专利名称：一种电力系统低频振荡检测方法
技术领域：
本发明属于电力系统信息化技术领域，更为具体地讲，涉及一种电力系统低频振荡检测方法。
背景技术：
低频振荡是现代电力系统中发生频繁、对电力系统稳定运行造成严重影响的一类事故，其已成为威胁互联电网安全稳定运行、制约电网传输能力的重要因素之一。目前研究电力系统低频振荡问题的方法主要可分为两种第一种是以电力系统结构模型为基础，通过模型参数建立微分方程，根据李亚普诺夫稳定性第一定理分析系统的稳定性，主要以特征根QR法为代表。但该方法受制于模型的阶数和参数不精确性以及建模动态和交互模态的影响，往往增加了应用的难度，分析结果的准确性难以保证；第二种方法是采用现代信号处理方法分析低频振荡信号特征，主要以FFT算法、小波分析法、Prony算法为代表，但由于电力系统自身的高维、强非线性等特点以及各种信号处理方法的适应环境不尽相同，因此各种方法的应用都存在一些困难，其中，FFT算法通过频谱分析可得到信号频率，但其无法分析信号的阻尼特性；小波分析难以解决频率交叠和自适应小波基问题；Prony算法和ARMA算法受噪声、系统实际阶数的影响较大，带噪声的非线性、非平稳信号处理结果的精度受到了质疑。近年来，结合电力系统广域测量系统(WAMS)在世界各国电网得到广泛应用，发展基于实测信号的非平稳信号分析方法意义重大。一种新兴非线性非平稳数据处理HHT(Hilbert-Huang transform, HHT)方法被引入电力系统低频振荡信号分析领域,但是该方法缺乏理论基础，算法分析过程中存在的端点效应、过筛引起的阻尼损失以及算法本身的模态混叠问题，限制了该算法应用范围。
发明内容
本发明的目的在于克服现有技术的不足，提供一种电力系统低频振荡检测方法，以克服端点效应、过冲和欠冲现象，同时降低模态混叠现象以及阻尼损失问题。为实现上述发明目的，本发明电力系统低频振荡检测方法，其特征在于，包括以下步骤(I)、采集一段电网的功角或功率作为电力系统低频振荡采样信号x(t)，该低频振荡采样信号x(t)可以是实测采样信号，也可以是测量仪器的滤波信号和存储设备保持的历史数据；(2)、对低频振荡采样信号x(t)利用FIR(Finite Impulse Response,有限长单位冲激响应)滤波器进行低通滤波，将高于5Hz的高频噪声成分滤除，以保证低频振荡采样信号x(t)的纯净度；(3)、对低频振荡采样信号x(t)的所有采样点求算数平均值X'，该算数平均值表征该段低频振荡采样信号x(t)的直流成分X'，然后将低频振荡采样信号x(t)各采样点减去直流成分V，得到对称化的低频振荡采样信号V (t);(4)、经验模态筛分4. I)、提取低频振荡采样信号X' (t)的所有极大值点和极小值点，构成极大值序列以及极小值序列；4. 2)、基于B样条曲线，对极大值序列中每三个点进行插值，得到多段分段B样条曲线，并按分段定理拼接起来，得到低频振荡采样信号V (t)上包络线；基于B样条曲线，对极小值序列中每三个点进行插值，得到多段分段B样条曲线，并按分段定理拼接起来，得到低频振荡采样信号V (t)下包络线；4. 3)、米用基于 ARMA (Auto-Regressive and Moving Average,自回归滑动平均)模型的端点预测算法，分别利用低频振荡采样信号X, (t)上下包络线本身的数据趋势预测各自端点极值点之外的包络线，预测点数为距离端点极值点20个采样点，超过的包络线采用镜像延拓方法进行预测；低频振荡采样信号X' (t)上下包络线分别加上各自预测的包络线，得到新的上下包络线，然后，将新的上下包络线进行平均，得到的均值包络Hlltl;4. 4)、用低频振荡采样信号X' (t)减去均值包络Hi1，得到差值信号Ill Ii1=X' (t) -Hi1(I)4. 5)、判断差值信号Ii1是否满足本征模态函数(Intrinsic Mode Function,简称IMF)的限制条件a)、在整个差值信号Ill范围内，其极值点数目和过零点数目相等或至多相差一个；b)、对差值信号Ill上的任意一点，由信号的局部极大值点定义的上包络线和信号的局部极小值点定义的下包络线的平均值为零，即上包络线和下包络线相对于时间轴局部对称；如果不满足，则将差值信号Ii1作为低频振荡采样信号X' (t)，重复步骤4. I) 4. 