基于广域多通道量测信号的低频振荡模态参数辨识与安全预警方法研究

The existing low frequency oscillation modal parameter identification methods using WAMS signals have poor effects on noised, non-stationary and time-varying oscillation signals, especially in the resistance of colored Gaussian noise and algorithm efficiency. In addition, the present low frequency oscillation monitoring and early-warning methods focus mainly on alarm analysis after accidents and don’t really play a role in early-warning. In view of these, this project will study as follows:1) An improved TLS-ESPRIT method will be studied for modal parameter identification, which has the abilities of robustness and flexibility; 2) A MIMO signal analysis method will be studied which has excellent parallel computing ability and be able to quickly and accurately obtain dominant oscillation mode characteristics; 3) A comprehensive early-warning index considering system stability margin, risk and signal energy weight will be established. This project will be good for building a reliable and efficient low frequency oscillation monitoring and early-warning system and can provide technical supports for dispatchers, which is the trend for stability control technologies.

针对目前基于WAMS量测信号的低频振荡模态参数辨识方法对含噪声、非平稳时变的振荡信号处理效果欠佳，尤其在抗有色高斯噪声及算法计算效率方面仍有待提高，且基于WAMS量测信号的低频振荡监测预警分析主要侧重事故后的告警分析，并未真正意义上起到预警作用的特点，本项目研究内容包括：1）研究一种较强鲁棒性和适应性的改进型TLS-ESPRIT的低频振荡模态参数辨识方法；2）针对现有WAMS系统中低频振荡模态参数辨识是基于SISO信号分析法，存在遗漏关键振荡模式和计算效率偏低的特点，研究一种具有较为出色的并行计算能力，能显著提高主导模式辨识速度和精度的MIMO信号分析法；3）研究一种综合考虑系统安全稳定裕度、系统风险、模式信号能量权重因子的综合预警指标。该项目的研究可望建立一个可靠高效的低频振荡监视与预警体系，为调度运行人员决策提供重要依据与技术支持，也是稳控技术研究的发展趋势。

针对目前基于WAMS量测信号的低频振荡模态参数辨识方法对含噪声、非平稳时变的振荡信号处理效果欠佳，尤其在抗有色高斯噪声及算法计算效率方面仍有待提高，且基于WAMS量测信号的低频振荡监测预警分析主要侧重事故后的告警分析，并未真正意义上起到预警作用的特点，本课题组对广域多通道量测信号的低频振荡模态参数辨识与安全预警方法进行了初步研究。. 对于模态参数辨识方法精确度的研究上，为克服传统方法对非线性非高斯系统信号中噪声处理的缺点，本课题组提出了一种基于粒子滤波算法与改进的EMD分解—EEMD分解法相结合的新方法。所提方法首先利用粒子滤波将非线性非高斯系统的初始信号的噪声去除，减少了噪声对后续操作的影响，再采用EEMD 分解对去噪后的信号进行分解得到此征模态分量IMF，进而对此征模态分量IMF 计算出瞬时频率，从而得出低频振荡的模式。通过算例仿真分析表明文中方法的可行性及有效性，并通过与Prony 分析算法得到的结果进行了对比，验证了该方法的正确性。. 对于广域多通道量测信号的低频振荡模态参数辨识的研究上，由于现有WAMS系统中低频振荡模态参数辨识是基于SISO信号分析法，存在遗漏关键振荡模式和计算效率偏低的特点，本课题组研究了一种具有较为出色的并行计算能力，能显著提高主导模式辨识速度和精度的MIMO信号分析法。该方法将用于滚动轴承故障诊断的共振稀疏分解（RSSD）和应用于混合图像分离的独立分量法（ICA）结合引入电力系统，实现低频振荡模态辨识。据此还搭建了3机9节点和2区域4机模型，为建立一个可靠高效的低频振荡监视与预警体系提供了重要基础。