本發(fā)明涉及電力系統(tǒng)中的系統(tǒng)穩(wěn)定分析領(lǐng)域，具體涉及一種應(yīng)用于多通道電力系統(tǒng)信號中的低頻振蕩模式識別的分析方法。
背景技術(shù)：
：隨著我國電力工業(yè)的不斷發(fā)展，電力系統(tǒng)規(guī)模不斷擴(kuò)大，已經(jīng)發(fā)展成了大區(qū)域互聯(lián)電網(wǎng)?；ヂ?lián)電網(wǎng)有利于提高發(fā)輸電的運(yùn)行經(jīng)濟(jì)性和可靠性，但區(qū)域之間電網(wǎng)的互聯(lián)有可能引發(fā)低頻振蕩現(xiàn)象。在采用勵(lì)磁控制器的條件下，低頻振蕩發(fā)生的機(jī)率不斷提高，如果無法很好地對低頻振蕩進(jìn)行抑制，電力系統(tǒng)的穩(wěn)定性將遭到破壞。而目前，WAMS系統(tǒng)中的低頻振蕩模態(tài)參數(shù)辨識模塊的主要功能是對基于單輸出的PMU信號進(jìn)行獨(dú)立分析，基于單輸入單輸出SISO信號分析方法最終將模態(tài)參數(shù)辨識結(jié)果進(jìn)行機(jī)械匯總，卻并未突出主導(dǎo)模式的特征參數(shù)，存在遺漏關(guān)鍵振蕩模式的隱患，且計(jì)算效率偏低。對于多通道MIMO系統(tǒng)，現(xiàn)有的分析方法無法有效地進(jìn)行分析，所以對MIMO系統(tǒng)進(jìn)行低頻振蕩的模式分析具有重要的現(xiàn)實(shí)意義。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是：針對上述現(xiàn)有技術(shù)的不足，提供一種應(yīng)用于多通道電力系統(tǒng)信號中的低頻振蕩模式識別的分析方法，該方法將獨(dú)立分量分析算法(ICA算法)與粒子濾波算法相結(jié)合地進(jìn)行分析，能提高多通道系統(tǒng)分析的可靠性以及精確度。為解決以上技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：一種應(yīng)用于多通道電力系統(tǒng)信號中的低頻振蕩模式識別的分析方法，該方法步驟如下：步驟1、獲取多通道電力系統(tǒng)低頻振蕩時(shí)的振蕩源信號，該振蕩源信號為低頻振蕩時(shí)電網(wǎng)的頻率、電壓或電流值，該振蕩源信號S(t)＝[S1(t),S2(t),…,SN(t)]T由N維相互獨(dú)立的分量振蕩源信號組成，且各分量振蕩源信號中最多只有一個(gè)高斯分布，表示為X(t)＝BS(t)+n(t)，其中，t為離散時(shí)間變量，X(t)為M維傳感器接收到的觀測信號集合，即X(t)＝[X1(t),X2(t),…,XN(t)]T，B為M×N階未知混合矩陣，n(t)為M維觀測噪聲向量；步驟2、將振蕩源信號用獨(dú)立分量分析算法進(jìn)行分離，得到能量相互獨(dú)立的統(tǒng)計(jì)獨(dú)立分量Yj，j＝1,……，m，該m為需要估計(jì)的獨(dú)立分量的個(gè)數(shù)；上述提及的采用獨(dú)立分量分析算法將振蕩源信號分離的過程為現(xiàn)有技術(shù)，在此不再贅述，但是獨(dú)立分量分析算法一般應(yīng)用在信號處理方面，于低頻振蕩領(lǐng)域較少。