就越小。所以根据设计条件中给出的"阻
带波纹"这一技术指标选择合适的/ 参数。
滤波器的设计约束条件通常包括阻带边缘频率化、通带边缘频率^和峰值误差5 (使 用窗函数设计滤波器，在通带和阻带有相同的误差)。定义
j = -201og10<5 (12) 那么由A值规定的 〃 值可由下式计算0.1102(^4-8.7)
0.5842(^-21)0.4 + 0.07886(^4-21) 0.0
(13)
如果定义过渡带为
那么联合A和Aw可确定窗宽
^一8
(14)
(15)
2.285Aw
滤波器实现流程附图3所示。
St印2:确定原始数据缓冲堆栈长度。
当原始数据缓冲堆栈与滤波器窗宽相同时，仅能够得到一个滤波输出值。所以数据缓 冲堆栈的长度应至少大于滤波器宽度。当仅有几个滤波输出值时，无法从其中分辨振荡信
息，所以数据缓冲堆栈中应至少能够容纳两个频率为0.2Hz的全振荡过程，即能够容纳IO 秒的实时采样数据。原始数据采样率越高，需要的原始数据缓冲堆栈越长。 St印3:确定告警域值。
应根据被监测量采样值变化规律，分别设定告警域值。根据低频振荡监测判据需要设
定的告警域值有
Max-Ever:振荡特征识别法域值1 (比较当前最大采样值和历史采样平均值)； Max-Min-Ever:振荡特征识别法域值2 (比较当前采样最大最小值之差和历史采样平 均值)；
Low-Alarm-Level:系统波动告警域值；
High-Alarm-Level:低频振荡告警域值；
High-Alarm-Delay:低频振荡告警延时。 步骤2:获得新采样值，压入原始数据缓冲堆栈。
在某些情况下，获得的新采样值可能无法一次填满原始数据缓冲堆栈。缓冲区堆栈必 须压满后，才能进行后续操作，否则将因为数据量不足而无法得到正确的运算结果。 步骤3:应用"振荡特征识别法"粗略识别原始采样数据中是否包含振荡信息，对于明显 不包含振荡信息的原始数据，不进行后续的监测算法处理。
振荡特征识别法共分为以下三个部分，算法流程如附图4所示。
St印l:比较当前最大采样值和历史采样平均值。计算新采样值压入堆栈前，堆栈内采样数据的平均值，而后压入新采样值，遍历堆栈， 获得最大采样值，将最大采样值与计算所得平均值比较，若两数值差的绝对值小于预设域 值Max-Ever,则判定当前堆栈内数据不可能包含低频振荡信息。 St印2:比较当前采样最大最小值之差和历史采样平均值。
计算新采样值压入堆栈前，堆栈内采样数据的平均值，而后压入新采样值，遍历堆栈， 获得最大、最小采样值，计算最大、最小采样值差的绝对值，再计算该绝对值与平均值之 差的绝对值，若此时计算得到的绝对值小于预设域值Max-Min-Ever，则判定当前堆栈内数 据不可能包含低频振荡信息。
St印3:识别振荡平衡位置，基于平衡位置识别峰值和谷值，根据峰-峰值距离判定振荡频 率，根据频率数值判断当前数据序列中是存在包含低频振荡特征的有效振荡。 算法原理见附图5所示，算法流程如附图6所示。
1) 识别振荡平衡位置
利用二分法，对缓冲区中所有采样值进行排序，将序列中值作为当前振荡的平衡位置。
2) 划分振荡波形的正负半周 求得采样序列相对于振荡平衡位置的相对振幅序列，确定若干个过零点。若两个
过零点之间的采样值相对于振荡平衡位置为正，则将这一段采样值确认为振荡的正半 周，反之则将其确认为振荡的负半周。
3) 识别基于平衡位置的峰值和谷值
依次遍历每个振荡正半周，获得最大采样值，将其在采样序列中的绝对位置存入 峰值位置序列；依次遍历每个振荡负半周，获得最小采样值，将其在采样序列中的绝 对位置存入谷值位置序列。
4) 计算峰-峰值距离，谷-谷值距离，判定振荡频率
计算峰值位置序列中，两个相邻值的位置间隔，由釆样频率和位置间隔可以推算 出两个相邻峰值之间的时间间隔，即一次全振荡所耗时间，并可由此推算出此次全振 荡的振荡频率。
5) 识别有效振荡次数，判断振荡是否具有低频振荡特征 若振荡频率位于0.2Hz 2.5Hz，则认为此次振荡为有效振荡。遍历整个峰值位置序
列和谷值位置序列，获得堆栈采样序列的有效振荡次数。根据有效振荡次数判定序列中包含低频振荡特征的判据是对当前采样序列计算 得到的有效振荡次数大于设定值；对新采样值压入前数据序列计算得到的有效振荡次 数NUM1和对新采样值压入后数据序列计算得到的有效振荡次数NIM2的和大于设定值。 即将有效振荡次数与预设域值比较，若大于该域值，则认为采样序列可能包含振 荡信息，需要继续对其进行后续分析；若小于该域值，则记录此次分析得到的有效振 荡次数a。在采样值堆栈压入新采样值后，将对堆栈中采样序列重新分析得到的有效 振荡次数b与a相加，若和大于该域值，也可认为采样序列可能包含振荡信息；若依 然小于该值，则用b代替a，重复上述分析过程。 步骤4:应用数字滤波器提取原始数据中振荡频率为0. 2 2. 5Hz的振荡分量。
