專利名稱：一種電力系統(tǒng)低頻振蕩檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力系統(tǒng)信息化技術(shù)領(lǐng)域，更為具體地講，涉及一種電力系統(tǒng)低頻振蕩檢測方法。
背景技術(shù)：
低頻振蕩是現(xiàn)代電力系統(tǒng)中發(fā)生頻繁、對電力系統(tǒng)穩(wěn)定運行造成嚴(yán)重影響的一類事故，其已成為威脅互聯(lián)電網(wǎng)安全穩(wěn)定運行、制約電網(wǎng)傳輸能力的重要因素之一。目前研究電力系統(tǒng)低頻振蕩問題的方法主要可分為兩種第一種是以電力系統(tǒng)結(jié)構(gòu)模型為基礎(chǔ)，通過模型參數(shù)建立微分方程，根據(jù)李亞普諾夫穩(wěn)定性第一定理分析系統(tǒng)的穩(wěn)定性，主要以特征根QR法為代表。但該方法受制于模型的階數(shù)和參數(shù)不精確性以及建模動態(tài)和交互模態(tài)的影響，往往增加了應(yīng)用的難度，分析結(jié)果的準(zhǔn)確性難以保證；第二種方法是采用現(xiàn)代信號處理方法分析低頻振蕩信號特征，主要以FFT算法、小波分析法、Prony算法為代表，但由于電力系統(tǒng)自身的高維、強非線性等特點以及各種信號處理方法的適應(yīng)環(huán)境不盡相同，因此各種方法的應(yīng)用都存在一些困難，其中，F(xiàn)FT算法通過頻譜分析可得到信號頻率，但其無法分析信號的阻尼特性；小波分析難以解決頻率交疊和自適應(yīng)小波基問題；Prony算法和ARMA算法受噪聲、系統(tǒng)實際階數(shù)的影響較大，帶噪聲的非線性、非平穩(wěn)信號處理結(jié)果的精度受到了質(zhì)疑。近年來，結(jié)合電力系統(tǒng)廣域測量系統(tǒng)(WAMS)在世界各國電網(wǎng)得到廣泛應(yīng)用，發(fā)展基于實測信號的非平穩(wěn)信號分析方法意義重大。一種新興非線性非平穩(wěn)數(shù)據(jù)處理HHT(Hilbert-Huang transform, HHT)方法被引入電力系統(tǒng)低頻振蕩信號分析領(lǐng)域,但是該方法缺乏理論基礎(chǔ)，算法分析過程中存在的端點效應(yīng)、過篩引起的阻尼損失以及算法本身的模態(tài)混疊問題，限制了該算法應(yīng)用范圍。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種電力系統(tǒng)低頻振蕩檢測方法，以克服端點效應(yīng)、過沖和欠沖現(xiàn)象，同時降低模態(tài)混疊現(xiàn)象以及阻尼損失問題。為實現(xiàn)上述發(fā)明目的，本發(fā)明電力系統(tǒng)低頻振蕩檢測方法，其特征在于，包括以下步驟(I)、采集一段電網(wǎng)的功角或功率作為電力系統(tǒng)低頻振蕩采樣信號x(t)，該低頻振蕩采樣信號x(t)可以是實測采樣信號，也可以是測量儀器的濾波信號和存儲設(shè)備保持的歷史數(shù)據(jù)；(2)、對低頻振蕩采樣信號x(t)利用FIR(Finite Impulse Response,有限長單位沖激響應(yīng))濾波器進(jìn)行低通濾波，將高于5Hz的高頻噪聲成分濾除，以保證低頻振蕩采樣信號x(t)的純凈度；(3)、對低頻振蕩采樣信號x(t)的所有采樣點求算數(shù)平均值X'，該算數(shù)平均值表征該段低頻振蕩采樣信號x(t)的直流成分X'，然后將低頻振蕩采樣信號x(t)各采樣點減去直流成分V，得到對稱化的低頻振蕩采樣信號V (t);(4)、經(jīng)驗?zāi)B(tài)篩分4. I)、提取低頻振蕩采樣信號X' (t)的所有極大值點和極小值點，構(gòu)成極大值序列以及極小值序列；4. 