论文部分内容阅读
随着电力系统规模不断扩大和大区联网推进,大量采用高增益的励磁调节器以改善发电机电压调节精度和系统稳定性,均使得电网低频振荡现象时有出现,严重威胁系统的正常运行。因此,低频振荡已成为限制大区电网互联的一个重要因素,准确、及时的低频振荡模式辨识对大电网的安全稳定运行具有重要的意义。随着广域测量系统在电力系统中广泛应用,为低频振荡模式在线辨识提供了实时的数据平台。因此,一类不依赖于系统模型,而仅基于系统实测信号的低频振荡模式方法成为国内外研究的热点。本文首先从系统辨识角度,归纳了基于实测信号的低频振荡模式辨识所需的三个要素:类噪声信号、ARMA(Autoregressive Moving Average,ARMA)模型以及求解ARMA模型参数的递推算法;并详细论述了类噪声信号用于低频振荡模式辨识的可行性、ARMA模型的相关基础理论以及低频振荡模式参数的计算原理。其次,本文在ARMA模型参数估计的常规递推算法基础上,对ARMA模型采用加权递推最小二乘算法拟合高阶AR(Autoregressive,AR)模型单独得到白噪声估值,并将它们用于常规加权递推增广最小二乘算法,得到一种改进的ARMA递推参数估计方法,以提高参数估计的精度及收敛速度。结合低频振荡模式辨识的三要素,本文还提出了一种低频振荡模式辨识方法,具体包含有五个部分:类噪声信号的选取、数据预处理、AR及ARMA模型阶数的确定、ARMA模型参数的估计、低频振荡模式的计算及主导模式的提取。最后,本文通过采用MATLAB以及Power System Analysis Toolbox软件包进行白噪声扰动下的时域仿真,模拟电力系统类噪声信号;并分别对平稳状态及发生大扰动下两种情况的类噪声信号进行低频振荡模式辨识,验证本文辨识方法的有效性及改进效果。而且,本文还采用了南方电网某传输线上的有功功率信号进行辨识,并与Prony算法分析动态信号所得模式结果进行比较,验证本文辨识方法的辨识效果。通过对本文算法的计算原理以及算例计算速度的分析,说明本文所提低频振荡模式辨识方法适合于在线应用。