电力系统低频振荡监测软件的研究和设计

开篇：润墨网以专业的文秘视角，为您筛选了一篇电力系统低频振荡监测软件的研究和设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】低频振荡已成为威胁互联大电网安全稳定运行的突出问题，日益成为行业内关注的焦点。电力系统低频振荡监测分析系统受到越来越多重视。本文利用PRONY法、能量函数法、神经网络法和等低频振荡算法实现电力系统低频振荡分析，构建了一个基于WAMS的较为完善的低频振荡监测和分析系统。该系统能够实现低频振荡的实时监测，负阻尼振荡和强迫振荡源的类型区分和强迫振荡源的定位等功能，可满足实际需要。

【关键词】低频振荡；低频振荡分析；低频振荡机理辨识；低频振荡监测；WAMS；软件开发

1.前言

随着区域电网互联，电力系统低频振荡问题成为限制电力传输能力的突出问题，严重威胁到电力系统安全稳定运行，受到学者们的广关注。为实现低频振荡的监测和抑制，电力监控系统成为解决问题的关键。为满足电力网络安全稳定运行的需求，广域测量系统（WAMS）应运而生，并成为电力系统稳定运行的重要平台。它与传统的EMS系统相比，能够提供更加全面的同步运行数据，可以为电网的实时监测提更具全面性的数据支持。WAMS是一个支持用户进行功能扩展的智能系统，如何利用WAMS数据实现系统稳定运行的全面检测，扩展和完善WAMS分析功能，成为目前电力调度和系统稳定维护工作的重要研究方向。目前，基于WAMS系统在低频振荡分析和监控技术还有待进一步完善，而电力工作者迫切需要WAMS系统具备更加完善的电力系统低频振荡监测和分析功能，因此有必要提出一种更加的全面的低频振荡监测系统。

本文设计了一个基于WAMS的低频振荡监测和分析软件系统。该软件是WAMS主站高级软件库的组成部分，旨在丰富WAMS主站的对动态稳定分析的内容。本系统采用模块化设计思想，结合能量算子法、能量函数法、粗糙集理论等方法构建多个功能模块，以实现低频振荡的实时监测，负阻尼振荡和强迫振荡源的类型区分和强迫振荡源的定位等功能。该系统能够满足现有需求，为低频振荡分析和机理的研究提供支持。

2.广域测量系统

广域测量系统是一个基于GPS全球定位系统，利用同步相角测量技术，通过分布于各个关键站点的同步相角测量单元（PMU），采集并能计算得到能够反映系统的动态行为特征的实时数据。广域测量系统主要由WAMS主站，调度通讯网、数据集中器和各级PMU子站点组成，其整体结构如下图1所示。WAMS主站由多个实现不同功能的计算机服务器构成，是整个系统的核心单元。它包含有多种电网稳定运行状态的分析软件库，用来实现电网动态监测和状态分析。调度通讯网是整个系统地通讯信道，负责站点间的数据交互，采用以太网通讯网络。数据集中器又来汇总下级PMU站点的所有数据。并将数据打包上传至上级站点。PMU子站其实质上是一个嵌入式系统，支持TCP/IP通讯协议。它是整个系统的基础组成部分，负责实时采集各个现场设备的关键数据，图1是广域测量系统的结构图。

3.系统开发

本文所设计的系统安装于WAMS主站上，通过直接利用WAMS主站系统所接收到的实时动态数据进行分析，根据实际需要选择可用服务。本系统采用模块化设计思想，将整个系统分成四个模块数据预处理模块、低频振荡监测分析模块、低频振荡类型辨识模块、扰动源定位模块和决策模块。整个系统的构成如图2所示。数据预处理模块实现数据去噪和滤波处理，用于提高低频振荡监测模块、低频振荡类型辨识模块的分析精度。低频振荡监测分析模块实现数据的低频振荡分析，通过提取主导振荡模式，振荡幅值和阻尼比等信息。低频振荡类型辨识模块实现负阻尼振荡与强迫振荡的辨识，用于为后续决策指定提供依据。扰动源定位模块实现强迫振荡扰动源的定位，为控制决策提供依据。决策库模块实现负阻尼振荡和强迫振荡的抑制工作，此模块综合前四个模块功能指定合理的控制措施。

