[发明专利]一种基于子空间动态模式分解的机电振荡参数辨识方法

说明书

一种基于子空间动态模式分解的机电振荡参数辨识方法，属于非线性随机动力系统技术领域，本发明通过对非线性动力系统进行建模，基于广域监测系统的量测数据，采用子空间动态模式分解方法辨识系统的机电振荡参数，考虑了系统随机响应的动态特性，不仅解决了维数灾和模态混合的问题，而且对随机数据连续辨识的稳定度好，能够有效适应电力系统受小干扰影响的时变特性，具有较高的实际应用价值。

技术领域

本发明属于非线性随机动力系统技术领域，特别是涉及到一种基于子空间动态模式分解的机电振荡参数辨识方法。

背景技术

现代电力系统中，由于大型互联电网结构的逐年扩增，各种随机扰动也越来越普遍，电力系统经常由于缺乏阻尼而引发机电振荡的情况，从而对电力线路功率传输产生影响、对系统的稳定运行造成威胁。

现阶段，电力系统机电振荡的分析方法主要包含基于系统数学模型的分析方法和基于系统实测信号的分析方法。基于系统数学模型的分析方法常用于离线分析，对于复杂的高维系统在线计算并不适用。基于系统实测信号的分析方法的核心是利用频谱分析从高维的非线性系统中进行模态辨识并获得振荡信息，易受噪声的影响，定阶比较复杂，当处理非线性系统时存在很大的局限性。

电力系统随机数据是一种类似噪声的小幅波动的响应信号，包涵了系统大量的实时动态特性。利用随机信号进行小干扰在线稳定评估，对于电力系统的运行控制具有不可替代的作用。将子空间动态模式分解(Subspace dynamic mode decomposition，SDMD)方法用于非线性电力系统的随机数据进行振荡模态提取，解决了传统动态模式分解(Dynamicmode decomposition，DMD)方法可能导致的机电振荡模式淹没于动态响应中的病态问题和模态混合问题，通过结合子空间算法，在对随机响应数据进行机电振荡参数提取时，能够增强连续辨识的稳定度。单一的子空间辨识方法主要用于线性时不变系统，子空间动态模式分解方法有效弥补了子空间方法在处理非线性系统时所导致的模态偏差问题。

发明内容

本发明所要解决的技术问题是：提供一种基于子空间动态模式分解的机电振荡参数辨识方法，结合系统随机响应的动态特征，不仅解决了维数灾和模态混合的问题，而且对随机数据连续辨识的稳定度好，能够有效适应电力系统受小干扰影响的时变特性，具有较高的实际应用价值。

一种基于子空间动态模式分解的机电振荡参数辨识方法，其特征是：包括以下步骤，且以下步骤顺次进行，

步骤一、根据广域监测系统的量测数据构造矩阵Y_t，

Y_t＝[y_t,y_t+1,…,y_t+m-1]

式中：t为时刻，m为数据总数，y_t为t时刻的量测数据，y_t+1为t+1时刻的量测数据，y_t+m-1为t+m-1时刻的量测数据；

根据矩阵Y_t构造Hankel矩阵，

Y_p＝[Y₀^T Y₁^T]^T

Y_f＝[Y₂^T Y₃^T]^T

式中：Y₀、Y₁、Y₂和Y₃均为量测数据构造的矩阵，^T代表矩阵的转置，Y_p代表过去输出行空间，Y_f代表未来输入行空间；