[發明專利]基于CNN的電力系統低頻振蕩模態特征的快速辨識方法

有效

• 申請號: 202011068700.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112329535B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 葉圣永;張文濤;魏俊;劉旭娜;劉立揚;韓宇奇;龍川;劉潔穎;李達;趙達維
• 申請（專利權）人: 國網四川省電力公司經濟技術研究院
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06N3/0464;G06N3/08;G06N3/084;H02J3/00
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 張嚴芳

本發明公開了基于CNN的電力系統低頻振蕩模態特征的快速辨識方法，提供一種更加適用于高比例可再生能源并網電力電子化系統中相對復雜的運行工況與振蕩環境的識別方法，包括：根據EDSs數學模型生成LFO樣本數據，采用時域特征提取的算法對LFO樣本數據進行預處理操作；根據辨識要求確立分類準則，按照分類準則劃分標記LFO樣本數據以供后續網絡訓練與測試；搭建CNN模型，輸入訓練樣本進行網絡訓練，通過測試樣本分類準確率確定網絡訓練完成與否；將待測LFO信號經滑窗取樣輸入CNN，通過輸出分析完成對LFO頻率以及衰減因子模態特征的辨識。本發明具有對電力系統低頻振蕩模態特征快速辨識等優點。

技術領域

本發明涉及電力系統穩定與控制技術領域，具體涉及基于卷積神經網絡(convolutional neural network，CNN)的電力系統低頻振蕩(low frequencyoscillation，LFO)模態特征的快速辨識方法。

背景技術

隨著電網規模日漸擴大、長距離交直流系統互聯、可再生能源并網發電比例 的提高，電力系統低頻振蕩的問題日益突出，嚴重危及電力系統的安全穩定運行。 近年來，電力系統發生低頻振蕩的現象層出不窮。一旦發生了低頻振蕩，往往會 觸發輸電線路的距離保護，嚴重的時候則會損壞設備，甚至導致系統解列。因此， 低頻振蕩辨識及低頻振蕩抑制一直是電力工作者所關心的問題。

目前，電力系統低頻振蕩辨識主要是模態辨識，對應的方法分為基于模型的 方法和基于實測信號的方法。由于無需系統精確的模型和參數，后者在電力系統 中得到了廣泛應用。常見算法有基于快速傅里葉變換(fast fourier transformation， FFT)的算法、小波分析、Prony、希爾伯特-黃變換(HHT)等以及近年來發展起來 的借助旋轉不變技術估計信號參數(ESPRIT:estimation of signal parameters via rotational invariancetechnique),矩陣束方法(MP:matrix pencil algorithm),隨機子 空間方法(SSI:stochastic subspace identification)等。經過多年的研究與改進，這些 方法可以較為準確地獲取系統的模態，在抗噪性上也有一定的效果，但在辨識的 數學機理上，這些算法將被測信號視作平穩隨機過程，并且往往需要采集數秒鐘 乃至數分鐘的數據。隨著可再生能源并網比例的提高以及大量的電力電子設備接 入電網，由于可再生能源出力往往具有隨機性、間歇性和不可控性以及電力電子 設備有別于傳統同步發電機的快速動態響應的特性，電力系統面臨的振蕩局面更 加復雜。振蕩發生的機理、頻率范圍、影響因素和表象等，均有別于傳統的以同 步發電機為主的電力系統。在這種背景下，傳統電力系統中低頻振蕩信號近似平 穩的假設難以保證，亟需發展新的低頻振蕩辨識方法來適應電力系統的發展。

近年來，深度學習(deep learning，DL)發展迅猛，在眾多領域已經得到了成 功的應用。在低頻振蕩辨識方面，也有學者開展了探索性的研究。有研究提出使 用深度學習算法識別電力系統低頻振蕩模態的階數。還有研究提出指數型衰減正 弦神經網絡(exponentially damped sinusoids neural network，EDSNN)的辨識方法。 但這些研究，均存在對被測振蕩信號非平穩性特性考慮不足的缺陷。目前，同步 相量測量單元(PMU)的廣域測量系統(WAMS)在電力系統中獲得了廣泛應用，為 低頻振蕩分析提供了數據來源，讓深度學習在電力系統低頻振蕩模態辨識方面的 應用成為可能。同時，由于事先通過大量的數據學習，深度學習的引入還使得低 頻振蕩模態辨識具有神經網絡類算法的共同優點——辨識速度迅速。而這往往是 系統狀態強時變的高比例可再生能源并網電力系統中迫切需要的一個特點。因 此，隨著可再生能源滲透率的進一步提高，電力系統中的振蕩模式愈發頻繁且復 雜，如何借鑒深度學習算法實現低頻振蕩模態的在線快速辨識，成為了一個亟待 解決的技術問題。

發明內容

本發明的目的在于針對高比例可再生能源并網的電力電子化系統中易出現 的復雜振蕩現象，提供一種分析準確，設計合理的基于CNN的低頻振蕩模態特 征的快速辨識方法。本發明可通過下述技術方案實現。