基于经验模态分解的电力系统机电振荡模式识别方法研究

摘 要：当前机电振荡模式识别多采用粒子滤波算法，此方法易受到信号高频成分波动影响，导致识别准确性较低。为此，提出了基于经验模态分解的电力系统机电振荡模式识别方法。该方法对原始振荡信号进行去噪处理，还原真实信号，采用经验模态分解算法分解信号，并提取振荡参数，通过设计阈值门限准则，抑制高频波动，以此为依据，计算求取不同振荡模式下的状态参数，由此实现机电振荡模式的识别。对比实验结果表明，在电力系统机电振荡模式识别中，该方法具有更高的识别准确性。

关键词：经验模态分解；电力系统；振荡模式；识别方法

中图分类号：TM712    文献标志码：A    文章编号：1671-0797（2023）13-0015-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.13.004

0    引言

由于电力系统规模日益扩大，大型機电励磁系统的振荡问题不断增多，严重影响电力系统的安全稳定运行。准确且快速辨识出机电振荡模式，对电网的振荡特性分析与抑制具有重要意义。

文献[1]基于噪声量数据，对其中的同步相量单元进行提取，作为识别模型的输入数据，确定不同时段内振荡模式的变化阈值，以此实现振荡模式识别，但该方法的模型阶数对结果的影响较大，且抗噪能力较低。文献[2]提出了以负荷模式能量为基础的识别方法，该方法在表示精度与抗噪性方面更具优势，但对于动态变化性较大的电力系统而言，其无法准确表示信号的阻尼比，且在求解状态空间矩阵时比较依赖系统模型，限制了识别效率。

针对以上方法的不足，本文利用经验模态分解算法研究并设计了机电振荡模式识别方法，以期从多角度把握电力系统机电振荡特性，为振荡模式的识别研究提供新思路。

1    电力系统机电振荡模式识别方法设计

1.1    振荡信号去噪

机电振荡信号大多是不稳定信号，当出现频率混淆和重叠时，实际输出信号通常包含异常信息。如果不消除，将影响后续参数提取并造成干扰。因此，有必要对原始信号进行去噪，以最小化噪声的干扰，恢复真实信号的特性，然后提高信噪比，以便进一步处理。

传统的信号去噪方法会在消除噪声干扰的同时滤除有价值的信息，从而使最终的识别误差更大[3]。综合考虑，本文选择小波阈值去噪方法对原始信号进行去噪。假定存在以下离散含噪声的信号模型：

x=s+ε（1）

式中：x为含噪信号；s为有价值信号；ε为单一噪声。

其中，s与ε是相互独立的，且均满足正态分布。

对式（1）进行离散小波变换，由于小波变换属于直接线性变换，因此，原始信号的变换结果为价值信号变换与噪声信号变换的叠加，即：

2    实验论证分析

2.1    实验准备

在实验中，利用一个16机系统的仿真数据分析并验证该方法的正确性和优越性。

16机仿真系统是用于研究电力系统机电低频振荡的经典系统。该系统包括16台发电机、68条总线和86条线路，可以通过调节系统机电振荡的阻尼比来稳定电力系统的运行。发电机采用详细模型，且所有发电机均配有励磁和PSS，负载为恒功率负载。

将信噪比为5 dB的高斯白噪声添加到信号中，根据经验模态分解特性，仅保留频率为0.1～2.5 Hz的模态分量。因此，仅取相关数大于0.5的分量，并计算它们与原始信号之间的相关系数，然后将本文提出的算法用于识别振荡模式。

2.2    实验说明

16机系统可分为5个区域：区域1包含发电机G1～G9，区域2包含发电机G10～G13，发电机G14、G15和G16分别位于区域3、区域4和区域5。在Matlab提供的电力系统工具箱PST中建立了16机系统模型，并求解系统状态矩阵的特征值。已知在16机系统中有4种区域间振荡模式，其振荡模式参数如表1所示。

为了更好地区分上述4种振荡模式，假设在区域间振荡模式中不存在发电机角速度的相互振荡。实验中设置的扰动参数如下：近端在0.12 s时截止，远端在0.2 s时截止；模拟持续时间为20 s。

2.3    实验结果分析

将仿真得到的16台发电机角速度变化量作为模式识别算法的输入，输入信号时间尺度设为15 s。采用文献[1]基于类噪声量测数据方法的振荡模式识别（方法1）、文献[2]基于负荷模式能量的振荡模式识别（方法2）与本文方法分别对该机电系统的4种振荡模式进行识别，对不同方法得到的识别准确性进行对比，结果如图2所示。

根据图2可知，本文方法识别出的振荡模式与原始振荡模式几乎一致，而方法1与方法2的识别结果与实际值存在较大偏差，识别准确性较低。由于算例中添加的频率波动干扰为标准的模型函数，具有高频谐波噪声，方法1与方法2忽略了振荡范围在谐波噪声条件下范围有限的特点，故无法准确地识别出主导模式。由此可以说明，本文方法能够准确地对电力系统机电振荡模式进行有效识别。

3    结束语

本文以经验模态分解算法为依托，提出一种电力系统机电振荡模式识别方法。利用系统仿真数据对该方法进行了分析与验证，结果表明，将该方法应用于机电振荡模式识别中，可得到较高的识别准确率。该方法能够为电力系统相关人员制定振荡控制策略提供重要参考。

[参考文献]

[1] 李凯斌，陈磊，闵勇，等.基于类噪声量测数据的自动发电控制振荡模式辨识方法[J].电力系统自动化，2022，46（23）：76-82.

[2] 刘铖，王旭，张宇驰.基于负荷模式能量的永磁风机电网功率振荡特性分析[J].东北电力大学学报，2022，42（4）：70-78.

[3] 金森，张若兵，杜钢.考虑振荡波衰减特性的电缆局放模式识别方法[J].高电压技术，2021，47（7）：2583-2590.

[4] 张思彤，梁纪峰，马燕峰，等.直驱风电场经柔性直流输电并网的宽频振荡特性分析[J].电力系统保护与控制，2022，50（14）：33-42.

[5] 张程，邱炳林.基于可调Q因子小波变换与稀疏时域法的电力系统低频振荡模态辨识[J].电力系统保护与控制，2022，50（13）：63-72.

[6] 王冬云，张建刚，陈继刚.基于ICA的多通道低频振荡模式识别方法[J].电子器件，2021，44（4）：903-906.

收稿日期：2023-03-02

作者简介：杜丹跃（1986—），女，广东汕头人，工程师，研究方向：机电工程。