李世明郭文鑫?┪擄丶?++向德軍+羅駿?k

摘要：近年來，低頻振蕩在廣東電網(wǎng)中時(shí)有發(fā)生。為對(duì)低頻振蕩實(shí)施有效的控制，一是需要快速檢測(cè)出電網(wǎng)是否發(fā)生低頻振蕩；二是在電網(wǎng)發(fā)生低頻振蕩的情況下，需要快速辨識(shí)出低頻振蕩的特征參數(shù)。為此，采用基于PMU信號(hào)的歸一化峰度和滑動(dòng)窗技術(shù)來實(shí)時(shí)檢測(cè)電網(wǎng)是否發(fā)生擾動(dòng)，在有擾動(dòng)的情況下應(yīng)用快速冪法子空間跟蹤算法對(duì)低頻振蕩進(jìn)行在線辨識(shí)。算例仿真及實(shí)際案例分析結(jié)果表明，本文所提低頻振蕩在線檢測(cè)與辨識(shí)方法計(jì)算快速、準(zhǔn)確，具有較好的實(shí)用性。

關(guān)鍵詞：低頻振蕩；在線辨識(shí)；歸一化峰度；子空間跟蹤方法

中圖分類號(hào)：TM71文獻(xiàn)標(biāo)識(shí)碼：A

1引言

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，低頻振蕩現(xiàn)象時(shí)有發(fā)生[1]。如何快速確定低頻振蕩并對(duì)其進(jìn)行有效的控制或抑制，對(duì)保障電網(wǎng)的安全穩(wěn)定運(yùn)行意義重大。目前，基于同步向量測(cè)量（Phasor Measurement Unit，PMU）的廣域測(cè)量系統(tǒng)（Wide Area Measurement System，WAMS）已建設(shè)完成，從而為電網(wǎng)低頻振蕩的在線檢測(cè)、辨識(shí)與控制提供了技術(shù)平臺(tái)。

迄今為止，研究人員已就基于WAMS的低頻振蕩模式辨識(shí)以及特征參數(shù)的計(jì)算方法進(jìn)行了大量的研究，提出了多類低頻振蕩辨識(shí)方法[2-6]，但對(duì)低頻振蕩的檢測(cè)方法研究不多。所謂低頻振蕩的檢測(cè)，主要是指判斷電網(wǎng)是否發(fā)生低頻振蕩這一現(xiàn)象?，F(xiàn)有的WAMS系統(tǒng)的采樣頻率通常是50Hz，亦即PMU每20ms就會(huì)測(cè)量、計(jì)算出一個(gè)數(shù)據(jù)點(diǎn)。由于電網(wǎng)中需要且安裝的PMU數(shù)量很大，因此，WAMS系統(tǒng)所采集的數(shù)據(jù)量極大。如何從海量的PMU數(shù)據(jù)中快速判斷電網(wǎng)是否發(fā)生低頻振蕩，亦即低頻振蕩的在線檢測(cè)，這不僅對(duì)運(yùn)行調(diào)度人員極為重要，也是電網(wǎng)安全分析與控制的基礎(chǔ)性環(huán)節(jié)[1]。

