20260304-东北电力大学-电力行业_数据驱动的电力系统强迫振荡源定位_37页_4mb

报告摘要

本报告围绕电力系统中强迫振荡源的定位问题展开，提出了一种基于数据驱动的方法，以提高强迫振荡源的定位精度与效率。传统模型驱动方法在面对振荡模式的时变性、多模态性以及量测噪声干扰等问题时存在局限，因此引入数据驱动技术对广域量测信息进行分析，实现更准确的振荡源识别。

强迫振荡源定位的重要性：
强迫振荡是威胁电网安全稳定运行的重要因素，其具有起振快、随机性强、快速平息等特性。快速准确定位强迫振荡源是抑制其影响的关键。
传统方法的局限性：
传统耗散能量流方法在处理时变振荡模式、多模态特征和噪声干扰时存在精度和效率的限制。
数据驱动方法的优势：
采用多元经验模态分解（MEMD）与多元变分模态分解（MVMD）等技术，实现对多通道量测信息的同步分解与自适应提取，提升强迫振荡分量的识别能力。
时域与频域定位方法：
- 时域定位方法：基于MEMD提取IMF分量，结合Teager能量计算，实现强迫振荡源的识别。
- 频域定位方法：利用Parseval定理，将耗散能量流推广至频域，提高定位效率与频率估计精度。
- 时-频域定位方法：引入同步压缩变换（SST）技术，实现对时变振荡模式的分析，提升频率估计精度与定位准确性。
性能提升策略：
通过引入多元变分模态分解（MVMD），构建多通道量测信息矩阵，计算各IMF分量的能量权重，从而提升强迫振荡源定位的鲁棒性与效率。

强迫振荡分量提取：
采用多元经验模态分解（MEMD）对多通道量测信息进行同步分解，提取出具有高Teager能量的IMF分量作为强迫振荡分量。相较于单通道方法，计算效率更高。
时域定位流程：
- 构建量测信息矩阵 $\boldsymbol{X}_j$；
- 利用MEMD分解为多个IMF分量；
- 基于Teager能量筛选强迫振荡IMF分量；
- 计算耗散能量流 $W_{\Phi, DF, m}$，定位强迫振荡源。
频域定位方法：
- 基于Parseval定理，将传统耗散能量流扩展至频域；
- 对各电气量进行STFT变换，获取复数矩阵；
- 通过计算耗散能量谱 $E_j$，识别主导振荡频率；
- 在频域中分析能量谱，定位强迫振荡源。
时-频域定位方法：
- 引入同步压缩变换（SST），对时域信号进行时-频分析；
- 在时-频域中计算耗散能量流 $E_{f, CWT}^{\Phi}$ 和 $E_{j, SWT}^D$；
- 提取时-频域中能量为负且绝对值最大的节点作为强迫振荡源。
性能提升：
- 采用多元变分模态分解（MVMD）方法，构建多通道量测信息矩阵；
- 计算各IMF分量的能量权重，提高信号分解的准确性；
- 在系统可观性受限情况下，仍能有效识别振荡源。

结论：
所提方法通过数据驱动的方式，结合MEMD、MVMD和SST等技术，实现了对电力系统中强迫振荡源的高精度、高效率定位，适用于时变、多模态和高噪声干扰场景。
展望：
未来可进一步优化算法在大规模电网中的应用，提升其计算效率与鲁棒性，拓展至更多类型振荡源的识别，为电力系统安全运行提供更有力的技术支持。

展开完整摘要