4),直到满足为止；4. 6)、将得到的满足本征模态函数限值条件的差值信号Ill作为低频振荡采样信号X, (t)的第一个本征模态分量C1，它包含了低频振荡采样信号X' (t)最高频率或最短周期成分；用低频振荡采样信号X, (t)减去第一个本征模态分量C1得到去掉高频成分的残余信号A ；4. 7)、将残余信号Γι作为低频振荡采样信号X' (t)重复步骤4. 1Γ4. 5)，将得到·的满足本征模态函数限值条件的差值信号h作为低频振荡采样信号X, (t)的第二个本征模态分量C2，然后用残余信号^减去第二个本征模态分量C2得到残余信号r2 ；4. 8)、判断是否满足停止筛分条件EriZEr(^1)< ε 1； Er/Ex< ε 2，(2)其中，Εη、ΕΗη)为相邻两个本征模态分量筛分后的残余信号的振动能量，Ex为低频振荡采样信号X' (t)的振动能量，ε !为两个相邻本征模态分量残余信号能量差阈值，ε2为残余信号与低频振荡采样信号X' (t)能量差阈值，i为当前本征模态分量筛分次数；如果不满足，则将残余信号1*2作为低频振荡采样信号X' (t)重复步骤4. I) 4. 5)进行筛选，将得到的满足本征模态函数限值条件的差值信号h作为低频振荡采样信号X' (t)的第三个本征模态分量C3，然后用残余信号r2减去第三个本征模态分量C3得到残余信号r3 ;然后接着判断是否满足停止筛分条件；如果仍然不满足，则将残余信号r3作为低频振荡采样信号X' (t)重复进行本征模态分量的筛分和停止筛分条件的判断，直到满足为止，得到η个本征模态分量Cl，C2,…
Cn
(5)、通过本征模态分量的希尔伯特解析变换，将本征模态分量Cl，C2,…Cn与低频振荡模态物理意义联系，然后进行分析辨识，得到低频振荡采样信号X, (t)各低频振荡模态参数。本发明的发明目的是这样实现的本发明电力系统低频振荡检测方法在已有的非线性非平稳信号经验模态分解算法基础上，改进的经验模态筛分算法使之适应低频振荡信号处理，对分解出的本征模态分量与低频振荡模态物理表达意义相结合，从而辨识出低频振荡采样信号各低频振荡模态参数。本发明通过改进的混合端点预测减少端点效应的影响、采用三次B样条插值克服了过冲和欠冲现象，同时有效减轻模态混叠程度，通过精细化复小波分析检测混叠模态参数，通过改进的能量微差筛分停止条件，控制算法筛分深度，降低了模态分量的阻尼损失。本发明电力系统低频振荡检测方法不受平稳信号假设条件的限制，适于处理非线性非平稳信号，分解信号有效组成成分，同时对某单一组成与低频振荡模态特性相比较，辨识出现实存在的低频振荡模态分析结果，实现了基于数据的快速低频振荡模态检测。
图I是本发明电力系统低频振荡检测方法一种具体实施方式
流程图；图2是上下包络线端点三种延拓效果比较图；图3是本发明B样条曲线插值与三次样条插值效果对比图；图4是CMOR小波基波形与带宽比较图；图5是一段低频振荡采样信号；图6是图5所示低频振荡采样信号去噪对称化后的信号；图7是图5所示低频振荡采样信号经经验模态筛分后的信号。
具体实施例方式下面结合附图对本发明的具体实施方式
进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。图I是本发明电力系统低频振荡检测方法一种具体实施方式
流程图。在本实施例中，如图I所示，本发明电力系统低频振荡检测方法，包括步骤STl :低频振荡数据采集针对电力系统，采集一段电网的功角或功率作为电力系统低频振荡采样信号乂(0，该采样信号1(0的数据源可以是关于功角或者功率的实测采样信号，也可以是测量仪器的录波信号和存储设备保存的历史数据，在本实例例中，为低频振荡实测采样信号，信号的输入格式为一段双精度数据以及该段数据的采样频率和采样时间。在本实施例中，采样频率输入限制为50Hz，100Hz, 200Hz三种，采样时间限制输入起始时间和终止时间，时间单位均以s标记。步骤ST2 :低通滤波去噪对于低频振荡实测采样信号X (t)，一般含有测量噪声，该噪声理论上认为是一种随机白噪声，再加之低频振荡的有效信号位于O. 1-2. 5Hz频段，所以本发明利用FIR数字低频滤波器控制低通频率0-5Hz，滤除了高频噪声成分，保证低频振荡采样信号的纯净度。步骤ST3 :对称化对于低频振荡采样信号X (t)，尤其采用的功率采样信号时，由于信号存在直流成分，所以信号不是关于横轴(时间轴)对称的，这会给后续的算法处理带来精度上的损失。所以在本发明中，采样信号需要进行对称化处理。
