[发明专利]基于录波大数据异常检测的发电机组次同步风险评估方法

说明书

一种基于录波大数据异常检测的发电机组次同步风险评估方法。包括以下内容：通过收集同一机组一段时间内所有扭振录波文件，对其中的机端三相电流信号进行傅里叶变换，并提取工频分量、次同步和超同步谐波分量系数，构造原始特征数据集Feature；通过主成分分析法将原始特征数据集进行去相关和数据清洗，得到降维特征数据集Feature_comp；基于得到的降维特征数据集，建立各样本与统计特征间的马氏距离分布，以马氏距离的大小来衡量次同步风险大小，当风险值达到90％或以上时系统报警。本发明快速实现SSO风险的安全评估，为电网运行中SSO防御和抑制提供辅助决策手段。

技术领域

本发明属于电力系统稳定与控制技术领域，具体涉及一种基于录波大数据异常检测的发电机组次同步风险评估方法，为电力系统稳定与安全运行提供辅助决策和安全预警。

技术背景

在远距离大容量输电需求的背景之下，由于大量采用串补输电、交直流混合输电及FACTS设备，使得由此引发的次同步振荡(SSO)严重威胁了电网和发电机组的安全稳定运行。目前，对SSO研究侧重于机组扭振保护及振荡控制方面，对电网运行监控缺少振荡防御手段。因此，深入研究机网运行中次同步风险评估及其预防性控制技术具有重大意义。

目前，机组轴系扭振监测/控制/保护装置产生了大量录波文件，实时记录了电网运行中机组轴系转速信号和机端电压/电流信号，然而，对录波文件的处理方式往往是人工的、手动的、故障后有针对性的分析，因此，长年积累下来大量的历史录波文件，除了用于历史备案外并没有形成能帮助运行人员理解电网运行状态的知识。另外，关于SSO分析主要从高灵敏度的轴系转速信号出发，借助一些繁琐的算法和技术(如滤波、阻尼计算)进行处理，而电气量信号仅作为辅助分析所用，其利用率很小。如果能充分利用这些积累的大量数据挖掘出录波文件背后蕴含的丰富信息，实现系统SSO快速辨识和安全评估预警，将会大大提升运行的智能化水平。

发明内容

本发明的目的是通过大量扭振录波文件提供一种次同步风险识别模型，从而快速实现SSO风险的安全评估，为电网运行中SSO防御和抑制提供辅助决策手段。

本发明所公开的一种基于录波大数据异常检测的发电机组次同步风险评估方法，依托扭振系列装置积累的大量历史录波文件中的电流信号，通过特征提取、降维压缩、模型建立和风险识别等环节实现了SSO风险的快速评估和安全预警。本发明具体采用以下技术方案：

一种基于录波大数据异常检测的发电机组次同步风险评估方法，其特征在于，所述方法包括如下步骤：

(1)收集同一发电机组运行中积累的扭振录波文件，通过从中提取机端三相电流信号ia、ib、ic，建立维数为N×3的数据库，N为录波文件的个数；

(2)针对数据库中每个对象即每个录波文件对应的每一相电流信号，通过傅里叶变换提取模式特征，构造维数为N×P的特征矩阵Feature，P为每个录波文件对应的特征指标个数；

(3)将获得的特征矩阵向K个相互正交的坐标轴进行投影，K<P，形成维数为N×K的降维特征矩阵Feature_comp，其中K个相互正交的坐标方向是由Feature的协方差矩阵特征分解结果来决定的；

(4)基于上述降维特征矩阵，视每个行向量为一个样本，通过样本反复抽取、参数可靠估计和马氏距离统计建立基于数据驱动的次同步风险识别模型；

(5)对于实时采集的新录波文件，重复特征提取、降维压缩和距离计算，并根据建立的次同步风险识别模型实现当前录波运行方式下机组的次同步风险评估。

本发明还进一步包括以下优选方案：

在步骤(2)中，所述的特征矩阵Feature的构造具体包括：