硕士论文-电力系统低频振荡分析方法研究.pdf

长沙理工大学硕士学位论文电力系统低频振荡分析方法研究姓名：唐颖杰申请学位级别：硕士专业：电力系统及其自动化指导教师：竺炜20090520摘要我国电网正处于高速发展时期，随着跨区电网越来越多，系统低频振荡问题也更加突出。振荡模式分析是低频振荡研究的基础，目前一般采用两种途径进行分析，即实测数据分析和基于系统模型的特征值分析。本文对这两种途径的分析方法进行了研究，针对前一种途径，采用了基于神经网络的改进Prony算法进行振荡主导模式识别；针对后一种途径，采用了基于神经网络的特征值求取，以识别基于模型的系统低频振荡模式。小波分析算法以及Prony分析算法提取振荡信号特征参数方面的优缺点，分析了Prony算法的优势。阐述了Prony算法的原理和计算步骤，分析了传统的Prony算针对传统的Prony算法在分析振荡波形中所存在的缺陷，特别是噪声干扰和求振荡幅值作为权值，基于神经网络进行训练，实现对电力系统低频振荡模式的Prony算法能有效去除干扰，能可靠、准确地识别主导模式，适用于含有噪声的为对复杂波形进行精确采样，实际上一般采用变步长采样方法。本文针对变步长采样的复杂振荡波，采用三次样条插值函数来调整虚拟采样步长，以适应在基于系统模型的特征值分析中，高阶特征方程求解不易。QR方法采用全特征值求解，从全部特征根中鉴定出机电模式，不会漏掉任何振荡模式。但如果系统较大时，容易出现计算的极限，发生“维数灾"。如采用非全特征值求解分析时，又容易产生“丢根"。本文采用基于神经网络的高阶非线性方程求解法，对高阶特征方程求解。将具体算例的分析表明该方法能对高阶方程可靠求解；基于该方法的6机22节点和10机39节点系统的振荡模式识别分析，证明该方法分析有文中分析比较了基于现场实测数据进行分析的信号处理方法。比较了FFT、法在理想情况下的精确性。非平稳信号对算法精确度的影响。采用了一种新的改进Prony算法，该算法将待识别。该算法克服了传统Prony算法抗干扰较差的问题。仿真结果表明，该改进振荡信号的识别。Prony算法的等步长分析要求。效准确。关键词：低频振荡；主导模式；Prony；神经网络；特征值分析；ABSTRACTquickly．Withtransform，Wavelets，Pronyadjustthemoreproblemsystemisprominent．Themodes·attwobasedSystemmodel。inpaper．twomethodsformeraIgorithmwasidentifydominantmodewereseekmothedsexperimentalmethodexplainedcomparedcommonlvmotheds，Fourieralgorithmlowsimulationtime。variantalgorithm．Aimprovedmode．Theamplitudesweightsovercomeanti．Jamminginalgorithm．Thesystem．sampleaccuratelyComplexwaveforms,actually，thesamplingcomplexfunctionstep，whichrequirementalgorithm．China’Spowergridsdevelopingappearanceofandinterregionalgrids，thefrequencyoscillationanalysislow—frequencyoscillations0scillationpresent，ittakeswaysgeneral，thatAnalysismeasureddataeigenvaluethiskindsanalyticalstudied．Toway,Pronyneuralnetworkusedfoscillation，tolatterwaY，elgenvalueslow。frequencymodel．Inpaper，analysisespeciallyduringresearchdiscussed．Throughtthreeanalysis．InordershowPronybetter，Pronyintroductedoscillations．TheresultthatPronVsuitableundernearlVnoiseexactly．Aimingdeficiencybyusingtraditionanalysesignal，especiallyinfluencesignalnewadoptedforidentifyingunknowntrainednetwork，topoorshowsremoveinterferenceeffectively，reli