關(guān)于低頻振蕩的在線檢測(cè)問題，一個(gè)基本的解決思路就是不斷地對(duì)各地上傳的PMU數(shù)據(jù)進(jìn)行低頻振蕩特征參數(shù)辨識(shí)。但顯然，這種解決方法需要耗費(fèi)或浪費(fèi)大量的計(jì)算資源，而且很難實(shí)現(xiàn)實(shí)時(shí)計(jì)算。事實(shí)上，電網(wǎng)往往是在經(jīng)歷一系列的多個(gè)擾動(dòng)后發(fā)生功率發(fā)散振蕩進(jìn)而失去穩(wěn)定的[7]。低頻振蕩盡管時(shí)有發(fā)生，但并不是任何電網(wǎng)擾動(dòng)均將引發(fā)低頻振蕩現(xiàn)象。因此，完全沒有必要對(duì)PMU數(shù)據(jù)進(jìn)行持續(xù)不斷的分析，而應(yīng)該是首先判斷出電網(wǎng)有可能或已開始發(fā)生低頻振蕩后才開始進(jìn)行低頻振蕩特征參數(shù)的辨識(shí)。由此可知，低頻振蕩在線檢測(cè)問題，首先是電網(wǎng)擾動(dòng)信號(hào)的檢測(cè)。關(guān)于電網(wǎng)擾動(dòng)信號(hào)的在線檢測(cè)，目前尚無統(tǒng)一的檢測(cè)標(biāo)準(zhǔn)，也缺乏通用的檢測(cè)方法。迄今為止，常用的擾動(dòng)信號(hào)檢測(cè)方法主要包括：時(shí)域差分法[8]，小波檢測(cè)方法[9]，數(shù)學(xué)形態(tài)學(xué)方法[10]等等。時(shí)域差分法原理簡單，計(jì)算快速，但差分結(jié)果的奇異性不高，在電網(wǎng)負(fù)荷波動(dòng)幅度較大的情況下很難準(zhǔn)確地檢測(cè)出電網(wǎng)擾動(dòng)信號(hào)。小波分析方法通過小波變換模極大值理論可以比較準(zhǔn)確地獲取信號(hào)的突變點(diǎn)，但其計(jì)算復(fù)雜，因而在實(shí)際應(yīng)用中存在一定的局限性。數(shù)學(xué)形態(tài)學(xué)方法在電能質(zhì)量擾動(dòng)檢測(cè)領(lǐng)域得到了一定的應(yīng)用，但在電網(wǎng)擾動(dòng)信號(hào)檢測(cè)中，數(shù)學(xué)形態(tài)學(xué)方法存在擾動(dòng)閥值設(shè)定比較困難的局限性。為解決低頻振蕩在線檢測(cè)這一問題，本文將一種基于PMU信號(hào)的歸一化峰度（Normalized Kurtosis）作為指標(biāo)[11，12]，首先對(duì)實(shí)測(cè)PMU數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后計(jì)算其歸一化峰度并將其與擾動(dòng)閥值對(duì)比，由此實(shí)現(xiàn)電網(wǎng)擾動(dòng)信號(hào)的快速、在線檢測(cè)。

在檢測(cè)出電網(wǎng)發(fā)生擾動(dòng)后，需要對(duì)擾動(dòng)發(fā)生后的PMU數(shù)據(jù)進(jìn)行在線辨識(shí)，以便確定電網(wǎng)是否發(fā)生低頻振蕩以及相應(yīng)的振蕩特征參數(shù)。這也就是低頻振蕩的在線辨識(shí)問題。迄今為止，研究人員已提出了多種低頻振蕩辨識(shí)方法，其中經(jīng)仿真測(cè)試認(rèn)為比較成熟的方法大致包括：Prony方法[2]，希爾伯特-黃變換（HilbertHuang transform，HHT）[3]，TLSESPRIT方法[4]，子空間跟蹤類方法[5，6]等等。Prony算法可以識(shí)別出多個(gè)振蕩模態(tài)，但它對(duì)噪聲比較敏感，而且計(jì)算量很大，因而難以實(shí)時(shí)應(yīng)用。HHT方法是一類非線性、非平穩(wěn)信號(hào)處理方法，具有較強(qiáng)的抗干擾性能，但這種方法存在固有的端點(diǎn)效應(yīng)和頻率混疊效應(yīng)。TLSESPRIT方法基于子空間分解將信號(hào)空間分解為信號(hào)子空間和噪聲子空間，能夠高精度地辨識(shí)電力系統(tǒng)的低頻振蕩模式，但由于算法涉及到奇異值分解，這不僅費(fèi)時(shí)而且不易于工程實(shí)現(xiàn)。子空間跟蹤類方法屬于現(xiàn)代譜估計(jì)類方法，此類方法利用子空間的迭代和更新來代替特征子空間的分解，在保留子空間分解類算法高分辨率特性的同時(shí)，提高了算法的計(jì)算速度，而且從理論上講，子空間跟蹤類方法比較適合于時(shí)變信號(hào)的動(dòng)態(tài)快速跟蹤。鑒于此，在通過大量仿真及對(duì)比測(cè)試研究的基礎(chǔ)上，本文將快速冪法子空間跟蹤方法[13，14]應(yīng)用于低頻振蕩特征參數(shù)的在線辨識(shí)。