步驟3、對各個(gè)統(tǒng)計(jì)獨(dú)立分量進(jìn)行自相關(guān)分析(為現(xiàn)有技術(shù))，消除非周期噪聲即消除觀測噪聲n(t)的影響；步驟4、采用粒子濾波算法對消除非周期噪聲的統(tǒng)計(jì)獨(dú)立分量進(jìn)行分解，得到各統(tǒng)計(jì)獨(dú)立分量的低頻振蕩參數(shù)幅值A(chǔ)、頻率f、相位φ、衰減系數(shù)α，從而得到各通道的低頻振蕩模式，具體過程如下：a、根據(jù)已消除非周期噪聲的統(tǒng)計(jì)獨(dú)立分量進(jìn)行計(jì)算，得到幅值、相位和衰減系數(shù)，并根據(jù)該統(tǒng)計(jì)獨(dú)立分量建立狀態(tài)方程和觀測方程，選取幅值A(chǔ)、頻率f、相位和衰減系數(shù)α作為粒子，并由該些粒子構(gòu)成粒子集；上述提及的狀態(tài)方程(xk＝Fxk-1+uk-1)和觀測方程(yk＝Gxk+vk)可根據(jù)微分方程、傳遞函數(shù)、方框圖等來建立，為現(xiàn)有技術(shù)，具體建立過程可參考文獻(xiàn)：《大系統(tǒng)狀態(tài)方程標(biāo)準(zhǔn)型的建立》，張福恩，信息與控制；或《衛(wèi)星跟蹤衛(wèi)星重力觀測方程的建立》，羅佳，武漢大學(xué)學(xué)報(bào)。其中，F(xiàn)、G分別為狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣，xk為系統(tǒng)狀態(tài)，yk為觀測值，uk為過程噪聲，vk為觀測噪聲。b、對粒子集進(jìn)行初始化，將粒子集初始權(quán)值均設(shè)定為1/N，再從初始化后的粒子集中根據(jù)先驗(yàn)概率密度函數(shù)p(x)生成采樣粒子(采樣粒子的生成為現(xiàn)有技術(shù))；然后選取狀態(tài)變量的轉(zhuǎn)移概率密度函數(shù)作為重要性概率密度函數(shù)q(x)；c、將采樣粒子根據(jù)重要性概率密度函數(shù)q(x)進(jìn)行重要性采樣：(1)先從采樣粒子中依據(jù)重要性概率密度函數(shù)q(x)隨機(jī)抽取N個(gè)粒子，計(jì)算該些粒子的未歸一化權(quán)值計(jì)算公式為(表示k時(shí)刻的粒子的先驗(yàn)概率密度函數(shù)與k時(shí)刻的重要性概率密度函數(shù)的比值)，其中，i為1-N的正整數(shù)；文中的k皆指低頻振蕩過程中的某個(gè)時(shí)刻，用k表示；并根據(jù)計(jì)算得到的未歸一化權(quán)值更新隨機(jī)抽取的粒子權(quán)值；(2)對更新后的粒子權(quán)值進(jìn)行歸一化，歸一化計(jì)算公式為以得到歸一化權(quán)值d、根據(jù)歸一化權(quán)值采用下式計(jì)算有效粒子數(shù)Neff，有效粒子數(shù)的值必須大于設(shè)定的閾值Nthres，否則重采樣；然后根據(jù)有效粒子數(shù)對應(yīng)的歸一化權(quán)值更新粒子集；其中，有效粒子數(shù)的計(jì)算公式如下：上述提及的重要性采樣是在有限的采樣次數(shù)內(nèi)，盡量讓采樣點(diǎn)覆蓋對積分貢獻(xiàn)很大的點(diǎn)。而重采樣是為了克服重要性采樣中存在的權(quán)值退化問題，其計(jì)算過程為現(xiàn)有技術(shù)。根據(jù)以上重要性采樣得到的粒子權(quán)值，剔除權(quán)重較小的粒子，復(fù)制權(quán)重較大的粒子，從而得到新的粒子集。e、重復(fù)步驟c～d，直至迭代結(jié)束，迭代次數(shù)設(shè)定為H，H初始值為50次；f、根據(jù)公式x為系統(tǒng)的狀態(tài)，y表示觀測信號，及公式δ(·)表示狄拉克delta函數(shù)，以估計(jì)出系統(tǒng)狀態(tài)，得出濾波后的狀態(tài)概率分布，并根據(jù)該狀態(tài)概率分布得到最優(yōu)估計(jì)粒子，從而得到系統(tǒng)各個(gè)通道的最優(yōu)估計(jì)值即最優(yōu)估計(jì)粒子的低頻振蕩參數(shù)幅值A(chǔ)、頻率f、相位和衰減系數(shù)α的值；低頻振蕩模式的阻尼比