基于小波变换的同调机群识别方法及装置的制造方法
【技术领域】
[0001] 本发明设及电力系统稳定分析领域，尤其设及一种基于小波变换的同调机群识别 方法及装置。
【背景技术】
[0002] 为了解决能源结构和电力增长之间日益突出的矛盾、实现电网更经济可靠的运 行，世界各大电力运营商均开始了大规模电网互联进程，我国目前也已基本形成了 "西电东 送、南北互供、全国联网"的总体格局。然而，大型互联电网的稳定特性往往非常复杂，在互 联电网中发生严重故障甚至诱发连锁故障、特别是故障发生在系统薄弱环节时，将有可能 引发机群失步，即系统中的各个发电机分裂为若干个异步的发电机群，各个机群之间相互 摆开。如果运种失步现象得不到有效的抑制，那么随着异步发电机群间的功角不断拉大，将 会进一步导致更多的传输线及其它设备发生过载，严重影响电力系统稳定性。而同调机群 的快速、准确识别是在机群失步情况下采取紧急控制措施的重要前提和关键问题。
[0003]同调机群识别是电力系统稳定控制的重要问题。同调机群识别的常用信息包括系 统的模型数据、状态变量在初始时刻的静态数据、受扰后某些特殊瞬间的动态数据、W及受 扰过程中的时间响应曲线数据。运几类数据所包含的同调信息量依次增加。同调机群识别 方法主要包括W下几类：（1)基于特征量的分类法，其基本思路是选择一组能够准确描述发 电机同调性质的特征参数（如电机转子摇摆角、动能、角速度、初始加速度、系统的导纳矩 阵、机电距离、电压等），根据预先选择的合适的同调判别标准，利用合适的分群算法对形成 的数据集进行分类得到同调发电机分组结果，对于事先预知分类数的同调机群识别问题， 此类方法具有直观、简便的优点，但是对于事先不知道分类数的情况，需要根据经验给出大 致的分类数，运无疑带有一定的主观因素，提高了操作的难度，降低了方法的实用性；（2)基 于线性化系统矩阵的解析法，运类方法基于线性化的系统状态方程进行研究，状态矩阵的 每个特征值对应一种振荡模式，分析特征值所对应的特征向量W确定机组间的相关程度， 从而判别同调发电机组，典型方法有基于雅克比矩阵的分解法、基于EpsiIon分解 化psiIon-Decomposition，厄普西隆分解）的弱禪合法、双时间尺度方法、慢同调法等，线性 化状态方程的方法在小干扰分析中有广泛应用，然而对大干扰情况是否适用、为何适用，其 机理仍有待研究；（3)基于发电机功角曲线的数据挖掘法，运类方法从发电机功角曲线出 发，基于功角的时域、频域特性数据获取同调信息，运种方法不需要知道机组参数，在实时 判别中具有很好的应用前景，但是由于基于功角曲线的数据挖掘是一种时序数据聚类或是 高维数据聚类，算法复杂而耗时，因此如何从运一角度出发研究简洁、快速的算法仍是一个 亟待解决的问题。
【发明内容】
[0004]本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
[000引为此，本发明的第一个目的在于提出一种基于小波变换的同调机群识别方法，该 方法可W比较快速、准确地识别出电力系统暂态过程中的同调机群，实现同调机群的实时 判别，从而为调度人员采取相应紧急控制措施提供了重要参考，提升电力系统的稳定控制 水平。
[0006]为达上述目的，本发明第一方面实施例提出了一种基于小波变换的同调机群识别 方法包括W下步骤:S1，获取电力系统中的各个发电机的功角曲线；S2,分别对所述各个发 电机的功角曲线进行小波变换分析;S3,分别对小波变换分析后的所述各个发电机的功角 曲线进行特征提取，得到所述各个发电机的同调识别关键特征;S4,根据所述各个发电机的 所述同调识别关键特征进行基于密度的聚类分析，得到多个同调机群。
[0007]本发明实施例的基于小波变换的同调机群识别方法，通过获取各个发电机的功角 曲线后对其进行小波变换分析提取其特征，得到各个发电机的同调识别关键特征再进行基 于密度的聚类分析得到多个同调机群，可W比较快速、准确地识别出电力系统暂态过程中 的同调机群，实现同调机群的实时判别，从而为调度人员采取相应紧急控制措施提供了重 要参考，提升电力系统的稳定控制水平。
[0008]在本发明的一个实施例中，所述的基于小波变换的同调机群识别方法，通过W下 公式分别对所述各个发电机的功角曲线进行小波变换分析：
其中，0.的=7r-i'V邮为母小波Morlet函数， 其中，COO为频率参数;Si(t)为第i个发电机的功角曲线;CWT巧(挪a点的句)为第i个发电机 的功角曲线对应的小波变换系数，t为时间，j为复数，a为缩放尺度，b为位置参数。
[0009]在本发明的一个实施例中，所述步骤S3包括:S31，通过W下公式计算所述第i个发 电机的功角曲线的小波变换系数在各个缩放尺度上的谱能量E1(a): 马.(a) =艺|CW巧(嘴(。，6,口(〇)「'；S32,对所述谱能量进行归一化处理W得到所述第i个发电 b 机的功角曲线在各个缩放尺度上的能量占比；S33,针对所述第i个发电机，提取所述谱能量 上所述能量占比最大的=峰所对应的缩放尺度和能量占比作为所述同调识别关键特征，其 中，所述同调识别关键特征为S组二维数据，分别为攻=(成，怎,(也也，写(也))、 乐=(。;3,写(也))，并且有
