[发明专利]一种电力系统动态稳定协同辨识方法

说明书

一种电力系统动态稳定协同辨识方法，包括以下步骤：获取各主导振荡模式，并得到主导振荡模式所对应的关键小波伸缩因子段，利用位于关键小波伸缩因子段内各重构小波系数矩阵第一奇异值中的最大值所对应的左奇异向量，计算该关键小波伸缩因子段所对应的主导振荡模式的振荡模态；根据左右特征向量之间的关系、所估计的振荡模态，计算主导振荡模式所对应的左特征向量，进而计算电力系统中各量测通道在主导振荡模式下的参与因子；通过主导振荡模式的振荡模态计算各量测通道间的方向余弦，通过方向余弦划分系统中同调机群或同调节点群。本发明为电网运行调度人员提供更加丰富的电网运行状态信息以改善电力系统的动态稳定性。

技术领域

本发明涉及电力系统领域，尤其涉及一种电力系统动态稳定协同辨识方法。

背景技术

区域电网互联规模不断扩大、大容量远距离交直流输电不断增加、可再生能源大规模接入，使得区域间低频振荡已成为限制互联电网输电能力、威胁电网安全稳定运行的重要因素之一。因此，研究在全国联网、可再生能源大规模接入背景下的电网动态稳定性具有十分重要的现实意义。

随着PMU(Phasor Measurement Unit，同步相量测量单元)装置在电网大规模配置、电力通信网络不断完善、广域量测系统在区域互联电网中不断建设和应用，基于广域量测信息的电力系统动态稳定分析与评估方法越来越受到工业界和学术界的关注。

根据电力系统中实测信号的类型不同，基于广域量测信息的电力系统动态稳定分析方法又分为：基于测试信号的动态稳定分析方法、基于故障信号的动态稳定分析方法、以及基于类噪声信号的动态稳定分析方法。

1、基于测试信号的动态稳定分析方法：主要通过向电力系统中注入随机噪声激励，获取输入激励数据和系统输出响应数据来估计系统的动态传递函数矩阵或状态矩阵来识别电力系统的主导振荡模式。

常用于测试信号的辨识算法有经验传递函数(Empirical Transfer FunctionEstimate， ETFE)、子空间辨识(Subspace State Space System Identification，N4SID)和预测误差法 (Prediction Error Method，PEM)。

2、基于故障信号的动态稳定分析方法：主要从电力系统的故障信号中估计电力系统的传递函数矩阵、状态矩阵或多振荡模式信号拟合来辨识电力系统的主导振荡模式，常用的算法有Prony、递归Prony^[1]、希尔伯特谱分析(Hilbert Spectral Analysis，HAS)、最小特征实现(Eigensystem Realization Algorithm，ERA)、卡尔曼滤波、连续小波变换、随机子空间辨识、TLS-ESPRIT辨识^[2]。

3、基于类噪声信号的动态稳定分析方法主要通过从电力系统的类噪声信号中估计电力系统的传递函数矩阵或状态矩阵来辨识系统的主导振荡模式，如Yule-Walker算法^[3]、基于Bootstrap的ARMA^[4]、ARX辨识^[5][6]、ARMAX^[7]、RRLS-ARMAX^[8]、随机子空间辨识。

上述方法均聚焦于基于广域量测信息的电力系统主导振荡模式辨识，而对与主导振荡模式强相关，且可为电网运行调度人员提供改善系统动态稳定性措施的主导振荡模态、参与因子及同调机群的辨识至今几乎尚未开展。

发明内容

为实现基于广域测量信息的电力系统动态稳定协同辨识，本发明提出一种基于数据驱动的电力系统主导振荡模式、模态、参与因子及同调机群的动态稳定协同辨识方法，详见下文描述：

一种电力系统动态稳定协同辨识方法，所述辨识方法包括以下步骤：