一种基于波形数据的宽频振荡监测方法与流程

1.本发明涉及电力系统领域，具体涉及一种基于波形数据的宽频振荡监测方法。


背景技术：

2.目前，大力开发以风电和光伏为代表的可再生能源将是不接逆转的趋势。以电力电子装备为核心技术的风电/光伏等可再生能源发电、电动汽车/储能等大功率互动性多元电气化负荷接入电网的比例不断升高，使得电网形态日益复杂，运行状态变化多，电力系统从源到网再到负荷都呈现出高度电力电子化趋势。然而，电力电子化的电力系统呈现出惯性较低、阻尼较弱的特征，导致系统易出现振荡问题，严重时可引发连锁故障，出现的扰动可能会传播到主网，危及主网安全稳定。新疆哈密、河北沽源发生的次/超同步振荡事故，德国北海、云南鲁西发生的宽频振荡事故等都对电网造成了不同程度上的损害，因此有必要对宽频范围的振荡进行监测。
3.现有解决方案多基于系统模型的谐振分析方法开展扰动源定位研究，包括频率扫描法、特征值分析法、阻抗分析法等，该类方法具有坚实的理论基础，但是对于一个大型电网系统中，由于电力系统宽频振荡是由不同类型的设备、不同时间尺度的控制交互引发的复杂系统问题，其精确的参数不仅难以获取，电磁暂态等值模型难以构建，且具有显著的随机性和强非线性，因此大多数现有方法难以应用到实际当中。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种基于波形数据的宽频振荡监测方法，基于量测数据进行电网宽频范围监测，解决了如何从波形数据中准确的提取信号参数，进而监测到振荡信号的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：
6.一种基于波形数据的宽频振荡监测方法，包括以下步骤：
7.s1、通过广域测量系统的同步相量测量单元对电网系统进行实时采样，得到各个时段的电信号波形序列；
8.s2、对各个时段的电信号波形序列进行参数辨识，识别得到电信号波形的谐波和间谐波，以及谐波和间谐波在各个时段的幅值；
9.s3、比较谐波和间谐波在各个时段的幅值，若谐波或间谐波的幅值持续增大，则电网系统发生了振荡；若谐波和间谐波的幅值均未持续增大，则电网系统未发生振荡。
10.进一步地，所述步骤s2中，对电信号波形序列进行参数辨识的方法包括以下步骤：
11.a1、对电信号波形序列进行噪声强度估计，并根据噪声强度，设定数据窗的长度；
12.a2、通过数据窗截取电信号波形序列，构建电信号hankel矩阵，并采用矩阵束法，根据电信号hankel矩阵求解得到电信号频率粗估值；
13.a3、采用泰勒傅里叶变换，根据电信号频率粗估值和数据窗截取后的电信号波形序列，求解得到电信号参数精估值；
14.a4、识别电信号参数精估值，得到电信号波形的谐波和间谐波，以及谐波和间谐波在电信号波形序列对应时段的幅值。
15.进一步地，所述步骤a1包括以下分步骤：
16.a11、通过神经网络对电信号波形序列进行拟合去噪；
17.a12、用去噪前的电信号波形序列减去去噪后的电信号波形序列，得到噪声序列；
18.a13、根据噪声序列和去噪后的电信号波形序列，通过下式计算信噪比：
[0019][0020]
其中，snr为信噪比，lg(
·
)为以10为底的对数函数，pn为根据噪声序列求解得到的噪声功率，ps为根据去噪后的电信号波形序列求解得到的信号功率；
[0021]
a14、根据信噪比，通过下式设定数据窗的长度：
[0022][0023]
其中，n为数据窗的长度，fs为广域测量系统的同步相量测量单元的采样频率。
[0024]
进一步地，所述步骤a2包括以下分步骤：
[0025]
a21、通过数据窗截取电信号波形序列；
[0026]
a22、根据数据窗截取后的电信号波形序列构建电信号hankel矩阵：
[0027][0028]
其中，hk为hankel矩阵，x(
·
)为电信号波形序列中的电信号波形采样值，l为矩阵束法抽头长度；
[0029]
a23、复制电信号hankel矩阵并删除其最后一行，得到第一转移矩阵；
[0030]
a24、复制电信号hankel矩阵并删除其第一行，得到第二转移矩阵；
[0031]
a25、根据第一转移矩阵和第二转移矩阵，求解得到m个特征值，m为电信号的信号分量总数；
