摘 要：當(dāng)前機(jī)電振蕩模式識別多采用粒子濾波算法，此方法易受到信號高頻成分波動影響，導(dǎo)致識別準(zhǔn)確性較低。為此，提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解的電力系統(tǒng)機(jī)電振蕩模式識別方法。該方法對原始振蕩信號進(jìn)行去噪處理，還原真實(shí)信號，采用經(jīng)驗(yàn)?zāi)B(tài)分解算法分解信號，并提取振蕩參數(shù)，通過設(shè)計(jì)閾值門限準(zhǔn)則，抑制高頻波動，以此為依據(jù)，計(jì)算求取不同振蕩模式下的狀態(tài)參數(shù)，由此實(shí)現(xiàn)機(jī)電振蕩模式的識別。對比實(shí)驗(yàn)結(jié)果表明，在電力系統(tǒng)機(jī)電振蕩模式識別中，該方法具有更高的識別準(zhǔn)確性。

關(guān)鍵詞：經(jīng)驗(yàn)?zāi)B(tài)分解；電力系統(tǒng)；振蕩模式；識別方法

中圖分類號：TM712? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號：1671-0797（2023）13-0015-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.13.004

0? ? 引言

由于電力系統(tǒng)規(guī)模日益擴(kuò)大，大型機(jī)電勵磁系統(tǒng)的振蕩問題不斷增多，嚴(yán)重影響電力系統(tǒng)的安全穩(wěn)定運(yùn)行。準(zhǔn)確且快速辨識出機(jī)電振蕩模式，對電網(wǎng)的振蕩特性分析與抑制具有重要意義。

文獻(xiàn)[1]基于噪聲量數(shù)據(jù)，對其中的同步相量單元進(jìn)行提取，作為識別模型的輸入數(shù)據(jù)，確定不同時(shí)段內(nèi)振蕩模式的變化閾值，以此實(shí)現(xiàn)振蕩模式識別，但該方法的模型階數(shù)對結(jié)果的影響較大，且抗噪能力較低。文獻(xiàn)[2]提出了以負(fù)荷模式能量為基礎(chǔ)的識別方法，該方法在表示精度與抗噪性方面更具優(yōu)勢，但對于動態(tài)變化性較大的電力系統(tǒng)而言，其無法準(zhǔn)確表示信號的阻尼比，且在求解狀態(tài)空間矩陣時(shí)比較依賴系統(tǒng)模型，限制了識別效率。

針對以上方法的不足，本文利用經(jīng)驗(yàn)?zāi)B(tài)分解算法研究并設(shè)計(jì)了機(jī)電振蕩模式識別方法，以期從多角度把握電力系統(tǒng)機(jī)電振蕩特性，為振蕩模式的識別研究提供新思路。

1? ? 電力系統(tǒng)機(jī)電振蕩模式識別方法設(shè)計(jì)

1.1? ? 振蕩信號去噪

機(jī)電振蕩信號大多是不穩(wěn)定信號，當(dāng)出現(xiàn)頻率混淆和重疊時(shí)，實(shí)際輸出信號通常包含異常信息。如果不消除，將影響后續(xù)參數(shù)提取并造成干擾。因此，有必要對原始信號進(jìn)行去噪，以最小化噪聲的干擾，恢復(fù)真實(shí)信號的特性，然后提高信噪比，以便進(jìn)一步處理。

傳統(tǒng)的信號去噪方法會在消除噪聲干擾的同時(shí)濾除有價(jià)值的信息，從而使最終的識別誤差更大[3]。綜合考慮，本文選擇小波閾值去噪方法對原始信號進(jìn)行去噪。假定存在以下離散含噪聲的信號模型：

x=s+ε（1）

式中：x為含噪信號；s為有價(jià)值信號；ε為單一噪聲。

其中，s與ε是相互獨(dú)立的，且均滿足正態(tài)分布。

對式（1）進(jìn)行離散小波變換，由于小波變換屬于直接線性變換，因此，原始信號的變換結(jié)果為價(jià)值信號變換與噪聲信號變換的疊加，即：

2? ? 實(shí)驗(yàn)論證分析

2.1? ? 實(shí)驗(yàn)準(zhǔn)備

在實(shí)驗(yàn)中，利用一個(gè)16機(jī)系統(tǒng)的仿真數(shù)據(jù)分析并驗(yàn)證該方法的正確性和優(yōu)越性。

16機(jī)仿真系統(tǒng)是用于研究電力系統(tǒng)機(jī)電低頻振蕩的經(jīng)典系統(tǒng)。該系統(tǒng)包括16臺發(fā)電機(jī)、68條總線和86條線路，可以通過調(diào)節(jié)系統(tǒng)機(jī)電振蕩的阻尼比來穩(wěn)定電力系統(tǒng)的運(yùn)行。發(fā)電機(jī)采用詳細(xì)模型，且所有發(fā)電機(jī)均配有勵磁和PSS，負(fù)載為恒功率負(fù)載。

