[发明专利]一种基于稳态学习机制的电网低频振荡模糊综合预警方法

说明书

本发明公开了一种基于稳态学习机制的电网低频振荡模糊综合预警方法，其特征是，包括以下步骤：1)确立预警指标；2)制定稳态下功率波动学习机制；3)使用滑动窗技术对本窗口内数据进行预处理并计算预警指标值；4)使用模糊层次分析法计算当前电力系统低频振荡安全状态分值，给出安全等级实现快速预警；5)当所处状态非安全时，导出当前窗口振荡数据，启动模式辨识程序。本发明所达到的有益效果：通过快速预警与模式辨识相结合的方法可以有效弥补传统预警速度慢、存在误报、依赖电网模型的不足，实现了在仅提供实测数据的条件下，不仅能快速准确给出电网低频振荡安全状态，而且也能给调度员提供有利的模态信息采取抑制措施。

技术领域

本发明涉及一种基于稳态学习机制的电网低频振荡模糊综合预警方法，属于电力系统运行与控制技术领域。

背景技术

随着经济的不断发展，发电设备容量不断增加，供电范围不断扩大，传统的电力系统逐渐向大型互联系统的方向发展。同时，伴随大容量机组在电网中的投运，快速及高放大倍数励磁系统的广泛使用及大功率的输电线路和系统之间弱联系的出现，常常会引发电力系统低频振荡问题。从调度运行角度考虑，对其进行在线监测及预警分析已成为电力系统稳定性研究的热点课题之一。随着广域测量系统(WAMS)的发展及应用，利用电网状态信息能够被实时同步这一特性，并根据汇集到中心数据平台上的同步向量数据，能为电力系统低频振荡分析方法提供新的思路。

现有的低频振荡分析主要通过分钟级的大电网特征值计算、实测轨迹的信号处理及小干扰理论等措施，大部分停留在事故后的离线分析，对于调度人员在危险发生前快速采取有效措施从而避免低频振荡的出现很不利。此外，现有很多成果采用在线分析的辨识算法进行监测，但大多数低频振荡辨识算法涉及到矩阵计算、模型定阶、滤波等复杂的运算，系统会花费大量时间，可能会导致CPU负荷率太高而不能实时在线运行。即便可实现在线运行，但由于低频振荡现象很少发生，从效率角度来看也不划算，无法满足低频振荡预警的实时性和准确性。由于低频振荡对电网危害严重，制约了电网输电能力，且目前并没 有人结合WAMS实测数据特点研究出快速有效的低频振荡预警技术。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于稳态学习机制的电网低频振荡模糊综合预警方法，能够保证电网安全稳定运行，减小低频振荡的发生。

为了实现上述目标，本发明采用如下的技术方案：

一种基于稳态学习机制的电网低频振荡模糊综合预警方法，其特征是，包括如下步骤：

步骤1)数据预处理，确立四项预警指标：信号幅值、峰峰值持续周期数、动态阻尼比和信号频率；

步骤2)通过广域测量系统(WAMS系统)对机组有功功率或联络线有功功率历史数据进行监测，引入神经网络对历史波动值进行学习，制定稳态下的功率波动学习机制，预测有功功率波动值δ；

步骤3)使用滑动窗技术对本窗口内数据进行预处理并计算四项预警指标值；

步骤4)基于模糊层次分析法，对四项预警指标值，结合有功功率波动值δ建立电力系统低频振荡综合评价模型，计算当前电力系统低频振荡安全状态分值S，给出安全等级并实时更新数据；

步骤5)当所处状态为非安全时，记录告警时间，并截取振荡波形，对其进行并行复合形态滤波器滤波，采用基于奇异值定阶的TLS-ESPRIT辨识方法获取模式参数。

前述的一种基于稳态学习机制的电网低频振荡模糊综合预警方法，其特征 是，所述步骤2)稳态下的功率波动机制的实现步骤如下：

2.1)每隔半个小时对处理后的信号计算一次稳态下的功率波动值，获得历史9小时的波动值为a₁,a₂,...,a₁₈；