Ambient Data-driven On-line Evaluation Method of Power System Small Signal Stability

Shuyu ZHOU; Guowei CAI; Deyou YANG; Lixin WANG

doi:10.7500/AEPS20210630003

您当前的位置：

首页 >

文章列表页 >

Ambient Data-driven On-line Evaluation Method of Power System Small Signal Stability

Special Topic on Data-Driven Methods for Modernizing Power Systems | 更新时间：2025-06-16

- Ambient Data-driven On-line Evaluation Method of Power System Small Signal Stability
- Automation of Electric Power Systems Vol. 46, Issue 1, Pages: 94-100(2022)
- 作者机构：
  
  东北电力大学电气工程学院，吉林省吉林市 132012
- 作者简介：
- 基金信息：
- DOI：10.7500/AEPS20210630003
  CLC：
- Received：30 June 2021，
  
  Revised：2021-08-19，
  
  Published Online：26 October 2021，
  
  Published：10 January 2022
- 稿件说明：
移动端阅览
周书宇,蔡国伟,杨德友等.随机数据驱动的电力系统小干扰稳定在线评估方法[J].电力系统自动化,2022,46(1):94-100.

ZHOU Shuyu,CAI Guowei,YANG Deyou,et al.Ambient Data-driven On-line Evaluation Method of Power System Small Signal Stability[J].Automation of Electric Power Systems,2022,46(1):94-100.
周书宇,蔡国伟,杨德友等.随机数据驱动的电力系统小干扰稳定在线评估方法[J].电力系统自动化,2022,46(1):94-100. DOI： 10.7500/AEPS20210630003.

ZHOU Shuyu,CAI Guowei,YANG Deyou,et al.Ambient Data-driven On-line Evaluation Method of Power System Small Signal Stability[J].Automation of Electric Power Systems,2022,46(1):94-100. DOI： 10.7500/AEPS20210630003.

摘要

系统自然激励下的随机响应数据中蕴含丰富的机电行为特征信息，准确地从随机响应数据中辨识小干扰稳定特征参数对于指导电力系统安全稳定运行具有重要现实意义。文中提出了随机数据驱动下基于子空间最优模式分解的小干扰稳定特征参数在线辨识算法。该算法通过对输入数据进行基于正交投影的矩阵线性变换得到其奇异子阵，并利用共轭梯度算法迭代求解最佳低维正交空间，以实现奇异子阵之间高维映射矩阵的最优低维近似，根据最优低维映射矩阵的特征值分解结果可以准确获得系统小干扰稳定特征参数，即振荡频率、阻尼比、模态。基于正交投影的矩阵线性变换以及共轭梯度法的引入使得动态模式分解法能较好地适应随机响应数据。IEEE 16机68节点系统和实际系统量测数据的计算和分析验证了所提算法的有效性和准确性。

Abstract

The ambient data under the natural excitation of the system contains rich electromechanical characteristic information. Accurate identification of small signal stability characteristic parameters from ambient data is of great practical significance for guiding the safe and stable operation of the power system. An on-line identification algorithm of small signal stability characteristic parameters driven by ambient data based on subspace optimal mode decomposition (Sub-OpMD) is proposed. The algorithm obtains the singular sub-matrix by the matrix linear transformation of the input data based on the orthogonal projection

and the conjugate gradient algorithm is used to iteratively solve the optimal low-dimensional orthogonal space to achieve the optimal low-dimensional approximation of the high-dimensional mapping matrix between singular sub-matrices. According to the eigenvalue decomposition result of the optimal low-dimensional matrix

the small signal stability characteristic parameters of the system can be accurately obtained

i.e.

the oscillation frequency

damping ratio and mode. The matrix linear transformation based on orthogonal projection and the introduction of conjugate gradient method make the dynamic mode decomposition (DMD) method better adapt to the ambient data. The calculation and analysis of IEEE 16-generator 68-bus system and actual system measured data verify the effectiveness and accuracy of the proposed algorithm.

关键词

Keywords

references

丁仁杰，沈钟婷 . 基于EMO-EDSNN的电力系统低频振荡模态辨识［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 122 - 131 .

DING Renjie ， SHEN Zhongting . Power system low frequency oscillation mode identification based on exact mode order-exponentially damped sinusoids neural network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 122 - 131 .

YANG Deyou ， WANG Lixin ， CAI Guowei ， et al . Synchronized ambient output-only based online inter-area transfer capability assessment considering small signal stability ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 1 ）： 261 - 270 .

HWANG J K ， SHIN J . Identification of interarea modes from ambient data of phasor measurement units using an autoregressive exogenous model ［J］. IEEE Access ， 2021 ， 9 ： 45695 - 45705 .

LIU H ， ZHU L ， PAN Z ， et al . ARMAX-based transfer function model identification using wide-area measurement for adaptive and coordinated damping control ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 3 ）： 1105 - 1115 .

吴超，陆超，韩英铎，等 . 计及模型定阶的低频振荡模式类噪声信号辨识［J］. 电力系统自动化， 2009 ， 33 （ 21 ）： 1 - 6 .

WU Chao ， LU Chao ， HAN Yingduo ， et al . Power system oscillation modes estimation based on ambient signals considering model order selection ［J］. Automation of Electric Power Systems ， 2009 ， 33 （ 21 ）： 1 - 6 .