2)、基于B樣條曲線，對極大值序列中每三個點進(jìn)行插值，得到多段分段B樣條曲線，并按分段定理拼接起來，得到低頻振蕩采樣信號V (t)上包絡(luò)線；基于B樣條曲線，對極小值序列中每三個點進(jìn)行插值，得到多段分段B樣條曲線，并按分段定理拼接起來，得到低頻振蕩采樣信號V (t)下包絡(luò)線；4. 3)、米用基于 ARMA (Auto-Regressive and Moving Average,自回歸滑動平均)模型的端點預(yù)測算法，分別利用低頻振蕩采樣信號X, (t)上下包絡(luò)線本身的數(shù)據(jù)趨勢預(yù)測各自端點極值點之外的包絡(luò)線，預(yù)測點數(shù)為距離端點極值點20個采樣點，超過的包絡(luò)線采用鏡像延拓方法進(jìn)行預(yù)測；低頻振蕩采樣信號X' (t)上下包絡(luò)線分別加上各自預(yù)測的包絡(luò)線，得到新的上下包絡(luò)線，然后，將新的上下包絡(luò)線進(jìn)行平均，得到的均值包絡(luò)Hlltl;4. 4)、用低頻振蕩采樣信號X' (t)減去均值包絡(luò)Hi1，得到差值信號Ill Ii1=X' (t) -Hi1(I)4. 5)、判斷差值信號Ii1是否滿足本征模態(tài)函數(shù)(Intrinsic Mode Function,簡稱IMF)的限制條件a)、在整個差值信號Ill范圍內(nèi)，其極值點數(shù)目和過零點數(shù)目相等或至多相差一個；b)、對差值信號Ill上的任意一點，由信號的局部極大值點定義的上包絡(luò)線和信號的局部極小值點定義的下包絡(luò)線的平均值為零，即上包絡(luò)線和下包絡(luò)線相對于時間軸局部對稱；如果不滿足，則將差值信號Ii1作為低頻振蕩采樣信號X' (t)，重復(fù)步驟4. I) 4. 4),直到滿足為止；4. 6)、將得到的滿足本征模態(tài)函數(shù)限值條件的差值信號Ill作為低頻振蕩采樣信號X, (t)的第一個本征模態(tài)分量C1，它包含了低頻振蕩采樣信號X' (t)最高頻率或最短周期成分；用低頻振蕩采樣信號X, (t)減去第一個本征模態(tài)分量C1得到去掉高頻成分的殘余信號A ；4. 7)、將殘余信號Γι作為低頻振蕩采樣信號X' (t)重復(fù)步驟4. 1Γ4. 5)，將得到·的滿足本征模態(tài)函數(shù)限值條件的差值信號h作為低頻振蕩采樣信號X, (t)的第二個本征模態(tài)分量C2，然后用殘余信號^減去第二個本征模態(tài)分量C2得到殘余信號r2 ；4. 8)、判斷是否滿足停止篩分條件EriZEr(^1)< ε 1； Er/Ex< ε 2，(2)其中，Εη、ΕΗη)為相鄰兩個本征模態(tài)分量篩分后的殘余信號的振動能量，Ex為低頻振蕩采樣信號X' (t)的振動能量，ε !為兩個相鄰本征模態(tài)分量殘余信號能量差閾值，ε2為殘余信號與低頻振蕩采樣信號X' (t)能量差閾值，i為當(dāng)前本征模態(tài)分量篩分次數(shù)；如果不滿足，則將殘余信號1*2作為低頻振蕩采樣信號X' (t)重復(fù)步驟4. I) 4. 5)進(jìn)行篩選，將得到的滿足本征模態(tài)函數(shù)限值條件的差值信號h作為低頻振蕩采樣信號X' (t)的第三個本征模態(tài)分量C3，然后用殘余信號r2減去第三個本征模態(tài)分量C3得到殘余信號r3 ;然后接著判斷是否滿足停止篩分條件；如果仍然不滿足，則將殘余信號r3作為低頻振蕩采樣信號X' (t)重復(fù)進(jìn)行本征模態(tài)分量的篩分和停止篩分條件的判斷，直到滿足為止，得到η個本征模態(tài)分量Cl，C2,…