3.1 数据预处理模块

对于电力系统来说，信号噪声主要来源于系统负荷的无规律性的变化、数据采集过程以及数据计算过程中。此类误差可视为白噪声。当采样数据全程叠加有白噪声扰动时，此时低频振荡分析算法求取的结果中将会提取到大量频率较低的信号，这些数据将会影响数据纯度。常用的滤波算法有卡尔曼滤波法、小波去噪法、中值滤波法和自适应算法LMS等。卡尔曼滤波法针对的平稳信号具有良好的滤波效果，而且需要建立一个系统模型。而电力系统中的信号是一个强非线性非平稳信号，且仅仅基于实测数据较难构造系统模型；小波分析法针对白噪声和宽带噪声具有良好的去噪效果，然而对脉冲噪声降噪效果不理想；中值滤波可拟补小波算法对脉冲噪声降噪缺陷，但是对随机噪声的滤波结果不够理想。LMS算法结构简单，稳定性良好，设置合适的收敛速度和跟踪速率可达到良好的收敛精度。综合电力系统的特征，并比较各个算法的特点，本文选用LMS算法作为数据的滤波算法。

3.2 低频振荡分析模块

低频振荡分析模块主要由PRONY算法作为主要分析工具。现代信号处理方法是分析振荡特征的主要工具，其中PRONY算法得到了广泛应用。PRONY算法的实质是用一组复指数项的线性组合来拟合等间隔采样数据，可以提供振荡频率、振荡相角、振荡幅值和阻尼比等信息，是低频振荡分析中的深度剖析算法。

3.3 低频振荡类型辨识模块

负阻尼振荡故障和强迫振荡故障都因为系统阻尼特性不足，在系统存在扰动时，系统无法自行平息振荡。另外，二者的振荡源不同，相对应的抑制振荡的措施存在差异。因此，需要对二者进行辨识，以针对相应类型的振荡采取有效措施。鉴于针对两类振荡的深层机理问题，还不存在一中实现两类机理的辨识的算法，需要引入一种可实现智能化的分析算法来实现低频振荡的类型辨识。

近似熵常作为反映振荡信号运行状态的指标，用于评价当前的信号特征。在强迫振荡下，近似熵常具有线先快速增加，后保持稳定的特性。而负阻尼振荡下，近似熵的过程与强迫振荡相似，但变化其过程变化较慢。强迫振荡具有其快的特征。负阻尼振荡不能自行系振荡等特征。以上信息可以作为区分两类振荡的判断原则。

3.4 扰动源定位模块

强迫振荡存在持续性作用的扰动源，快速定位并切除扰动源对于抑制低频振荡具有重要意义。目前强迫振荡扰动源定位算法主要有三种：时域仿真法，行波延迟法和能量函数法。时域仿真法，通过对系统进行实时仿真，对比线路和机组差异确定扰动源，判断精度高，计算法量大，耗时长，在离线分析方面有优势，但不适于电力系统的实时监测。行波延迟法，借鉴线路故障判断的思路，来对比任两点间的数据波形，先波动的点距扰动源更近。算法鲁棒性较好，计算量小，但是当两点距离故障点同距时，较难区分扰动源位置。能量函数法通过计算线路的耗散能量来确定扰动源位置。能量函数法通过分析线路中的能量流动，可用于监测和分析共振机理的低频振荡。具有计算速度快，缺点是各个点的势能数据量变化趋势差异较大，当变化幅度较小时，不易通过趋势判断势能流向。

对比各类定位算法优缺点，本模块设计选用能量函数法作为核心算法，为解决趋势判断问题，提取势能函数的关键因子法来实现扰动源定位。能量函数法的原理是扰动源所在机组其势能是流出节点的，而非扰动源机组其势能是流入节点的。首先计算各个节点的势能并提取关键因子，然后汇总所有关键因子，来判断势能流向，进而判断扰动源位置。

