专利名称：一种实时判定电力系统低频振荡辨识信号扰动的方法
技术领域：
本发明涉及一种电力系统动态监测技术，尤其是一种实时判定电力系统低频振荡辨识信号扰动的方法。
背景技术：
建设大型的互联电网实现资源优化配置是当今世界电力工业发展的大趋势，也是我国电网公司正在实施的宏伟工程。随着电力系统从区域互联电网逐步发展为国家互联电力系统和跨国跨地区的互联电力系统，我国已经形成了两个巨型的交流链式同步电网，即 国家电网和南方电网。在这两个电网的实际运行过程中，由于存在远距离输电、线路的重载运行以及大量发电机组上配装的快速励磁设备的使用，容易造成电力系统阻尼降低，甚至出现负阻尼的现象，因此，在这种情况下，一旦电力系统上发生线路跳闸、开关失效以及负荷的随机波动等小扰动现象，就会导致输电线路的功率极容易发生频率为0. IHz至2. 5Hz 之间的振荡，即低频振荡。此时，如果电力系统有足够的阻尼，低频振荡就会逐渐消失，不会对电力系统造成影响；但是，如果电力系统缺乏必要的阻尼，那么低频振荡越来越剧烈，电力系统会失去动态稳定。从国内外已经发生的多次低频振荡事故来看，由于电网结构不完善，缺少相应的安全措施，一个局部的小扰动或异常运行都可能引起整个电力系统的连锁反应并造成大面积的系统瓦解，导致大面积的停电事故，从而对人民生活及国民经济造成灾难性损失。针对低频振荡事故对电网的严重危害，因此，实时准确地对电力系统出现低频振荡之前的特征参数(即低频振荡模式)有效辨识，实现对低频振荡的预警，以便及时采取预防和控制措施，避免低频振荡事故，成为迫切需要解决的技术问题。目前，对电力系统的实时辨识低频振荡模式所采用的方法是自回归滑动平均处理方法(即ARMA方法)，该方法仅适用于稳态信号的辨识，一旦电力系统低频振荡辨识信号发生扰动，ARMA方法处理的结果误差非常大，根本不适用，此时，应当采用普罗尼方法(Prony方法)进行辨识。至于何时采用ARMA方法，何时采用Prony方法，与电力系统低频振荡辨识信号是否发生扰动紧密相关，因此，实时地准确判定电力系统低频振荡辨识信号是否处于扰动状态，成为了亟待解决的技术难题，这也是本发明的目的所在。现有电力系统低频振荡辨识信号扰动信号实时检测主要使用突变量检测法。该方法是对电力系统低频振荡辨识信号进行差分运算，其实质是得到两个信号之间的突变差异量，根据这差异量和预先人为设定的某一标准阈值进行比较，大于该标准阈值则认为当前低频振荡辨识信号发生扰动，反之则没有扰动发生。但是由于不同线路上低频振荡辨识信号的差异较大，如果采用固定的标准阈值，检测结果误差极大，可靠性低。
发明内容
本发明的目的就是提供一种实时判定电力系统低频振荡辨识信号扰动的方法，它可以实时准确判定当前低频振荡辨识信号处于稳定状态还是扰动状态，电力系统低频振荡预警系统可以依据此状态采用相应的技术处理方式，实现电力系统低频振荡模式的有效可靠辨识，从而为低频振荡的准确预警以及阻尼控制奠定坚实基础。本发明的目的是通过这样的技术方案实现的，它包括有如下的步骤(1)、先设定低频振荡辨识信号扰动状态标志初值为无扰动；实时采信电力系统中随时间变化的N个低频振荡辨识信号数据，时间间隔为T，以此作为最初的基础数据；(2)、对当前的基础数据中进行处理，更加突显其低频振荡辨识信号发生扰动时的幅值差异，具体进行处理方法如下①、对基础数据进行腐蚀变换和膨胀变换a、腐蚀变换e (n) = min [f (n+m) -g (m)]b、膨胀变换:d(n) = max [f (n-m) +g (m)]上式中f(n)是基础数据序列中，第η个数据所对应的功率值，且η < N，其中N是基础数据序列的个数总和；g(m)是预先设定的结构元素序列，其中m= 1,2,3,…，M，M是结构元素序列的个数总和，且M远小于N;e(n)是腐蚀变换后的数据序列，其中η = 1,2,3, ···, N ;min[f (n+m)-g(m)]是 f (n+1) -g (1)、f (n+2) -g (2)、f (n+3) -g (3)、...、f (n+M) -g (M)序列数据中的最小值；d(n)是膨胀变换后的数据序列，其中η = 1,2,3, ···, N ;max [f (n-m)+g (m)]是 f (n-1) +g (1)、f (n-2) +g ⑵、f (n-3) +g (3)、"^f (n-M) +g (M)序列数据中的最大值；②、将步骤①中获得的膨胀变换序列值d(n)和腐蚀变换序列值e(n)进行梯度变换G(n) = d(n)-e(n)，S*，G(n)是梯度变换后的数据序列，即膨胀变换序列值d(n)与腐蚀变换序列值e (η)就同一 η值之差后得到的序列值；③、将步骤②中获得的梯度变换后的数据序列G(n)求取软阈值
权利要求