[0032]
a26、根据m个特征值，求解得到电信号m个信号分量的频率粗估值。
[0033]
进一步地，所述步骤a25通过下式，根据第一转移矩阵和第二转移矩阵，求解得到m个特征值：
[0034][0035]
其中，λ＝[λ1，λ2，
…
λm，
…
，λ
m-1
，λm]为特征值序列，λm为第m个特征值，m为闭区间[1，m]内的整数，h1为第一转移矩阵，h2为第二转移矩阵，为hermitian转置运算符，
eigenvalue(
·
)为求取特征值的函数。
[0036]
进一步地，所述步骤a26通过下式，根据m个特征值，求解得到电信号m个信号分量的频率粗估值：
[0037][0038]
其中，为电信号第m个信号分量的频率粗估值，arctan(
·
)为反正切函数，ts为广域测量系统的同步相量测量单元的采样周期，im(
·
)为求取虚部的函数，re(
·
)为求取实部的函数。
[0039]
进一步地，所述步骤a3包括以下分步骤：
[0040]
a31、设定泰勒傅里叶变换的阶数和迭代总次数，并初始化当前迭代次数为0；
[0041]
a32、根据电信号m个信号分量的频率粗估值，构建泰勒傅里叶基相量：
[0042]
b＝[b1，b2，
…bm
，
…
，b
m-1
，bm]
[0043][0044][0045]
其中，b为泰勒傅里叶基相量，bm为泰勒傅里叶基相量的第m个元素，n为广域测量系统的同步相量测量单元的采样结果序列号，序列[-n，-(n-1)，
…
，0，
…
，n-1，n]的长度为n，ωm为角频率，p为泰勒傅里叶变换的阶数，t为矩阵转置运算符；
[0046]
a33、根据泰勒傅里叶基相量和数据窗截取后的电信号波形序列，求解动态相量；
[0047]
a34、根据解动态相量，通过以下各式求解电信号参数精估值：
[0048][0049]
[0050][0051]
其中，为电信号第m个信号分量的幅度精估值，为电信号第m个信号分量的相位精估值，为电信号第m个信号分量的频率精估值，为动态相量第m个元素的零阶导数，为动态相量第m个元素的一阶导数，abs(
·
)为求取幅值的函数，angle(
·
)为求取相位角的函数，j为虚数标识符；
[0052]
a35、将当前迭代次数增加1；
[0053]
a36、判断当前迭代次数是否大于迭代总次数，若是，则结束；若否，则用电信号所有的信号分量的频率精估值刷新电信号所有的信号分量的频率粗估值，并跳转至步骤a32。
[0054]
进一步地，所述步骤a33根据泰勒傅里叶基相量和数据窗截取后的电信号波形序列，采用最小二乘法，通过下式求解动态相量：
[0055][0056]
x＝[x(-n)，x(-(n-1))，
…
，x(0)，
…
，x(n-1)，x(n)]
t
[0057]
其中，为动态相量，x为数据窗截取后的电信号波形序列。
[0058]
本发明的有益效果为：
[0059]
1)本发明不需要安装额外的设备，只需要利用同步相量测量装置的波形记录功能就可以实现对宽频范围内的振荡监测，降低了监测的成本；同时也不需要对设备或者电网系统进行建模，只需要检测系统产生的电流或电压数据便可以监测宽频振荡信号；本发明解决了在宽频范围内对振荡信号的在线监测问题，并且可根据噪声强度自适应确定所需数据的窗长以减少算法计算量，在工程中具有重要意义。
[0060]
2)本发明较其他方法，例如基于傅里叶变换、小波分析、prony等方法，动态性能出色，监测准确度更高。
[0061]
3)本发明所需数据量可根据实际工况自适应调整，计算量较小，适合工程实际应用。
附图说明
[0062]
图1为本发明实施例提供的一种基于波形数据的宽频振荡监测方法流程图；
[0063]
图2为本发明实施例实验1的加入了30db噪声的合成信号波形；
[0064]
图3为本发明实施例合成信号各分量在不同噪声强度下的总体矢量误差百分比图；
[0065]
图4为本发明实施例合成信号各分量在不同噪声强度下的频率误差图；
[0066]
图5为本发明实施例实验2的河北沽源的次同步振荡事故电流波形图；
[0067]
图6为本发明实施例实验2从电流波形中辨识出的次同步分量和基波分量的频率动态变化图；
[0068]
图7为本发明实施例实验2中从电流波形中辨识出的次同步分量和基波分量的幅