Cn
(5)、通過本征模態(tài)分量的希爾伯特解析變換，將本征模態(tài)分量Cl，C2,…Cn與低頻振蕩模態(tài)物理意義聯(lián)系，然后進(jìn)行分析辨識，得到低頻振蕩采樣信號X, (t)各低頻振蕩模態(tài)參數(shù)。本發(fā)明的發(fā)明目的是這樣實現(xiàn)的本發(fā)明電力系統(tǒng)低頻振蕩檢測方法在已有的非線性非平穩(wěn)信號經(jīng)驗?zāi)B(tài)分解算法基礎(chǔ)上，改進(jìn)的經(jīng)驗?zāi)B(tài)篩分算法使之適應(yīng)低頻振蕩信號處理，對分解出的本征模態(tài)分量與低頻振蕩模態(tài)物理表達(dá)意義相結(jié)合，從而辨識出低頻振蕩采樣信號各低頻振蕩模態(tài)參數(shù)。本發(fā)明通過改進(jìn)的混合端點預(yù)測減少端點效應(yīng)的影響、采用三次B樣條插值克服了過沖和欠沖現(xiàn)象，同時有效減輕模態(tài)混疊程度，通過精細(xì)化復(fù)小波分析檢測混疊模態(tài)參數(shù)，通過改進(jìn)的能量微差篩分停止條件，控制算法篩分深度，降低了模態(tài)分量的阻尼損失。本發(fā)明電力系統(tǒng)低頻振蕩檢測方法不受平穩(wěn)信號假設(shè)條件的限制，適于處理非線性非平穩(wěn)信號，分解信號有效組成成分，同時對某單一組成與低頻振蕩模態(tài)特性相比較，辨識出現(xiàn)實存在的低頻振蕩模態(tài)分析結(jié)果，實現(xiàn)了基于數(shù)據(jù)的快速低頻振蕩模態(tài)檢測。


圖I是本發(fā)明電力系統(tǒng)低頻振蕩檢測方法一種具體實施方式
流程圖；圖2是上下包絡(luò)線端點三種延拓效果比較圖；圖3是本發(fā)明B樣條曲線插值與三次樣條插值效果對比圖；圖4是CMOR小波基波形與帶寬比較圖；圖5是一段低頻振蕩采樣信號；圖6是圖5所示低頻振蕩采樣信號去噪對稱化后的信號；圖7是圖5所示低頻振蕩采樣信號經(jīng)經(jīng)驗?zāi)B(tài)篩分后的信號。
具體實施例方式下面結(jié)合附圖對本發(fā)明的具體實施方式
進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。圖I是本發(fā)明電力系統(tǒng)低頻振蕩檢測方法一種具體實施方式
流程圖。在本實施例中，如圖I所示，本發(fā)明電力系統(tǒng)低頻振蕩檢測方法，包括步驟STl :低頻振蕩數(shù)據(jù)采集針對電力系統(tǒng)，采集一段電網(wǎng)的功角或功率作為電力系統(tǒng)低頻振蕩采樣信號乂(0，該采樣信號1(0的數(shù)據(jù)源可以是關(guān)于功角或者功率的實測采樣信號，也可以是測量儀器的錄波信號和存儲設(shè)備保存的歷史數(shù)據(jù)，在本實例例中，為低頻振蕩實測采樣信號，信號的輸入格式為一段雙精度數(shù)據(jù)以及該段數(shù)據(jù)的采樣頻率和采樣時間。在本實施例中，采樣頻率輸入限制為50Hz，100Hz, 200Hz三種，采樣時間限制輸入起始時間和終止時間，時間單位均以s標(biāo)記。步驟ST2 :低通濾波去噪對于低頻振蕩實測采樣信號X (t)，一般含有測量噪聲，該噪聲理論上認(rèn)為是一種隨機白噪聲，再加之低頻振蕩的有效信號位于O. 1-2. 5Hz頻段，所以本發(fā)明利用FIR數(shù)字低頻濾波器控制低通頻率0-5Hz，濾除了高頻噪聲成分，保證低頻振蕩采樣信號的純凈度。步驟ST3 :對稱化對于低頻振蕩采樣信號X (t)，尤其采用的功率采樣信號時，由于信號存在直流成分，所以信號不是關(guān)于橫軸(時間軸)對稱的，這會給后續(xù)的算法處理帶來精度上的損失。所以在本發(fā)明中，采樣信號需要進(jìn)行對稱化處理。