(已消除非周期噪聲的統(tǒng)計(jì)獨(dú)立分量信號的阻尼比及阻尼比的最優(yōu)估計(jì)值)可根據(jù)上述低頻振蕩參數(shù)幅值A(chǔ)、頻率f、相位和衰減系數(shù)α通過下式計(jì)算得到，以參與各通道的低頻振蕩模式進(jìn)行分析：g、將得到的系統(tǒng)各個(gè)通道的最優(yōu)估計(jì)值的集合與步驟1中獲取的振蕩源信號進(jìn)行擬合，確定各個(gè)通道的低頻振蕩模式的各個(gè)參數(shù)，同時(shí)根據(jù)最優(yōu)估計(jì)值計(jì)算信噪比，若信噪比＞20％，則將步驟e的迭代次數(shù)設(shè)置為H+10，重復(fù)步驟c～步驟g，直至信噪比≤20％，迭代終止；若信噪比≤20％，則辨識出各通道的低頻振蕩模式。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)或有益效果：本發(fā)明方法能夠?qū)Χ嗤ǖ赖皖l振蕩信號進(jìn)行模態(tài)參數(shù)辨識，能夠突出主導(dǎo)模式的特征參數(shù)，減小遺漏關(guān)鍵振蕩模式的概率，并且提高了計(jì)算效率，能夠更好的估計(jì)出多通道低頻振蕩信號的各個(gè)參數(shù)。具體實(shí)施方式本發(fā)明為一種應(yīng)用于多通道電力系統(tǒng)信號中的低頻振蕩模式識別的分析方法，該方法將ICA算法與粒子濾波算法相結(jié)合進(jìn)行多通道電力系統(tǒng)信號中的低頻振蕩模式識別分析，其具體步驟如下：步驟1、獲取多通道電力系統(tǒng)低頻振蕩時(shí)的振蕩源信號，該振蕩源信號為低頻振蕩時(shí)電網(wǎng)的頻率、電壓或電流值，該振蕩源信號S(t)＝[S1(t),S2(t),…,SN(t)]T由N維相互獨(dú)立的分量振蕩源信號組成，且各分量振蕩源信號中最多只有一個(gè)高斯分布，表示為X(t)＝BS(t)+n(t)，其中，t為離散時(shí)間變量，X(t)為M維傳感器接收到的觀測信號集合，即X(t)＝[X1(t),X2(t),…,XN(t)]T，B為M×N階未知混合矩陣，n(t)為M維觀測噪聲向量；步驟2、將振蕩源信號用獨(dú)立分量分析算法進(jìn)行分離，得到能量相互獨(dú)立的統(tǒng)計(jì)獨(dú)立分量Yj，j＝1,……，m，該m為需要估計(jì)的獨(dú)立分量的個(gè)數(shù)；步驟3、對各個(gè)統(tǒng)計(jì)獨(dú)立分量進(jìn)行自相關(guān)分析，消除非周期噪聲即消除觀測噪聲n(t)的影響；步驟4、采用粒子濾波算法對消除非周期噪聲的統(tǒng)計(jì)獨(dú)立分量進(jìn)行分解，得到各統(tǒng)計(jì)獨(dú)立分量的低頻振蕩參數(shù)幅值A(chǔ)、頻率f、相位φ、衰減系數(shù)α，從而得到各通道的低頻振蕩模式，具體過程如下：a、根據(jù)已消除非周期噪聲的統(tǒng)計(jì)獨(dú)立分量進(jìn)行計(jì)算，得到幅值、相位和衰減系數(shù)，并根據(jù)該統(tǒng)計(jì)獨(dú)立分量建立狀態(tài)方程和觀測方程，選取幅值A(chǔ)、頻率f、相位和衰減系數(shù)α作為粒子，由該些粒子構(gòu)成粒子集；b、對粒子集進(jìn)行初始化，將粒子集初始權(quán)值均設(shè)定為1/N，再從初始化后的粒子集中根據(jù)先驗(yàn)概率密度函數(shù)p(x)生成采樣粒子；然后選取狀態(tài)變量的轉(zhuǎn)移概率密度函數(shù)作為重要性概率密度函數(shù)q(x)；c、將采樣粒子根據(jù)重要性概率密度函數(shù)q(x)進(jìn)行重要性采樣：(1)先從采樣粒子中依據(jù)重要性概率密度函數(shù)q(x)隨機(jī)抽