將信噪比為5 dB的高斯白噪聲添加到信號中，根據(jù)經(jīng)驗(yàn)?zāi)B(tài)分解特性，僅保留頻率為0.1～2.5 Hz的模態(tài)分量。因此，僅取相關(guān)數(shù)大于0.5的分量，并計(jì)算它們與原始信號之間的相關(guān)系數(shù)，然后將本文提出的算法用于識別振蕩模式。

2.2? ? 實(shí)驗(yàn)說明

16機(jī)系統(tǒng)可分為5個(gè)區(qū)域：區(qū)域1包含發(fā)電機(jī)G1～G9，區(qū)域2包含發(fā)電機(jī)G10～G13，發(fā)電機(jī)G14、G15和G16分別位于區(qū)域3、區(qū)域4和區(qū)域5。在Matlab提供的電力系統(tǒng)工具箱PST中建立了16機(jī)系統(tǒng)模型，并求解系統(tǒng)狀態(tài)矩陣的特征值。已知在16機(jī)系統(tǒng)中有4種區(qū)域間振蕩模式，其振蕩模式參數(shù)如表1所示。

為了更好地區(qū)分上述4種振蕩模式，假設(shè)在區(qū)域間振蕩模式中不存在發(fā)電機(jī)角速度的相互振蕩。實(shí)驗(yàn)中設(shè)置的擾動參數(shù)如下：近端在0.12 s時(shí)截止，遠(yuǎn)端在0.2 s時(shí)截止；模擬持續(xù)時(shí)間為20 s。

2.3? ? 實(shí)驗(yàn)結(jié)果分析

將仿真得到的16臺發(fā)電機(jī)角速度變化量作為模式識別算法的輸入，輸入信號時(shí)間尺度設(shè)為15 s。采用文獻(xiàn)[1]基于類噪聲量測數(shù)據(jù)方法的振蕩模式識別（方法1）、文獻(xiàn)[2]基于負(fù)荷模式能量的振蕩模式識別（方法2）與本文方法分別對該機(jī)電系統(tǒng)的4種振蕩模式進(jìn)行識別，對不同方法得到的識別準(zhǔn)確性進(jìn)行對比，結(jié)果如圖2所示。

根據(jù)圖2可知，本文方法識別出的振蕩模式與原始振蕩模式幾乎一致，而方法1與方法2的識別結(jié)果與實(shí)際值存在較大偏差，識別準(zhǔn)確性較低。由于算例中添加的頻率波動干擾為標(biāo)準(zhǔn)的模型函數(shù)，具有高頻諧波噪聲，方法1與方法2忽略了振蕩范圍在諧波噪聲條件下范圍有限的特點(diǎn)，故無法準(zhǔn)確地識別出主導(dǎo)模式。由此可以說明，本文方法能夠準(zhǔn)確地對電力系統(tǒng)機(jī)電振蕩模式進(jìn)行有效識別。

3? ? 結(jié)束語

本文以經(jīng)驗(yàn)?zāi)B(tài)分解算法為依托，提出一種電力系統(tǒng)機(jī)電振蕩模式識別方法。利用系統(tǒng)仿真數(shù)據(jù)對該方法進(jìn)行了分析與驗(yàn)證，結(jié)果表明，將該方法應(yīng)用于機(jī)電振蕩模式識別中，可得到較高的識別準(zhǔn)確率。該方法能夠?yàn)殡娏ο到y(tǒng)相關(guān)人員制定振蕩控制策略提供重要參考。

[參考文獻(xiàn)]

[1] 李凱斌，陳磊，閔勇，等.基于類噪聲量測數(shù)據(jù)的自動發(fā)電控制振蕩模式辨識方法[J].電力系統(tǒng)自動化，2022，46（23）：76-82.

[2] 劉鋮，王旭，張宇馳.基于負(fù)荷模式能量的永磁風(fēng)機(jī)電網(wǎng)功率振蕩特性分析[J].東北電力大學(xué)學(xué)報(bào)，2022，42（4）：70-78.

[3] 金森，張若兵，杜鋼.考慮振蕩波衰減特性的電纜局放模式識別方法[J].高電壓技術(shù)，2021，47（7）：2583-2590.

[4] 張思彤，梁紀(jì)峰，馬燕峰，等.直驅(qū)風(fēng)電場經(jīng)柔性直流輸電并網(wǎng)的寬頻振蕩特性分析[J].電力系統(tǒng)保護(hù)與控制，2022，50（14）：33-42.

[5] 張程，邱炳林.基于可調(diào)Q因子小波變換與稀疏時(shí)域法的電力系統(tǒng)低頻振蕩模態(tài)辨識[J].電力系統(tǒng)保護(hù)與控制，2022，50（13）：63-72.

[6] 王冬云，張建剛，陳繼剛.基于ICA的多通道低頻振蕩模式識別方法[J].電子器件，2021，44（4）：903-906.

收稿日期：2023-03-02

作者簡介：杜丹躍（1986—），女，廣東汕頭人，工程師，研究方向：機(jī)電工程。