[0010] 在本发明的一个实施例中，所述步骤S4包括：S41，假设电力系统中共有n台发电 机，目前已识别出同调机群数目为P，对应的同调机群为Cohi, ...，Cohp，令P=O,并首先对n 个二维数据咕，地...，嗦进行聚类分析，包括:S41，假设电力系统中共有n台发电机，目前已识 别出同调机群数目为P，对应的同调机群为Cohi,...，Cohp，令P=O,并首先对n个二维数据 九也...，/? !,进行聚类分析，包括:S41-1，计算n个二维数据丸也...，化;之间的两两欧式距离DiJ, 其中，瑪=血ri(巧1，口;) = (。;1)-马(。厶矿;S"-2，设定基于密度的聚类方法 DBSCAN算法的两个参数Minpts= 2，参数e取为巧 1，口;，...，口,;之间的两两距离数据的四分之一位 数，即E=化(Du) ;S41-3,标记所述有n个对象为未访问的，记当前聚类分析得到的簇的数目C是O;S41 -4，判断当前是否存在未访问对象，若存在未访问对象，则随机选择一个未访问的 对象k，标记k为已访问的，否则则执行步骤S41-9;S41-5,记k的E-邻域内中的所有对象构成 集合N，若所述N内存在至少Minpts个对象，则执行步骤S41-6，否则则执行步骤S41-8;S41-6,令C=C+1，建立一个新簇clusterc，令Clusterc=化} ;S41-7,若所述N中已经不存在未访 问对象，则执行所述步骤S41-4;否则，从所述N中任意选择未访问对象S，标记S为已访问的， 判别所述S的E-邻域内是否存在至少Minpts个对象，若是则将所述S的E-邻域内的对象均加 入所述N，判别所述S是否已经属于某一簇，若否则将所述S加入cluster，并执行所述步骤 541- 7;S41-8，标记所述k是噪声，并返回执行所述步骤S41-4;S41-9，聚类分析结束，并记此 次聚类分析共形成〔个簇。1113161'1,(3111316。^''，(31113161'(；，和1个噪声点11〇1361,...， nOiSe1，其中，所述1个噪声点各自构成一个同调机群，即新增同调机群 CoA~=HO!'巧（V/ =l，...，/)，并令P=P+1，W使完成对特征非也....W!,的聚类分析；S42,基于二 维数据皆，够，…，请，对所述C个簇clusteri,clusters，.? ?，clusterc逐一进行聚类分析，包括： 542- 1，令i= 1，若clusteri中的元素数目只有一个，则新增同调机群Cohp+i=cluste；Ti，并令 P=P+1，执行步骤S42-4，否则，计算所述cluster中的元素所对应的特征{诉}之间的两两欧 式距离;S42-2,设定DBSCAN算法的两个参数，Mi吨ts= 2，e参数取为特征之间的两两欧 式距离的四分之一位数，并依照所述步骤S41-3至S41-8W完成聚类分析;S42-3,记所述聚 类分析共形成C2个簇cl,cl2,…，clc2和12个噪声点noisei,. . .,noisei2,其中，所述12个噪 声点各自构成同调机群，即新增同调机弹彷AW= "〇心,（巧二1，...，巧，并令P=P+12;S42-4，i=王+1，若1 <C，则执行所述步骤S42-2,否则执行步骤S42-5;S42-5,所述特征巧^.扣.....扣的 聚类分析结束，并记在整个S42步骤中共得到个簇，即cluster^1,cluster^2，…， cluster'c' ;S43，基于二维数据'诉格:…，请，对S42-5中得到的所述C'个簇Cluster'1, cluster'2,…，cluster' c'逐一进行聚类分析，包括：S43-1，令i= 1，若cluster'i中的元素 数目只有一个，则新增同调机群Cohw=Cluster^i,并令P=P+1，转向S42-4,否则，计算所 述cluster^i中的元素所对应的特征{//:；[之间的两两欧式距离;S43-2，设定DBSCAN算法的两 个参数，Minpts= 2，e参数取为特征之间的两两欧式距离的四分之一位数，并依照所述 步骤S41-3至S41-8完成聚类分析；S43-3,记所述次聚类分析共形成C3个簇ch，cl2,…，clc3,和13个噪声点noisei,...，noisei3,其中，所述13个噪声点各自构成同调机群，即新增 同调机群妨Ap+严R曲旬(皆=U，，巧)，并令P=P+13;S43-4，i=i+ 1，若i含C'，则执行所述步 骤S43-2，否则执行步骤S43-5;S43-5，对所述特征如./片的聚类分析结束，并记在整个S43步骤中共得到C"个簇，即clusteri",clusters",…，clusters'"，新增同调机群 贷6耐=C/"旅=1，...，￡")，并令p=p+C"。
[0011]为达上述目的，本发明第二方面实施例提出了 一种基于小波变换的同调机群识别 装置包括:获取模块，用于获取电力系统中的各个发电机的功角曲线;变换分析模块，用于 分别对所述各个发电机的功角曲线进行小波变换分析;提取模块，用于分别对小波变换分 析后的所述各个发电机的功角曲线进行特征提取，得到所述各个发电机的同调识别关键特 征;聚类分析模块，用于根据所述各个发电机的所述同调识别关键特征进行基于密度的聚 类分析，得到多个同调机群。
[0012] 本发明实施例的基于小波变换的同调机群识别装置，通过获取模块获得各个发电 机的功角曲线，变换分析模块对功角曲线进行小波变换分析后提取模块提取其特征，得到 各个发电机的同调识别关键特征再进行基于密度的聚类分析得到多个同调机群，可W比