本發(fā)明采用的對稱化處理方法是求出低頻振蕩采樣信號x(t)所有采樣點的算數(shù)平均值V，該算數(shù)平均值表征該段低頻振蕩采樣信號x(t)的直流成分X'，然后將低頻振蕩采樣信號x(t)個采樣點減去直流成分X'，得到對稱化的低頻振蕩采樣信號X' (t)。步驟ST4 :經(jīng)驗?zāi)B(tài)篩分本發(fā)明采用經(jīng)驗?zāi)B(tài)分解對信號進(jìn)行平穩(wěn)化處理，可以將任意信號中不同尺度的波形或趨勢逐級分解出來，產(chǎn)生一系列具有不同特征尺度的本征模態(tài)數(shù)據(jù)序列，它們很好地體現(xiàn)了非平穩(wěn)信號的局部特性。整個經(jīng)驗?zāi)B(tài)篩分過程如下進(jìn)行第一步提取原始信號X⑴的所有極大值點和極小值點；第二步利用三次樣條函數(shù)分別基于所有的極大值點和極小值點擬合原始信號x(t)的上包絡(luò)和下包絡(luò)，并用它們?nèi)ソ频乇硎驹夹盘柕膞(t)真實的上包絡(luò)和下包絡(luò)；第三步求上包絡(luò)和下包絡(luò)的均值包絡(luò)Hi1，并近似地表示原始信號x(t)真實的均值包絡(luò)曲線；第四步用原始信號x(t)減去均值包絡(luò)Hi1得到新的信號h1;即X (t) -In1=Ii1( I)第一步至第四步的整個過程也稱為篩分過程，原始信號x(t)通過一次篩分過程后變成了 4。判斷是否滿足本征模態(tài)函數(shù)(IMF)的限制條件，該限制條件定義為a、在整個原始信號X (t)范圍內(nèi)，其極值點數(shù)目和過零點數(shù)目必須相等或至多相差一個；b、對原始信號x(t)上的任意一點，由原始信號x(t)的局部極大值點定義的上包絡(luò)線和信號的局部極小值點定義的下包絡(luò)線的平均值為零，即上包絡(luò)線和下包絡(luò)線相對于時間軸局部對稱。如果由以上兩個條件判斷信號Ii1不是本征模態(tài)函數(shù)，則需要把信號Ii1當(dāng)作新的原始信號，重復(fù)第一步至第四部。重復(fù)k次后，得到的hlk是一個本征模態(tài)分量，SP Ii1 (H)-Hilk=Iilk(2)令C1表示第I個本征模態(tài)分量，第I個本征模態(tài)分量可表述為C1=Iilk(3)稱C1為原始信號x(t)的第一個本征模態(tài)分量，它包含了原始信號x(t)最高頻的成分或最短周期成分。
第五步，用原始信號x(t)減去第一個本征模態(tài)分量C1，得到去掉高頻成分的殘余信號A，即X (t) -C^r1(4)對殘余信號Γι重復(fù)第一步至第五步，可以得到原始信號x(t)的第二個本征模態(tài)分量c2。如此反復(fù)，依次得到信號特征時間尺度逐漸變小的本征模態(tài)分量。當(dāng)?shù)玫降臍堄嘈盘杛n振幅足夠小或者為單調(diào)函數(shù)，則終止整個分解過程。則經(jīng)驗?zāi)B(tài)分解的最終結(jié)果可以表示為
權(quán)利要求
