基于經驗模態分解的電力系統機電振蕩模式識別方法研究

摘 要：當前機電振蕩模式識別多采用粒子濾波算法，此方法易受到信號高頻成分波動影響，導致識別準確性較低。為此，提出了基于經驗模態分解的電力系統機電振蕩模式識別方法。該方法對原始振蕩信號進行去噪處理，還原真實信號，采用經驗模態分解算法分解信號，并提取振蕩參數，通過設計閾值門限準則，抑制高頻波動，以此為依據，計算求取不同振蕩模式下的狀態參數，由此實現機電振蕩模式的識別。對比實驗結果表明，在電力系統機電振蕩模式識別中，該方法具有更高的識別準確性。

關鍵詞：經驗模態分解；電力系統；振蕩模式；識別方法

中圖分類號：TM712? ? 文獻標志碼：A? ? 文章編號：1671-0797（2023）13-0015-04

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

0? ? 引言

由于電力系統規模日益擴大，大型機電勵磁系統的振蕩問題不斷增多，嚴重影響電力系統的安全穩定運行。準確且快速辨識出機電振蕩模式，對電網的振蕩特性分析與抑制具有重要意義。

文獻[1]基于噪聲量數據，對其中的同步相量單元進行提取，作為識別模型的輸入數據，確定不同時段內振蕩模式的變化閾值，以此實現振蕩模式識別，但該方法的模型階數對結果的影響較大，且抗噪能力較低。文獻[2]提出了以負荷模式能量為基礎的識別方法，該方法在表示精度與抗噪性方面更具優勢，但對于動態變化性較大的電力系統而言，其無法準確表示信號的阻尼比，且在求解狀態空間矩陣時比較依賴系統模型，限制了識別效率。

針對以上方法的不足，本文利用經驗模態分解算法研究并設計了機電振蕩模式識別方法，以期從多角度把握電力系統機電振蕩特性，為振蕩模式的識別研究提供新思路。

1? ? 電力系統機電振蕩模式識別方法設計

1.1? ? 振蕩信號去噪

機電振蕩信號大多是不穩定信號，當出現頻率混淆和重疊時，實際輸出信號通常包含異常信息。如果不消除，將影響后續參數提取并造成干擾。因此，有必要對原始信號進行去噪，以最小化噪聲的干擾，恢復真實信號的特性，然后提高信噪比，以便進一步處理。

傳統的信號去噪方法會在消除噪聲干擾的同時濾除有價值的信息，從而使最終的識別誤差更大[3]。綜合考慮，本文選擇小波閾值去噪方法對原始信號進行去噪。假定存在以下離散含噪聲的信號模型：

x=s+ε（1）

式中：x為含噪信號；s為有價值信號；ε為單一噪聲。

其中，s與ε是相互獨立的，且均滿足正態分布。

對式（1）進行離散小波變換，由于小波變換屬于直接線性變換，因此，原始信號的變換結果為價值信號變換與噪聲信號變換的疊加，即：

2? ? 實驗論證分析

2.1? ? 實驗準備

在實驗中，利用一個16機系統的仿真數據分析并驗證該方法的正確性和優越性。

16機仿真系統是用于研究電力系統機電低頻振蕩的經典系統。該系統包括16臺發電機、68條總線和86條線路，可以通過調節系統機電振蕩的阻尼比來穩定電力系統的運行。發電機采用詳細模型，且所有發電機均配有勵磁和PSS，負載為恒功率負載。

將信噪比為5 dB的高斯白噪聲添加到信號中，根據經驗模態分解特性，僅保留頻率為0.1～2.5 Hz的模態分量。因此，僅取相關數大于0.5的分量，并計算它們與原始信號之間的相關系數，然后將本文提出的算法用于識別振蕩模式。

2.2? ? 實驗說明

16機系統可分為5個區域：區域1包含發電機G1～G9，區域2包含發電機G10～G13，發電機G14、G15和G16分別位于區域3、區域4和區域5。在Matlab提供的電力系統工具箱PST中建立了16機系統模型，并求解系統狀態矩陣的特征值。已知在16機系統中有4種區域間振蕩模式，其振蕩模式參數如表1所示。

為了更好地區分上述4種振蕩模式，假設在區域間振蕩模式中不存在發電機角速度的相互振蕩。實驗中設置的擾動參數如下：近端在0.12 s時截止，遠端在0.2 s時截止；模擬持續時間為20 s。

2.3? ? 實驗結果分析

將仿真得到的16臺發電機角速度變化量作為模式識別算法的輸入，輸入信號時間尺度設為15 s。采用文獻[1]基于類噪聲量測數據方法的振蕩模式識別（方法1）、文獻[2]基于負荷模式能量的振蕩模式識別（方法2）與本文方法分別對該機電系統的4種振蕩模式進行識別，對不同方法得到的識別準確性進行對比，結果如圖2所示。

根據圖2可知，本文方法識別出的振蕩模式與原始振蕩模式幾乎一致，而方法1與方法2的識別結果與實際值存在較大偏差，識別準確性較低。由于算例中添加的頻率波動干擾為標準的模型函數，具有高頻諧波噪聲，方法1與方法2忽略了振蕩范圍在諧波噪聲條件下范圍有限的特點，故無法準確地識別出主導模式。由此可以說明，本文方法能夠準確地對電力系統機電振蕩模式進行有效識別。

3? ? 結束語

本文以經驗模態分解算法為依托，提出一種電力系統機電振蕩模式識別方法。利用系統仿真數據對該方法進行了分析與驗證，結果表明，將該方法應用于機電振蕩模式識別中，可得到較高的識別準確率。該方法能夠為電力系統相關人員制定振蕩控制策略提供重要參考。

[參考文獻]

[1] 李凱斌，陳磊，閔勇，等.基于類噪聲量測數據的自動發電控制振蕩模式辨識方法[J].電力系統自動化，2022，46（23）：76-82.

[2] 劉鋮，王旭，張宇馳.基于負荷模式能量的永磁風機電網功率振蕩特性分析[J].東北電力大學學報，2022，42（4）：70-78.

[3] 金森，張若兵，杜鋼.考慮振蕩波衰減特性的電纜局放模式識別方法[J].高電壓技術，2021，47（7）：2583-2590.

[4] 張思彤，梁紀峰，馬燕峰，等.直驅風電場經柔性直流輸電并網的寬頻振蕩特性分析[J].電力系統保護與控制，2022，50（14）：33-42.

[5] 張程，邱炳林.基于可調Q因子小波變換與稀疏時域法的電力系統低頻振蕩模態辨識[J].電力系統保護與控制，2022，50（13）：63-72.

[6] 王冬云，張建剛，陳繼剛.基于ICA的多通道低頻振蕩模式識別方法[J].電子器件，2021，44（4）：903-906.

收稿日期：2023-03-02

作者簡介：杜丹躍（1986—），女，廣東汕頭人，工程師，研究方向：機電工程。