【技术实现步骤摘要】
本专利技术涉及电力系统稳定性，具体指一种新能源集群接入直流电网的宽频振荡辨识方法。
技术介绍
1、新能源和电力电子设备的高比例接入导致电力系统的格局正在发生变化，大规模多元化新能源集群送出系统电力电子化程度正逐步提高。新能源发电的弱惯量支撑和出力的波动性及不确定性，变流器和交直流互联的区域耦合，电力电子化负荷的广泛接入都深刻改变了电网的动态行为。在电力系统向电力电子化发展过程中，电力系统出现的新型振荡问题引发广泛关注。电力系统受到扰动后，由多类型电力电子设备和电网共同参与引发电气量随时间的周期性波动，振荡频率较宽且具有频率漂移特点的振荡现象认为是宽频振荡。近年来，由于电力电子设备引发的宽频振荡事故频发，世界各国均出现了由于新能源和电力电子设备导致的宽频振荡问题。随着风能、太阳能等可再生能源的快速发展，这些新能源发电通常采用直流输出，通过逆变器转换成交流电后接入电网。直接使用直流电网可以简化这一过程，提高能源利用效率。直流电网相比交流电网有诸多优势，例如传输距离更远、损耗更低、易于实现多端互联等。然而，直流电网的控制更为复杂，特别是在新能源集群接入的情况下。以换流器与变流器为代表的电力电子装备将大规模应用，电力电子装备的多尺度级联与序贯切换特性造成传统电力系统物理耦合机制发生根本性变化传统电磁装备与电力电子装备及其控制系统存在非线性强耦合，导致电力系统动态行为更加复杂多变。
2、可见，大规模多元化新能源集群送出系统的宽频振荡问题是涉及多类型电力电子设备和多区域的复杂振荡问题，涉及频率间耦合和多模态混叠，严重影响电网安全
技术实现思路
1、本专利技术提出一种新能源集群接入直流电网的宽频振荡辨识方法，提高了对宽频振荡的辨识精度和鲁棒性，为新能源接入直流电网的稳定运行和优化控制提供有力支持。
2、本专利技术所采用的技术方案为：
3、一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，从电网中的同步向量测量装置pmu收集实时电流和电压信号，并进行数据预处理；通过压缩感知cs技术对预处理后的信号进行压缩采样；在主站接收到低维振荡数据后，采用子空间追踪sp算法对压缩后的低维数据进行重构；然后对恢复信号进行混合经验模态分解eemd分解，得到振荡信号的一组本征模态函数imfs；通过计算各imf能量系数，去除多余的imf分量；利用优化prony算法对包含振荡模态信息的imf分量进行分析，获得宽带振荡信息，包括频率、幅值信息；最后利用优化后的自适应滤波集成卡尔曼滤波afekf算法对信号的动态变化进行预测，通过对比预测值与实际观测值之间的偏差，可以有效识别出宽频振荡的整体趋势及其变化规律，从而实现对电力系统中宽频振荡的精确辨识和预警。
4、进一步的：
5、所述压缩感知cs技术中的中的测量矩阵a采用高斯矩阵。
6、所述混合经验模态分解eemd用于对sp得到的重构信号进行分解，利用能量系数筛选含有宽频振荡信息的本征模态函数imf分量：在经验模态分解emd分解信号之前加入频率均匀分布的高斯白噪声，使得含噪信号中不同尺度的信号分布于与之相匹配的参考尺度上，并利用白噪声的零均值特性，在多次平均后将噪声相互抵消，将各组imf分量的平均值作为最终分解结果；该混合经验模态分解eemd算法结构如下：
7、(1)在初始信号s(t)中加入一组叠加均值为0、标准差为常数的随机高斯白噪声序列n(t)，获得新信号x(t)，即：
8、x(t)＝s(t)+n(t) (15)
9、数学上，白噪声表示为：
10、n(t)～n(0,σ2) (16)
11、其中，n(t)表示在时间t处的噪声信号，ν(0,σ2)表示零均值、方差σ2为的高斯分布；
12、(2)对每个x(t)进行emd分解，得到m阶本征模态函数imf分量记为ci(t)，其中i＝1,2,...,m,剩余分量或残余信号记为rk(t)，表达式如下：
13、
14、(3)分别将不同高斯白噪声nj(t)加入原始信号x(t)，重复步骤(1)(2)n次，即：
15、
16、式中，cij(t)表示第j次叠加白噪声后分解得到的第i个imf分量；