6結(jié)論

1）本文將歸一化峰度及滑動(dòng)窗技術(shù)兩者結(jié)合用于電網(wǎng)擾動(dòng)的快速檢測(cè)，同時(shí)將快速冪法子空間跟蹤算法應(yīng)用于低頻振蕩的在線辨識(shí)，提出了電網(wǎng)低頻振蕩在線檢測(cè)與辨識(shí)的新方法。

2）算例仿真結(jié)果表明，快速冪法子空間跟蹤方法在平穩(wěn)信號(hào)辨識(shí)方面具有計(jì)算快速、抗噪聲能力強(qiáng)、辨識(shí)可靠的優(yōu)點(diǎn)；在處理非線性信號(hào)時(shí)則不宜直接使用快速冪法子空間跟蹤方法，需要考慮前置去趨勢(shì)環(huán)節(jié)。

3）基于實(shí)際電網(wǎng)擾動(dòng)的PMU監(jiān)測(cè)數(shù)據(jù)，驗(yàn)證了本文所提低頻振蕩在線檢測(cè)與辨識(shí)方法的有效性，具有較好的工程實(shí)用價(jià)值。

參考文獻(xiàn)

[1]梁志飛， 肖鳴， 張昆， 等. 南方電網(wǎng)低頻振蕩控制策略探討[J]. 電力系統(tǒng)自動(dòng)化， 2011， 35（16）： 54-58.

[2]王輝， 蘇小林. Prony算法的若干改進(jìn)及其在低頻振蕩監(jiān)測(cè)中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制， 2011， 39（12）： 140-145.

[3]李天云， 謝家安， 張方彥， 等. HHT在電力系統(tǒng)低頻振蕩模態(tài)參數(shù)提取中的應(yīng)用[J]. 中國電機(jī)工程學(xué)報(bào)， 2007， 27（28）： 79-82.

[4]張靜， 徐政， 王峰， 等. TLS_ESPRIT算法在低頻振蕩分析中的應(yīng)用[J]. 電力系統(tǒng)自動(dòng)化， 2007， 31（20）： 84-88.

[5]LI Chengcheng， WANG Fangzong. Online parameters identification of lowfrequency oscillation by neural computation[J]. International Conference on Intelligent Computing and Intelligent Systems， 2009： 352-356.

[6]WANG Fangzong， LI Chengcheng. Online identification of lowfrequency oscillation based on principal component analysis subspace tracking algorithm[J]. Asia-Pacific Power and Energy Engineering Conference 2010.

[7]陳恩澤， 劉滌塵， 廖清芬， 等. 多重?cái)_動(dòng)下的跨區(qū)電網(wǎng)低頻振蕩研究[J]. 電工技術(shù)學(xué)報(bào)， 2014， 29（2）： 290-296.

[8]魏磊， 張伏生， 耿中行， 等. 基于瞬時(shí)無功功率理論的電能質(zhì)量擾動(dòng)檢測(cè)、定位與分類方法[J]. 電網(wǎng)技術(shù)， 2004， 28（6）： 53-58.

[9]魯波涌， 黃文清. 結(jié)合小波變換和能量算子的電壓暫降檢測(cè)方法[J]. 電工技術(shù)學(xué)報(bào)， 2011， 26（5）： 171-177.

[10]王麗霞， 何正友， 趙靜. 基于數(shù)學(xué)形態(tài)學(xué)的電能質(zhì)量擾動(dòng)檢測(cè)和定位[J]. 電網(wǎng)技術(shù)， 2008， 32（10）： 63-68+88.

[11]張賢達(dá). 現(xiàn)代信號(hào)處理（第二版）[M]. 北京： 清華大學(xué)出版社， 2004.

[12]邸斌， 徐玉韜. 基于廣域測(cè)量系統(tǒng)和歸一化峰度在線檢測(cè)電網(wǎng)擾動(dòng)信號(hào)[J]. 電力系統(tǒng)保護(hù)與控制， 2013， 41（5）： 140-145.

[13]HUA Y， XIANG Y， CHEN T， et al. A new look at the power method for fast subspace tracking[J]. Digital Signal Process， 1999， 9： 297-314.

[14]魏志強(qiáng)， 卜春霞. 快速冪法子空間跟蹤[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2012， 42（11）： 153-159.

[15]MIAO Y F， HUA Y B. Fast subspace tracking and neural network learning by a novel information criterion[J]. IEEE Trans on Signal Processing， 1998， 46（7）： 1967-1979.