以上是各个模块的设计描述。针对各个模块的总体设计如图6所示。

3.5 低频振荡决策模块

低频振荡模块是一个辅助决策模块，用于为工作者提供低频振荡的解决方案。其模块设计是基于对低频振荡的认识和低频振荡控制的经验来设计。此模块的设计基本原理是：在负阻尼振荡故障中，系统必然存在弱阻尼机组，则通过给出弱阻尼机组的阻尼信息，提示工作者提高相应机组或者区域的阻尼特性；在强迫振荡故障中，系统中必然存在持续的扰动源，通过3.4节的算法定位出的扰动源信息，来切除检查并切除扰动源即可。

4.结论

本文利用现有低频振荡分析理论，构建了一个基于WAMS的低频振荡监测和分析综合系统。该系统能够实现低频振荡的实时监测，负阻尼振荡和强迫振荡源的类型区分和强迫振荡源的定位等功能。目前，尚不存在一种能够既能实现低频振荡机理辨识，又能针对不同振荡进行有效分析的方法，本系统的研究和设计为解决此问题提供了帮助。

参考文献

[1]宋墩文,杨学涛,等.大规模互联电网低频振荡分析与控制方法综[J].电网技术,2011,35(10):22-28.

[2]倪以信,陈寿孙,张宝霖.动态电力系统的理论和分析[M].北京:清华大学出版社,2002.

[3]鞠平,谢欢,等.基于广域测量信息在线辨识低频振荡[J].中国电机工程学报.2005.25(22):56-60.

[4]许树楷,谢小荣,辛耀中.基于同步相量测量技术的广域测量系统应用现状及发展前景[J].电网技术,2005,29(2):44-49.

[5]王慧铮,许勇.基于广域测量系统的低频振荡监测分析方法研究与应用[J].电网技术,2008,32(22):56-61.

[6]刘永进,张国华,赵亦工.混合卡尔曼滤波的非均匀校正算法[J].西安电子科技大学学报(自然科学版),2012,39(6):195-200.

[7]刘慧,彭良玉.基于贝叶斯阈值的多小波基联合去噪[J].微电子学与计算机,2012,29(7):121-127.

[8]张昊慧.改进的基于中值滤波和小波变换的图像降噪方法[J].微型机与应用,2012,31(20):51-53.

[9]郭成,李群湛,王德林.互联电力系统低频振荡的广域Prony分析[J].电力自动化设备,2009,29(5):69-73.

[10]李大虎,曹一家.基于模糊滤波和PRONY算法的低频振荡模式在线辨识方法[J].电力系统自动化,2007, 31(1):14-19.

[11]薛胜男,陈秀宏.基于混沌加密和SVD的数字图像水印算法[J].计算机工程,2012.38(19):107-110.

[12]符玲,何正友,麦瑞坤,等.近似熵算法在电力系统故障信号分析中的应用[J].中国电机工程学报,2008,28(28):68-73.

[13]范高锋,王伟胜,刘纯,戴慧珠.基于人工神经网络的风电功率预测[J].中国电机工程学报,2008,28(34):118-123.

[14]陈铁明,蒋融融.混沌映射和神经网络互扰的新型复合流密码[J].物理学报,2012,62(4):1-7.

[15]杨东俊,丁坚勇,李继升,许汉平,禹海峰.基于参数辨识的强迫功率振荡扰动源定位方法[J].电力系统自动化,2012.36(2):26-30.

作者简介：

高鹏（1987―），硕士研究生，主要研究方向：电力系统动态稳定分析、计算机监视技术与智能仪器。

高飞（1983―），硕士研究生，主要研究方向：嵌入式应用系统开发。

尤明（1986―），硕士研究生，主要研究方向：嵌入式应用系统开发。

魏法国（1979―），男，大学本科，助理工程师，主要从事发电厂集控运行工作。