WANG Lixin ， YANG Deyou ， CAI Guowei ， et al . Synchronised ambient data-driven electromechanical oscillation modes extraction for interconnected power systems using the output-only observer/Kalman filter identification method ［J］. IET Generation， Transmission & Distribution ， 2020 ， 14 （ 19 ）： 4000 - 4009 .

高洁，李群湛，汪佳，等 . 基于NExT-ERA与SSI-DATA环境激励下的低频振荡辨识方法比较［J］. 电力自动化设备， 2016 ， 36 （ 1 ）： 89 - 96 .

GAO Jie ， LI Qunzhan ， WANG Jia ， et al . Comparison of low-frequency oscillation identification between NExT-ERA and SSI-DATA ambient excitation methods ［J］. Electric Power Automation Equipment ， 2016 ， 36 （ 1 ）： 89 - 96 .

吴超，曹广忠 . 基于随机减量技术和Prony方法的低频振荡类噪声辨识［J］. 电力系统自动化， 2013 ， 37 （ 8 ）： 53 - 58 .

WU Chao ， CAO Guangzhong . Low frequency oscillation ambient signals identification based on random decrement technique and Prony method ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 8 ）： 53 - 58 .

王祥超，张鹏，甄威，等 . 基于自然激励技术和TLS-ESPRIT方法的低频振荡模式辨识［J］. 电力系统自动化， 2015 ， 39 （ 10 ）： 75 - 80

WANG Xiangchao ， ZHANG Peng ， ZHEN Wei ， et al . Identification of low frequency oscillation modes based on NExT and TLS-ESPRIT algorithm ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 10 ）： 75 - 80 .

谢剑，成业，王晓茹 . 基于NExT和PRCE方法的低频振荡分析［J］. 电工技术学报， 2018 ， 33 （ 1 ）： 121 - 130 .

XIE Jian ， CHENG Ye ， WANG Xiaoru . Estimation of electromechanical oscillation modes based on NExT-PRCE method ［J］. Transactions of China Electrotechnical Society ， 2018 ， 33 （ 1 ）： 121 - 130 .

陈刚，段晓，张继红，等 . 基于ARMA模型的低频振荡模式在线辨识技术研究［J］. 电网技术， 2010 ， 34 （ 11 ）： 48 - 54 .

CHEN Gang ， DUAN Xiao ， ZHANG Jihong ， et al . A new approach for online identification of low frequency oscillation modes based on auto-regressive moving-average model ［J］. Power System Technology ， 2010 ， 34 （ 11 ）： 48 - 54 .

SEPPÄNEN J ， AU S ， TURUNEN J ， et al . Bayesian approach in the modal analysis of electromechanical oscillations ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 1 ）： 316 - 325 .

LI K ， CHEN L ， YU Z ， et al . Improvement of electromechanical mode identification from ambient data with stochastic subspace method ［C］// IEEE PES Asia-Pacific Power and Energy Engineering Conference ， December 1-4 ， 2019 ， Macao， China ： 1 - 6 .

杨德友，王文嘉，高际惟，等 . 随机数据驱动下的机电振荡参数在线提取与阻尼调制：（一）基于ORSSI的模态参数在线辨识［J］. 中国电机工程学报， 2018 ， 38 （ 8 ）： 2253 - 2261 .

YANG Deyou ， WANG Wenjia ， GAO Jiwei ， et al . On-line electromechanical oscillation analysis and damping modulation for power system using ambient data： Part Ⅰ modal parameters identification based on ORSSI ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 8 ）： 2253 - 2261 .

BAROCIO E ， PAL B C ， THORNHILL N F ， et al . A dynamic mode decomposition framework for global power system oscillation analysis ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 6 ）： 2902 - 2912 .

SCHMID P ， SESTERHENN J . Dynamic mode decomposition of numerical and experimental data ［C］// 61st Annual Meeting of the APS Division of Fluid Dynamics ， November 23-25 ， 2008 ， San Antonio， USA .

TAKEISHI N ， KAWAHARA Y ， YAIRI T . Subspace dynamic mode decomposition for stochastic Koopman analysis ［J］. Physical Review ， 2017 ， 96 （ 3 ）： 330 - 310 .

WYNN A ， PEARSON D S ， GANAPATHISUBRAMANI B ， et al . Optimal mode decomposition for unsteady flows ［J］. Journal of Fluid Mechanics ， 2013 ， 733 ： 473 - 503 .

GOULART P J ， WYNN A ， PEARSON D . Optimal mode decomposition for high dimensional systems ［C］// IEEE 51st IEEE Conference on Decision and Control （CDC）， December 10-13 ， 2012 ， Maui， USA ： 4965 - 4970 .

倪以信，陈寿孙，张宝霖 . 动态电力系统的理论和分析［M］. 北京：清华大学出版社， 2002 .

NI Yixin ， CHEN Shousun ， ZHANG Baolin . Theory and analysis of power system dynamics ［M］. Beijing ： Tsinghua University Press ， 2002 .

ZHOU N ， TRUDNOWSKI D J ， PIERRE J W ， et al . Electromechanical mode online estimation using regularized robust RLS methods ［J］. IEEE Transactions on Power Systems ， 2008 ， 23 （ 4 ）： 1670 - 1680 .

WILTSHIRE R A ， LEDWICH G ， O’SHEA P . A Kalman filtering approach to rapidly detecting modal changes in power systems ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 4 ）： 1698 - 1706 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

Guowei CAI

Related Institution

No data

⁰