取N個(gè)粒子，計(jì)算該些粒子的未歸一化權(quán)值計(jì)算公式為其中，i為1-N的正整數(shù)；并根據(jù)計(jì)算得到的未歸一化權(quán)值更新隨機(jī)抽取的粒子權(quán)值；(2)對更新后的粒子權(quán)值進(jìn)行歸一化，歸一化計(jì)算公式為以得到歸一化權(quán)值d、根據(jù)歸一化權(quán)值采用下式計(jì)算有效粒子數(shù)Neff，有效粒子數(shù)的值必須大于設(shè)定的閾值Nthres，否則重采樣；然后根據(jù)有效粒子數(shù)對應(yīng)的歸一化權(quán)值更新粒子集；其中，有效粒子數(shù)的計(jì)算公式如下：e、重復(fù)步驟c～d，直至迭代結(jié)束，迭代次數(shù)設(shè)定為H，H初始值為50次；f、根據(jù)公式x為系統(tǒng)的狀態(tài)，y表示觀測信號，及公式δ(·)表示狄拉克delta函數(shù)，以估計(jì)出系統(tǒng)狀態(tài)，得出濾波后的狀態(tài)概率分布，并根據(jù)該狀態(tài)概率分布得到最優(yōu)估計(jì)粒子，從而得到系統(tǒng)各個(gè)通道的最優(yōu)估計(jì)值即最優(yōu)估計(jì)粒子的低頻振蕩參數(shù)幅值A(chǔ)、頻率f、相位和衰減系數(shù)α的值；g、將得到的系統(tǒng)各個(gè)通道的最優(yōu)估計(jì)值的集合與步驟1中獲取的振蕩源信號進(jìn)行擬合，確定各個(gè)通道的低頻振蕩模式的各個(gè)參數(shù)，同時(shí)根據(jù)最優(yōu)估計(jì)值計(jì)算信噪比，若信噪比＞20％，則將步驟e的迭代次數(shù)設(shè)置為H+10，重復(fù)步驟c～步驟g，直至信噪比≤20％，迭代終止；若信噪比≤20％，則辨識出各通道的低頻振蕩模式。實(shí)施例1獲取4×3通道的電力系統(tǒng)低頻振蕩信號，每一個(gè)通道均包含三個(gè)振蕩模式，各個(gè)模式的具體參數(shù)如表1所示。經(jīng)過本發(fā)明方法，先通過ICA算法進(jìn)行分離，再根據(jù)粒子濾波算法得到最優(yōu)參數(shù)估計(jì)，從而得出低頻振蕩模式。由表2可得出，由本發(fā)明方法得出的參數(shù)與原始參數(shù)非常接近，計(jì)算得出系統(tǒng)信噪比SNR為10.4％，故本發(fā)明方法能有效地辨識低頻振蕩模式的各個(gè)參數(shù)。表1本發(fā)明多通道電力系統(tǒng)低頻振蕩信號各個(gè)模式的原始參數(shù)表模式頻率/Hz幅值/pu衰減系數(shù)相位/rad阻尼比1(通道1)1.11800.5030-14.00000.7420-0.89382(通道1)0.64000.35000.11000.46600.14503(通道1)1.30000.8750-0.86000.9530-0.95301(通道2)3.75700.3620-14.13601.0380-0.51372(通道2)0.50802.0000-0.47001.5770-0.14503(通道2)0.11801.0000-0.6040-3.0080.62901(通道3)0.58800.1220-0.23450.9280-0.06332(通道3)0.69600.4000-0.9390-2.36600.20903(通道3)0.02500.1200-0.20502.7220-0.79301(通道4)0.27352.85650.14900.80900.08642(通道4)0.73002.5700-0.17401.2640-0.62803(通道4)0.43201.3500-0.02000.7056-0.1770表2按本發(fā)明方法得出的參數(shù)表當(dāng)前第1頁1 2 3