[發明專利]基于廣域測量類噪聲信號的電力系統節點間相位關系辨識方法

有效

• 申請號: 200910088226.0
• 申請日: 2009-07-13
• 公開（公告）號: CN101609480A
• 公開（公告）日: 2009-12-23
• 發明（設計）人: 陸超;吳超;韓英鐸
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;H02J3/00
• 代理公司: 北京眾合誠成知識產權代理有限公司
• 代理人: 朱 琨

1.基于廣域測量類噪聲信號的電力系統節點間相位關系辨識方法，其特征在于，是一種通過時間序列預測分析方法處理類噪聲信號，以辨識低頻振蕩模式下節點間相位關系的一種計算機處理方法，在計算機中依次按以下步驟實現：

步驟(1)：計算機初始化：

在所述計算機中建立以下模塊：

電力系統仿真模塊，至少含有發電機、負荷、變壓器三種節點類型，

基于時間序列預測分析方法的類噪聲信號的自回歸滑動平均ARMA模型法建模模塊，求解各節點類噪聲信號對應ARMA模型的自回歸AR部分和滑動平均MA部分參數，

低頻振蕩模式下節點間相位關系辨識模塊，基于所述各節點類噪聲信號對應ARMA模型AR部分和MA部分參數，計算各節點系統響應信號對應ARMA模型的Green函數系數，進而計算低頻振蕩模式下各節點之間的相位關系；

步驟(2)：向仿真電力系統中負荷處注入小幅隨機擾動時序信號{a_t}，a_t是所述小幅隨機擾動信號在t時刻的元素，采集所述各節點的系統響應類噪聲信號{x_t}，其中t＝1，2…N，N為所述系統響應時序信號{x_t}的數據個數；

步驟(3)：建立所述類噪聲信號的自回歸滑動平均ARMA模型：

步驟(3.1)：按下式計算平穩零均值時序信號{x_tcp0}：

x_tcp0為所述時序{x_tcp0}在t時刻的元素，

步驟(3.2)：按下式建立所述平穩零均值時序信號{x_tcp0}的ARMA模型：

其中：?為所述自回歸AR部分模型參數，g為所述自回歸AR部分的階數，θ₁，…，θ_q為所述滑動平均MA部分模型參數，q為所述滑動平均MA部分的階數，1≤q＜g≤50，

步驟(3.3)：按下式計算所述自回歸AR部分參數?

其中：k為延遲步數，k＝q+1，q+2，…，q+g，R_k為所述平穩零均值時序信號{x_tcp0}的自協方差函數，

步驟(3.4)：借助于后移算子B建立所述自回歸AR部分的特征方程式：

設有時序{w_t}，則由此AR部分特征方程式可表示為：

所述特征方程式?的特征根為λ_i，i＝1，2…，g，

步驟(3.5)：借助于所述后移算子B建立所述滑動平均MA部分的特征方程式：

當θ(B)用MA部分特征根η_j表示時，j＝1，2…，q，

步驟(3.6)：基于時序{x_tcp0}構造一個新的時序{y_t}：

其中：y_t表示時序{y_t}在t時刻的元素，?θ₀＝-1，

上式表明只需采用MA模型對時序{y_t}建模，若采用ARMA模型形式表示，其AR部分的B算子多項式?時序{y_t}的譜密度函數為：

當時，S_yy(ω)＝0，

又按譜密度函數表達式得到：

其中：T為采樣周期，ω為角頻率，

求解得到q個根?進而得到MA部分特征根η_j，j＝1，2…，q，

步驟(3.7)：基于步驟(3.5)得到的滑動平均MA部分B算子多項式：

把步驟(3.6)得到的η_j值代入，解得所述MA部分模型參數θ₁，…，θ_q；

步驟(4)：用所述低頻振蕩模式下節點間相位關系分析模塊辨識節點間相位關系：

步驟(4.1)：基于步驟(3.4)得到的所述自回歸AR部分特征根λ_i、步驟(3.6)得到的所述滑動平均MA部分的特征根η_j，按下式計算所述類噪聲信號對應ARMA模型的Green函數G_γ及對應特征根λ_i的Green函數系數ρ_i：

其中：γ＝0，1，…∞，l＝1，2，…，g，l≠i，

步驟(4.2)：同步采集系統內H個節點的類噪聲信號，建立ARMA模型，分別計算對應特征根λ_i的Green函數系數ρ_h，i，h表示節點的序號，h＝1，2，…H，根據系統振蕩模態向量和ARMA模型Green函數系數向量之間的比例關系，辨識得到低頻振蕩模式下節點間相位關系。

2.根據權利要求1所述的基于廣域測量噪聲信號的電力系統節點間相位關系辨識方法，其特征在于，所述的電力系統響應的時序信號{x_t}是頻率信號，或功率信號，或電壓信號，或電流信號，或功角信號；所述的時間序列預測分析方法是自回歸AR模型法，或滑動平均MA模型法，或自回歸滑動平均ARMA模型法，或差分自回歸滑動平均ARIMA模型法，或帶外輸入的自回歸ARX模型法、或帶外輸入的自回歸滑動平均ARMAX模型法。?