17、(4)为了消除噪声的影响，对相同阶数的imf进行平均，得到最终的imf，平均后的各阶imf分量可表示为：
18、
19、式中，表示eemd分解后第j个imf分量；
20、(5)信号x(t)可以通过所有最终的imf重构得到：
21、
22、其中是剩余分量。
23、所述自适应滤波集成卡尔曼滤波afekf算法用于根据当前时刻的幅值、频率预测下一时刻的振荡信息，从而判断宽频振荡的整体趋势。
24、本专利技术结合了压缩感知(cs)、子空间追踪(sp)、混合经验模态分解(eemd)以及优化prony-afekf算法，充分发挥各自的优势。首先，选择高斯随机采样矩阵对宽频振荡数据进行压缩，克服了奈奎斯特定理和数据采样不足以及数据通信带宽传输不足的问题；其次，在主站接收到低维振荡数据后，采用子空间追踪(subspace pursuit，sp)算法对压缩后的低维数据进行重构，使原始信号得到较大恢复；最后对恢复信号进行eemd分解，得到振荡信号的一组本征模态函数(imfs)。计算各imf能量系数，去除多余的imf分量。优化prony算法对包含振荡模态信息的imf分量进行分析，获得宽带振荡信息。本专利技术通过综合运用多种先进的信号处理和模型融合技术，提高了对宽频振荡的辨识精度和鲁棒性，为新能源接入直流电网的稳定运行和优化控制提供了有力支持。
本文档来自技高网...【技术保护点】
1.一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，从电网中的同步向量测量装置PMU收集实时电流和电压信号，并进行数据预处理；通过压缩感知CS技术对预处理后的信号进行压缩采样；在主站接收到低维振荡数据后，采用子空间追踪SP算法对压缩后的低维数据进行重构；然后对恢复信号进行混合经验模态分解EEMD分解，得到振荡信号的一组本征模态函数IMFs；通过计算各IMF能量系数，去除多余的IMF分量；利用优化Prony算法对包含振荡模态信息的IMF分量进行分析，获得宽带振荡信息，包括频率、幅值信息；最后利用优化后的自适应滤波集成卡尔曼滤波AFEKF算法对信号的动态变化进行预测，通过对比预测值与实际观测值之间的偏差，可以有效识别出宽频振荡的整体趋势及其变化规律，从而实现对电力系统中宽频振荡的精确辨识和预警。
2.根据权利要求1所述的一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，所述压缩感知CS技术中的测量矩阵A采用高斯矩阵。
3.根据权利要求1所述的一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，所述混合经验模态分解EEMD用于对SP得到的
4.根据权利要求1所述的一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，所述自适应滤波集成卡尔曼滤波AFEKF算法用于根据当前时刻的幅值、频率预测下一时刻的振荡信息，从而判断宽频振荡的整体趋势。
...【技术特征摘要】
1.一种新能源集群接入直流电网的宽频振荡辨识方法，其特征在于，从电网中的同步向量测量装置pmu收集实时电流和电压信号，并进行数据预处理；通过压缩感知cs技术对预处理后的信号进行压缩采样；在主站接收到低维振荡数据后，采用子空间追踪sp算法对压缩后的低维数据进行重构；然后对恢复信号进行混合经验模态分解eemd分解，得到振荡信号的一组本征模态函数imfs；通过计算各imf能量系数，去除多余的imf分量；利用优化prony算法对包含振荡模态信息的imf分量进行分析，获得宽带振荡信息，包括频率、幅值信息；最后利用优化后的自适应滤波集成卡尔曼滤波afekf算法对信号的动态变化进行预测，通过对比预测值与实际观测值之间的偏差，可以有效识别出宽频振荡的整体趋势及其变化规律，从而实现对电力系统中宽频振荡的精确辨识和预警。
2.根据权利要求1所述的一种新能源集群接入直流电...
【专利技术属性】
技术研发人员：徐宏雷，高敬更，杨勇，李浒，何欣，郝如海，刘文飞，谢映洲，张旭军，韩凯莉，王琨，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。