值动态变化图。
具体实施方式
[0069]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0070]
如图1所示，在本发明的一个实施例中，一种基于波形数据的宽频振荡监测方法，包括以下步骤：
[0071]
s1、通过广域测量系统的同步相量测量单元对电网系统进行实时采样，得到各个时段的电信号波形序列。
[0072]
s2、对各个时段的电信号波形序列进行参数辨识，识别得到电信号波形的谐波和间谐波，以及谐波和间谐波在各个时段的幅值。
[0073]
s3、比较谐波和间谐波在各个时段的幅值，若谐波或间谐波的幅值持续增大，则电网系统发生了振荡；若谐波和间谐波的幅值均未持续增大，则电网系统未发生振荡。
[0074]
步骤s2中，对电信号波形序列进行参数辨识的方法包括以下步骤：
[0075]
a1、对电信号波形序列进行噪声强度估计，并根据噪声强度，设定数据窗的长度。
[0076]
步骤a1包括以下分步骤：
[0077]
a11、通过神经网络对电信号波形序列进行拟合去噪；
[0078]
a12、用去噪前的电信号波形序列减去去噪后的电信号波形序列，得到噪声序列；
[0079]
a13、根据噪声序列和去噪后的电信号波形序列，通过下式计算信噪比：
[0080][0081]
其中，snr为信噪比，lg(
·
)为以10为底的对数函数，pn为根据噪声序列求解得到的噪声功率，ps为根据去噪后的电信号波形序列求解得到的信号功率；
[0082]
a14、根据信噪比，通过下式设定数据窗的长度：
[0083][0084]
其中，n为数据窗的长度，fs为广域测量系统的同步相量测量单元的采样频率。
[0085]
a2、通过数据窗截取电信号波形序列，构建电信号hankel矩阵，并采用矩阵束法，根据电信号hankel矩阵求解得到电信号频率粗估值。
[0086]
步骤a2包括以下分步骤：
[0087]
a21、通过数据窗截取电信号波形序列；
[0088]
a22、根据数据窗截取后的电信号波形序列构建电信号hankel矩阵：
[0089][0090]
其中，hk为hankel矩阵，x(
·
)为电信号波形序列中的电信号波形采样值，l为矩阵束法抽头长度；
[0091]
a23、复制电信号hankel矩阵并删除其最后一行，得到第一转移矩阵；
[0092]
a24、复制电信号hankel矩阵并删除其第一行，得到第二转移矩阵；
[0093]
a25、通过下式，根据第一转移矩阵和第二转移矩阵，求解得到m个特征值，m为电信号的信号分量总数：
[0094][0095]
其中，λ＝[λ1，λ2，
…
λm，
…
，λ
m-1
，λm]为特征值序列，λm为第m个特征值，m为闭区间[1，m]内的整数，h1为第一转移矩阵，h2为第二转移矩阵，为hermitian转置运算符，eigenvalue(
·
)为求取特征值的函数。
[0096]
a26、通过下式，根据m个特征值，求解得到电信号m个信号分量的频率粗估值：
[0097][0098]
其中，为电信号第m个信号分量的频率粗估值，arctan(
·
)为反正切函数，ts为广域测量系统的同步相量测量单元的采样周期，im(
·
)为求取虚部的函数，re(
·
)为求取实部的函数。
[0099]
a3、采用泰勒傅里叶变换，根据电信号频率粗估值和数据窗截取后的电信号波形序列，求解得到电信号参数精估值。
[0100]
步骤a3包括以下分步骤：
[0101]
a31、设定泰勒傅里叶变换的阶数和迭代总次数，并初始化当前迭代次数为0；
[0102]
a32、根据电信号m个信号分量的频率粗估值，构建泰勒傅里叶基相量：
[0103]
b＝[b1，b2，
…bm
，
…
，b
m-1
，bm]
[0104][0105][0106]
其中，b为泰勒傅里叶基相量，bm为泰勒傅里叶基相量的第m个元素，n为广域测量系统的同步相量测量单元的采样结果序列号，序列[-n，-(n-1)，
…
，0，
…
，n-1，n]的长度为n，ωm为角频率，p为泰勒傅里叶变换的阶数，t为矩阵转置运算符；
[0107]
a33、根据泰勒傅里叶基相量和数据窗截取后的电信号波形序列，采用最小二乘法，通过下式求解动态相量：