1.一種電力系統(tǒng)低頻振蕩檢測方法，其特征在于，包括以下步驟 (1)、采集一段電網(wǎng)的功角或功率作為電力系統(tǒng)低頻振蕩采樣信號X(t)，該低頻振蕩采樣信號x(t)可以是實測采樣信號，也可以是測量儀器的濾波信號和存儲設(shè)備保持的歷史數(shù)據(jù)； (2)、對低頻振蕩采樣信號x(t)利用FIR(Finite Impulse Response,有限長單位沖激響應(yīng))濾波器進(jìn)行低通濾波，將高于5Hz的高頻噪聲成分濾除，以保證低頻振蕩采樣信號x(t)的純凈度； (3)、對低頻振蕩采樣信號x(t)的所有采樣點求算數(shù)平均值X'，該算數(shù)平均值表征該段低頻振蕩采樣信號x(t)的直流成分X'，然后將低頻振蕩采樣信號x(t)個采樣點減去直流成分V，得到對稱化的低頻振蕩采樣信號V (t)； (4)、經(jīng)驗?zāi)B(tài)篩分 · 4. I)、提取低頻振蕩采樣信號X' (t)的所有極大值點和極小值點，構(gòu)成極大值序列以及極小值序列； · 4. 2)、基于B樣條曲線，對極大值序列中每三個點進(jìn)行插值，得到多段分段B樣條曲線，并按分段定理拼接起來，得到低頻振蕩采樣信號V (t)上包絡(luò)線；基于B樣條曲線，對極小值序列中每三個點進(jìn)行插值，得到多段分段B樣條曲線，并按分段定理拼接起來，得到低頻振蕩采樣信號V (t)下包絡(luò)線； · 4. 3)、米用基于 ARMA (Auto-Regressive and Moving Average,自回歸滑動平均)模型的端點預(yù)測算法，分別利用低頻振蕩采樣信號X, (t)上下包絡(luò)線本身的數(shù)據(jù)趨勢預(yù)測各自端點極值點之外的包絡(luò)線，預(yù)測點數(shù)為距離端點極值點20個采樣點，超過的包絡(luò)線采用鏡像延拓方法進(jìn)行預(yù)測； 低頻振蕩采樣信號V (t)上下包絡(luò)線分別加上各自預(yù)測的包絡(luò)線，得到新的上下包絡(luò)線，然后，將新的上下包絡(luò)線進(jìn)行平均，得到的均值包絡(luò)m1(l; · 4. 4)、用低頻振蕩采樣信號X, (t)減去均值包絡(luò)Hi1，得到差值信號Ill Il1=X' (t) -Hl1(I) · 4.5)、判斷差值信號Ii1是否滿足本征模態(tài)函數(shù)(Intrinsic Mode Function,簡稱IMF)的限制條件 a)、在整個差值信號h范圍內(nèi)，其極值點數(shù)目和過零點數(shù)目相等或至多相差一個； b)、對差值信號h上的任意一點，由信號的局部極大值點定義的上包絡(luò)線和信號的局部極小值點定義的下包絡(luò)線的平均值為零，即上包絡(luò)線和下包絡(luò)線相對于時間軸局部對稱； 如果不滿足，則將差值信號Ii1作為低頻振蕩采樣信號X' (t)，重復(fù)步驟4. 1)^4. 4)，直到滿足為止； ·4.6)、將得到的滿足本征模態(tài)函數(shù)限值條件的差值信號Ill作為低頻振蕩采樣信號X, (t)的第一個本征模態(tài)分量C1，它包含了低頻振蕩采樣信號X' (t)最高頻率或最短周期成分；用低頻振蕩采樣信號X, (t)減去第一個本征模態(tài)分量C1得到去掉高頻成分的殘余信號A ； ·4.7)、將殘余信號!^作為低頻振蕩采樣信號X' (t)重復(fù)步驟4. 1Γ4.5)，將得到的滿足本征模態(tài)函數(shù)限值條件的差值信號Ii1作為低頻振蕩采樣信號X, (t)的第二個本征模態(tài)分量C2，然后用殘余信號^減去第二個本征模態(tài)分量C2得到殘余信號r2 ； 4.8)、判斷是否滿足停止篩分條件 Eri/Er(η)〈 ε i，且 Er/Ex〈 ε 2，(2) 其中，Eh、Era^為相鄰兩個本征模態(tài)分量篩分后的殘余信號ri、r(i_D的振動能量，Ex為低頻振蕩采樣信號V (t)的振動能量，ε !