本发明采用的对称化处理方法是求出低频振荡采样信号x(t)所有采样点的算数平均值V，该算数平均值表征该段低频振荡采样信号x(t)的直流成分X'，然后将低频振荡采样信号x(t)个采样点减去直流成分X'，得到对称化的低频振荡采样信号X' (t)。步骤ST4 :经验模态筛分本发明采用经验模态分解对信号进行平稳化处理，可以将任意信号中不同尺度的波形或趋势逐级分解出来，产生一系列具有不同特征尺度的本征模态数据序列，它们很好地体现了非平稳信号的局部特性。整个经验模态筛分过程如下进行第一步提取原始信号X⑴的所有极大值点和极小值点；第二步利用三次样条函数分别基于所有的极大值点和极小值点拟合原始信号x(t)的上包络和下包络，并用它们去近似地表示原始信号的x(t)真实的上包络和下包络；第三步求上包络和下包络的均值包络Hi1，并近似地表示原始信号x(t)真实的均值包络曲线；第四步用原始信号x(t)减去均值包络Hi1得到新的信号h1;即X (t) -In1=Ii1( I)第一步至第四步的整个过程也称为筛分过程，原始信号x(t)通过一次筛分过程后变成了 4。判断是否满足本征模态函数(IMF)的限制条件，该限制条件定义为a、在整个原始信号X (t)范围内，其极值点数目和过零点数目必须相等或至多相差一个；b、对原始信号x(t)上的任意一点，由原始信号x(t)的局部极大值点定义的上包络线和信号的局部极小值点定义的下包络线的平均值为零，即上包络线和下包络线相对于时间轴局部对称。如果由以上两个条件判断信号Ii1不是本征模态函数，则需要把信号Ii1当作新的原始信号，重复第一步至第四部。重复k次后，得到的hlk是一个本征模态分量，SP Ii1 (H)-Hilk=Iilk(2)令C1表示第I个本征模态分量，第I个本征模态分量可表述为C1=Iilk(3)称C1为原始信号x(t)的第一个本征模态分量，它包含了原始信号x(t)最高频的成分或最短周期成分。
第五步，用原始信号x(t)减去第一个本征模态分量C1，得到去掉高频成分的残余信号A，即X (t) -C^r1(4)对残余信号Γι重复第一步至第五步，可以得到原始信号x(t)的第二个本征模态分量c2。如此反复，依次得到信号特征时间尺度逐渐变小的本征模态分量。当得到的残余信号rn振幅足够小或者为单调函数，则终止整个分解过程。则经验模态分解的最终结果可以表示为
权利要求
1.一种电力系统低频振荡检测方法，其特征在于，包括以下步骤 (1)、采集一段电网的功角或功率作为电力系统低频振荡采样信号X(t)，该低频振荡采样信号x(t)可以是实测采样信号，也可以是测量仪器的滤波信号和存储设备保持的历史数据； (2)、对低频振荡采样信号x(t)利用FIR(Finite Impulse Response,有限长单位冲激响应)滤波器进行低通滤波，将高于5Hz的高频噪声成分滤除，以保证低频振荡采样信号x(t)的纯净度； (3)、对低频振荡采样信号x(t)的所有采样点求算数平均值X'，该算数平均值表征该段低频振荡采样信号x(t)的直流成分X'，然后将低频振荡采样信号x(t)个采样点减去直流成分V，得到对称化的低频振荡采样信号V (t)； (4)、经验模态筛分 · 4. I)、提取低频振荡采样信号X' (t)的所有极大值点和极小值点，构成极大值序列以及极小值序列； · 4. 2)、基于B样条曲线，对极大值序列中每三个点进行插值，得到多段分段B样条曲线，并按分段定理拼接起来，得到低频振荡采样信号V (t)上包络线；基于B样条曲线，对极小值序列中每三个点进行插值，得到多段分段B样条曲线，并按分段定理拼接起来，得到低频振荡采样信号V (t)下包络线； · 4. 3)、米用基于 ARMA (Auto-Regressive and Moving Average,自回归滑动平均)模型的端点预测算法，分别利用低频振荡采样信号X, (t)上下包络线本身的数据趋势预测各自端点极值点之外的包络线，预测点数为距离端点极值点20个采样点，超过的包络线采用镜像延拓方法进行预测； 低频振荡采样信号V (t)上下包络线分别加上各自预测的包络线，得到新的上下包络线，然后，将新的上下包络线进行平均，得到的均值包络m1(l; · 4. 