如附图7所示，使用数字滤波器对原始数据缓冲堆栈中的采样值进行滤波时，使用滤 波器窗口由前至后依次框取堆栈中的一段连续数据，从而依次得到连续的滤波输出值。但 是由于滤波器窗口具有一定长度，所以并不能对所有原始数据进行滤波。如果滤波器窗口 长度为L， L为奇数，那么原始数据缓冲堆栈头部和尾部的各(L-l) /2的采样值将不能得 到滤波。滤波数据结果将依次压入"滤波后数据缓冲堆栈"。 步骤5:应用"波峰间接识别方法"，识别滤波器输出数据信号的振荡振幅。
波峰间接识别法的基本思想是利用正弦曲线的形状特点，由曲线上若干个周期内每个 采样点的数值估算当前振荡振幅范围。
如附图8所示对一条振幅为10的余弦曲线在半个或一个完整的振荡周期内等间隔采 样，可以看到1/3的采样点数值落在[-5， 5]的区间内，如图中灰色区域所示。可以得到 如下结论如果当前采样点全部位于余弦曲线的半个或一个完整振荡周期内，且仅有1/3 采样值的绝对值小于A，则可推断，当前振荡的振幅约为2A。 算法流程如附图9所示
St印l:识别振荡平衡位置
利用二分法，对滤波后数据缓冲堆栈中所有数值进行排序，将序列中值作为当前振荡 的平衡位置。
St印2:截断数据序列，使数据序列长度包含若干个完整的振荡半周波
求得数据序列相对于振荡平衡位置的相对振幅序列，确定若干个过零点。以第一个过 零点为起点，最后一个过零点为终点，截断数据序列，使数据序列长度包含若干个完整的 振荡半周波。St印3:依照波峰间接识别方法的基本原理识别振荡振幅
使用二分法对截取的数据序列排序，找到一个采样值A，使序列中仅有1/3的数值小 于该值，识别的振荡振幅即为2A。
步骤6:将所得"振幅"与"告警域值"比对，判断是否提示告警。
将识别的振幅与告警域值Low-Alarm-Level进行比对，如果振幅值小于该域值，则不 提示告警；如果振幅值大于该域值，则提示"系统波动告警"。
当提示"系统波动告警"时，再将识别的振幅与告警域值High-Alarm-Level比对，如 果振幅值小于该域值，则返回，载入新采样值，开始新一轮分析；如果振幅值大于该数值， 则将"低频振荡告警延时累加器"加1。在紧接着的下轮分析中，如果识别的振幅值小于 告警域值High-Alarm-Level,则将累加器清零，返回，载入新采样值，开始新一轮分析； 如果识别的振幅值大于告警域值High-Alarm-Level,则再将"低频振荡告警延时累加器" 加l。如果累加器数值等于低频振荡告警延时域值High-Alarm-Delay，则提示"低频振荡 告警"。
算法流程参见附图10。 步骤7:满足告警条件时，对告警时刻前后共计1分钟的数据进行录波，自动打包数据， 自动调用离线分析算法分析包内数据。
此处已经根据特定的示例性实施例对本发明进行了描述。对本领域的技术人员来说在 不脱离本发明的范围下进行适当的替换或修改将是显而易见的。示例性实施例仅仅是例证 性的，而不是对本发明的范围的限制，本发明的范围由所附的权利要求定义。
1
权利要求
1、一种电力系统低频振荡监测方法，其特征在于包括以下步骤1)首先对数据缓冲区中一段有功功率数据的变化轨迹进行分析，初步识别振荡曲线的振幅、周期，将识别结果与低频振荡特征相比对，若识别量明显不符合振荡特征，则更新数据缓冲区中的内容，对新的一段有功功率数据重复上述分析过程，若识别量符合基本振荡特征，则进行后续分析；2)就所述有功功率数据段利用数字滤波器算法，提取所述有功功率数据段中振荡频率位于0.2～2.5Hz之间的振荡分量；3)就提取的上述振荡分量，使用波峰间接识别方法识别振荡幅值，当振荡幅值超过告警门限值时，提出告警；4)所述告警门限值分为两段，满足较低告警门限值时，提示“系统波动”告警，连续几次满足较高告警门限值时，提示“低频振荡”告警。
全文摘要
本发明提出一种电力系统低频振荡监测方法应用振荡特征识别方法，初步识别采样数据中是否包含振荡信息；引进通用的数字信号处理方法——数字滤波器法，提取相关振荡分量；应用波峰间接识别方法，通过一个周波中每个采样值对应的相角和幅值，推算振荡振幅；应用多级告警门限，突出重要告警信息。本方法有效地提高了低频振荡在线监测的针对性和准确性。
文档编号G01R23/167GK101446605SQ20081022784
公开日2009年6月3日 申请日期2008年12月1日 优先权日2008年12月1日
发明者敏 熊, 王俊永, 王慧铮, 勇 许 申请人:中国电力科学研究院