1. 一种实时判定电力系统低频振荡辨识信号扰动的方法，它包括有如下的步骤(1)、先设定低频振荡辨识信号扰动状态标志初值为无扰动；实时采信电力系统中随时间变化的N个低频振荡辨识信号数据，时间间隔为T，以此作为最初的基础数据；O)、对当前的基础数据中进行处理，更加突显低频振荡辨识信号发生扰动时的幅值差异，具体进行处理方法如下①、对基础数据进行腐蚀变换和膨胀变换a、腐蚀变换:e(n)= min[f(n+m) -g(m)]b、膨胀变换:d(n)= max [f (n-m) +g (m)]上式中f(n)是基础数据序列中，第η个数据所对应的功率值，且η < N，其中N是基础数据序列的个数总和；g(m)是预先设定的结构元素序列，其中m= 1,2,3,…，M，M是结构元素序列的个数总和，且M远小于N;e(n)是腐蚀变换后的数据序列，其中η = 1,2,3, ···, N ;min[f (n+m)-g(m)]是 f (n+1) -g (1)、f (n+2) -g (2)、f (n+3) -g (3)、...、f (n+M) -g (M)序列数据中的最小值；d(n)是膨胀变换后的数据序列，其中η= 1,2,3, ···, N ;max [f (n-m)+g (m)]是 f (n-1) +g (1)、f (n-2) +g ⑵、f (n-3) +g (3)、"^f (n-M) +g (M)序列数据中的最大值；②、将步骤①中获得的膨胀变换序列值d(n)和腐蚀变换序列值e(n)进行梯度变换 G(n) = d(n)-e(n)，式中，G(n)是梯度变换后的数据序列，即膨胀变换序列值d(n)与腐蚀变换序列值e (η)就同一 η值之差后得到的序列值；③、将步骤②中获得的梯度变换后的数据序列G(n)求取软阈值
2.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于N = 900，M = 3，T = 0. 5 秒，Q = 5。
3.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于N = 1500，M = 4，T = 0. 2 秒，Q = 10。
4.如权利要求1所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于N = 3000，M = 5，T = 0. 1 秒，Q = 15。
5.如权利要求1、2、3或4所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值S2是设定值，且0< δ2<15。
6.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值δ 2是0. 0008，标准扰动阈值δ i是0. 0064。
7.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值~是8，标准扰动阈值31是40。
8.如权利要求5所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值δ 2是15，标准扰动阈值δ工是30。
9.如权利要求1、2、3或4所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于标准平稳阈值S2在是采用如下的步骤实时获取的(1)、稳态标准平稳阈值δ2的初值设定从最初的判断序列值中，在没有出现低频振荡辨识信号扰动情况下，取出该判断序列中的最大值作为稳态标准平稳阈值S2的初值；(2)、稳态标准平稳阈值δ2的实时获取每隔一个小时，如果连续N次扰动标志均为无扰动，那么，取出当前的判断序列中最大值作为最新的稳态标准平稳阈值S2;，如果连续N 次扰动标志中至少有一个为已扰动，稳态标准平稳阈值δ 2保持不变。
10.如权利要求1、2、3、4、6、7或8所述的实时判定电力系统低频振荡辨识信号扰动的方法，其特征在于低频振荡辨识信号是功率信号或电压相角差信号。
全文摘要
一种实时判定电力系统低频振荡辨识信号扰动的方法，它包括有如下的步骤实时采集电力系统中随时间变化的N个低频振荡辨识信号数据，作为基础数据；将基础数据经腐蚀变换、膨胀变换、梯度变换处理后求取软阈值，然后获得判定序列值；进行低频振荡辨识信号扰动状态的判定；更新基础数据，重复执行前面的步骤。如此往复循环，实现实时判定电力系统低频振荡辨识信号扰动状态的目的。本发明可以实时准确判定当前低频振荡辨识信号处于稳定状态还是扰动状态，电力系统低频振荡预警系统可以依据此状态采用相应的技术处理方式，实现电力系统低频振荡模式的有效可靠辨识，从而为低频振荡的准确预警以及阻尼控制奠定坚实基础。
文档编号H02J3/24GK102227086SQ20111016919
公开日2011年10月26日 申请日期2011年6月22日 优先权日2011年6月22日
发明者何潜, 刘尹, 刘波, 刘贵富, 古志明, 张继红, 徐玉韬, 李军, 潘永旗, 王予疆, 谢林, 谢涛, 赵勇帅, 赵理, 金明, 陈刚, 黄林, 黎穆 申请人:重庆大学, 重庆市电力公司