论文部分内容阅读
随着可再生能源互联结构的日益扩大、柔性交直流输电的大规模投建以及直流配网技术的蓬勃发展,全球电网进入了一个大区联网和整体资源优化配置的新形态电力系统时期。高放大倍数快速励磁系统的大量使用虽有效提升了电力系统暂态稳定性和电压质量,但同时导致系统内弱联网增多,加剧了欠阻尼低频振荡的发生。通过广域测量系统对低频振荡信号进行监测时,我们发现振荡信号与系统随机波动的形态较为接近并时常混杂噪声,这使得振荡信号与噪声和随机波动难以区分。与此同时,电力系统低频振荡信号是典型的多分量混噪信号,这给低频振荡信号特征提取工作带来了较大困难。因此,精确提取噪声背景下低频振荡各主导模式信息对提升电力系统监视功能以及保证电网安全稳定运行具有重要意义。本文将近几年提出的具有较强非平稳信号处理能力的变分模态分解算法和经验小波变换算法作为采集信号的预处理算法,并结合随机共振理论实现对电力系统低频振荡信号的特征在线辨识。本文首先针对低频振荡信号的特性,对传统的低频振荡信号预处理算法--经验模态分解法的原理进行了介绍,鉴于该方法处理低频振荡信号时极易造成模态混叠、丢失和失真的现象,同时该方法的抗噪性能较差,文中引入了变分模态分解算法和经验小波变换算法,这两类方法具有较强的理论基础和非平稳信号的处理能力。为了使这两种算法在电力系统低频振荡分析中具有更好的适用性,文中提出了基于带宽总和限定的变分模态分解法和基于平顶包络镜面延拓的经验小波变换法,实现了对低频振荡信号主导模态的自适应有效提取。然后,结合随机共振基本经典理论的分析,文中建立了 Duffing振子广义调参随机共振非线性系统处理模型,并提出随机共振反演识别技术。实现了电力系统低频振荡信号噪声能量向待测信号的转移,从而加强待测信号特征,完成了低频振荡各主导模态特征信息的有效提取。与其他方法滤除噪声的想法不同,该方法在参数和非线性系统达到合理匹配的情况下,可以实现噪声能量转移到待测信号,凸显待测信号特征。该方法在低频振荡信号处理的成功应用给电力系统低频振荡模态辨识分析方面提供了新的思路。最后,本文通过将本文提出的方法应用在IEEE16机68节点的仿真系统和电网实际算例分析中,验证了本文方法的有效性,同时通过对比传统方法Prony法、HHT法以及VMD-Hilbert等方法,表明本文所提方法具有良好的噪声鲁棒性和提取精度,同时满足在线识别的要求,具有一定的工程应用价值。