為兩個相鄰本征模態(tài)分量殘余信號能量差閾值，ε 2為殘余信號與低頻振蕩采樣信號X, (t)能量差閾值，i為當(dāng)前本征模態(tài)分量篩分次數(shù)； 如果不滿足，則將殘余信號1"2作為低頻振蕩采樣信號X' (t)重復(fù)步驟4. 1Γ4. 5)進(jìn)行篩選，將得到的滿足本征模態(tài)函數(shù)限值條件的差值信號h作為低頻振蕩采樣信號X' (t)的第三個本征模態(tài)分量c3，然后用殘余信號r2減去第三個本征模態(tài)分量C3得到殘余信號r3 ;然后接著判斷是否滿足停止篩分條件； 如果仍然不滿足，則將殘余信號r3作為低頻振蕩采樣信號X' (t)重復(fù)進(jìn)行本征模態(tài)分量的篩分和停止篩分條件的判斷，直到滿足為止，得到η個本征模態(tài)分量Cl，C2,； (5)、通過本征模態(tài)分量的希爾伯特解析變換，將本征模態(tài)分量Cl，C2,與低頻振蕩模態(tài)物理意義聯(lián)系，然后進(jìn)行分析辨識，得到低頻振蕩采樣信號X, (t)各低頻振蕩模態(tài)參數(shù)。
2.根據(jù)權(quán)利要求I所述的電力系統(tǒng)低頻振蕩檢測方法，其特征在于，兩個相鄰本征模態(tài)分量殘余信號能量差閾值S1 = O. Γ0. 15，殘余信號與低頻振蕩采樣信號X, (t)能量差閾值ε 2=0. I。
3.根據(jù)權(quán)利要求I所述的電力系統(tǒng)低頻振蕩檢測方法，其特征在于，對于篩分后得到的本征模態(tài)分量判斷是否出現(xiàn)混疊，如果出現(xiàn)則進(jìn)行復(fù)小波分析方法將本征模態(tài)分量分解為兩個單一模態(tài)的本征模態(tài)分量； 所述復(fù)小波分析方法選擇復(fù)Morlet小波(CMOR)作為小波基； 首先，根據(jù)連續(xù)小波變換的定義，一個小波基函數(shù)爐勿經(jīng)過伸縮平移變換后與模態(tài)混疊本征模態(tài)分量Ci (t)積分，得到某尺度條件下的局部信號成分。
全文摘要
本發(fā)明公開了一種電力系統(tǒng)低頻振蕩檢測方法在現(xiàn)有非線性非平穩(wěn)信號經(jīng)驗?zāi)B(tài)分解算法基礎(chǔ)上，改進(jìn)的經(jīng)驗?zāi)B(tài)篩分算法使之適應(yīng)低頻振蕩信號處理，對分解出的本征模態(tài)分量與低頻振蕩模態(tài)物理表達(dá)意義相結(jié)合，從而辨識出低頻振蕩采樣信號各低頻振蕩模態(tài)參數(shù)。本發(fā)明通過改進(jìn)的混合端點預(yù)測減少端點效應(yīng)的影響、采用三次B樣條插值克服了過沖和欠沖現(xiàn)象，同時有效減輕模態(tài)混疊程度，通過精細(xì)化復(fù)小波分析檢測混疊模態(tài)參數(shù)，通過改進(jìn)的能量微差篩分停止條件，控制算法篩分深度，降低了模態(tài)分量的阻尼損失，從而有效提高檢測低頻振蕩模態(tài)特征參數(shù)的精度。
文檔編號G01R23/16GK102937668SQ201210442298
公開日2013年2月20日 申請日期2012年11月8日 優(yōu)先權(quán)日2012年11月8日
發(fā)明者易建波, 黃琦, 井實, 張昌華, 盧有亮, 孟勁松, 蔡東升 申請人:電子科技大學(xué)