4)、用低频振荡采样信号X, (t)减去均值包络Hi1，得到差值信号Ill Il1=X' (t) -Hl1(I) · 4.5)、判断差值信号Ii1是否满足本征模态函数(Intrinsic Mode Function,简称IMF)的限制条件 a)、在整个差值信号h范围内，其极值点数目和过零点数目相等或至多相差一个； b)、对差值信号h上的任意一点，由信号的局部极大值点定义的上包络线和信号的局部极小值点定义的下包络线的平均值为零，即上包络线和下包络线相对于时间轴局部对称； 如果不满足，则将差值信号Ii1作为低频振荡采样信号X' (t)，重复步骤4. 1)^4. 4)，直到满足为止； ·4.6)、将得到的满足本征模态函数限值条件的差值信号Ill作为低频振荡采样信号X, (t)的第一个本征模态分量C1，它包含了低频振荡采样信号X' (t)最高频率或最短周期成分；用低频振荡采样信号X, (t)减去第一个本征模态分量C1得到去掉高频成分的残余信号A ； ·4.7)、将残余信号!^作为低频振荡采样信号X' (t)重复步骤4. 1Γ4.5)，将得到的满足本征模态函数限值条件的差值信号Ii1作为低频振荡采样信号X, (t)的第二个本征模态分量C2，然后用残余信号^减去第二个本征模态分量C2得到残余信号r2 ； 4.8)、判断是否满足停止筛分条件 Eri/Er(η)〈 ε i，且 Er/Ex〈 ε 2，(2) 其中，Eh、Era^为相邻两个本征模态分量筛分后的残余信号ri、r(i_D的振动能量，Ex为低频振荡采样信号V (t)的振动能量，ε !为两个相邻本征模态分量残余信号能量差阈值，ε 2为残余信号与低频振荡采样信号X, (t)能量差阈值，i为当前本征模态分量筛分次数； 如果不满足，则将残余信号1"2作为低频振荡采样信号X' (t)重复步骤4. 1Γ4. 5)进行筛选，将得到的满足本征模态函数限值条件的差值信号h作为低频振荡采样信号X' (t)的第三个本征模态分量c3，然后用残余信号r2减去第三个本征模态分量C3得到残余信号r3 ;然后接着判断是否满足停止筛分条件； 如果仍然不满足，则将残余信号r3作为低频振荡采样信号X' (t)重复进行本征模态分量的筛分和停止筛分条件的判断，直到满足为止，得到η个本征模态分量Cl，C2,； (5)、通过本征模态分量的希尔伯特解析变换，将本征模态分量Cl，C2,与低频振荡模态物理意义联系，然后进行分析辨识，得到低频振荡采样信号X, (t)各低频振荡模态参数。
2.根据权利要求I所述的电力系统低频振荡检测方法，其特征在于，两个相邻本征模态分量残余信号能量差阈值S1 = O. Γ0. 15，残余信号与低频振荡采样信号X, (t)能量差阈值ε 2=0. I。
3.根据权利要求I所述的电力系统低频振荡检测方法，其特征在于，对于筛分后得到的本征模态分量判断是否出现混叠，如果出现则进行复小波分析方法将本征模态分量分解为两个单一模态的本征模态分量； 所述复小波分析方法选择复Morlet小波(CMOR)作为小波基； 首先，根据连续小波变换的定义，一个小波基函数炉勿经过伸缩平移变换后与模态混叠本征模态分量Ci (t)积分，得到某尺度条件下的局部信号成分。
全文摘要
本发明公开了一种电力系统低频振荡检测方法在现有非线性非平稳信号经验模态分解算法基础上，改进的经验模态筛分算法使之适应低频振荡信号处理，对分解出的本征模态分量与低频振荡模态物理表达意义相结合，从而辨识出低频振荡采样信号各低频振荡模态参数。本发明通过改进的混合端点预测减少端点效应的影响、采用三次B样条插值克服了过冲和欠冲现象，同时有效减轻模态混叠程度，通过精细化复小波分析检测混叠模态参数，通过改进的能量微差筛分停止条件，控制算法筛分深度，降低了模态分量的阻尼损失，从而有效提高检测低频振荡模态特征参数的精度。
文档编号G01R23/16GK102937668SQ201210442298
公开日2013年2月20日 申请日期2012年11月8日 优先权日2012年11月8日
发明者易建波, 黄琦, 井实, 张昌华, 卢有亮, 孟劲松, 蔡东升 申请人:电子科技大学