[0108][0109]
x＝[x(-n)，x(-(n-1))，
…
，x(0)，
…
，x(n-1)，x(n)]
t
[0110]
其中，为动态相量，x为数据窗截取后的电信号波形序列。
[0111]
a34、根据解动态相量，通过以下各式求解电信号参数精估值：
[0112][0113][0114][0115]
其中，为电信号第m个信号分量的幅度精估值，为电信号第m个信号分量的相位精估值，为电信号第m个信号分量的频率精估值，为动态相量第m个元素的零阶导数，为动态相量第m个元素的一阶导数，abs(
·
)为求取幅值的函数，angle(
·
)为求取相位角的函数，j为虚数标识符；
[0116]
a35、将当前迭代次数增加1；
[0117]
a36、判断当前迭代次数是否大于迭代总次数，若是，则结束；若否，则用电信号所
有的信号分量的频率精估值刷新电信号所有的信号分量的频率粗估值，并跳转至步骤a32。
[0118]
a4、识别电信号参数精估值，得到电信号波形的谐波和间谐波，以及谐波和间谐波在电信号波形序列对应时段的幅值。
[0119]
频率是基波整数倍表现为正弦的电流或电压称之为谐波，非整数倍的则统称为间谐波，基于此概念，可识别出电信号的各个信号分量与谐波和间谐波的归属关系，并确认谐波和间谐波在电信号波形序列对应时段的幅值。
[0120]
为了验证本发明实施例的效果，设计了两轮实验进行验证。
[0121]
实验1：
[0122]
以合成信号进行仿真验证：
[0123]
合成信号如下：
[0124]
y＝a1cos(2πf1t+φ1(t))+a2cos(2πf2t+φ2(t))+a3cos(2πf3t+φ3(t))+a4cos(2πf4t+φ4(t))+ω(t)
[0125]
式中，ω(t)为高斯白噪声，其余参数如表1所示。
[0126]
图2是加入了30db高斯白噪声的波形图，采样频率为12800hz。
[0127]
采集两个工频周期的数据(512点)并利用神经网络进行噪声估计，噪声估计结果大致为30db，故数据长度约为4个工频周期(1024点)，若采样率较低，可根据实际情况适当延长窗长。
[0128]
表1信号参数
[0129][0130]
在本实验中，设定泰勒傅里叶变换的阶数为2，迭代总次数为3。图4和图5是该合成信号在15db到45db下的总体矢量误差(total vector error，tve)的百分比和频率误差(frequency error，fe)，总体矢量误差和频率误差定义如下：
[0131][0132]
fe＝|f
true-f
measured
|
[0133]
式中，与vr(n)分别为矢量估计值和矢量真实值的实部，与vi(n)分别为矢量估计值和矢量真实值的虚部，f
measured
与f
true
分别为频率的估计值与真实值。
[0134]
从图3和图4中可以看出，除了在信噪比极低的情况下，总体矢量误差的百分比会超过5％，其余情况的估计效果都比较精确。
[0135]
实验2：
[0136]
现用真实发生在河北沽源的次同步振荡事故来进行验证，选取事故中的电流数据用于参数辨识，波形如图5所示，辨识出的频率和幅值的动态变化过程如图6和图7所示，根
据其动态变化过程可判断次同步分量为振荡信号。
[0137]
综上，本发明不需要安装额外的设备，只需要利用同步相量测量装置的波形记录功能就可以实现对宽频范围内的振荡监测，降低了监测的成本；同时也不需要对设备或者电网系统进行建模，只需要检测系统产生的电流或电压数据便可以监测宽频振荡信号；本发明解决了在宽频范围内对振荡信号的在线监测问题，并且可根据噪声强度自适应确定所需数据的窗长以减少算法计算量，在工程中具有重要意义。
[0138]
本发明较其他方法，例如基于傅里叶变换、小波分析、prony等方法，动态性能出色，监测准确度更高。
[0139]
本发明所需数据量可根据实际工况自适应调整，计算量较小，适合工程实际应用。
[0140]
本发明中应用了具体实施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。
[0141]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。