Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis

DING Jiong; ZHU Jiebei; ZHANG Miao; BIAN Yinan; YU Lujie; JIA Hongjie

doi:10.7500/AEPS20240717004

您当前的位置：

首页 >

文章列表页 >

Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis

Basic Research | 更新时间：2025-07-04

- Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis
- Automation of Electric Power Systems Vol. 49, Issue 12, Pages: 79-90(2025)
- 作者机构：
  
  1.智能电网教育部重点实验室（天津大学），天津市 300072
  2.国网大连供电公司，辽宁省大连市 116001
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(U23B20123)
- DOI：10.7500/AEPS20240717004
  CLC：
- Received：17 July 2024，
  
  Revised：2025-02-10，
  
  Published Online：27 March 2025，
  
  Published：25 June 2025
- 稿件说明：
移动端阅览
丁炅,朱介北,张淼等.数据驱动型振荡模式预测方案及谐振抑制分析[J].电力系统自动化,2025,49(12):79-90.

DING Jiong,ZHU Jiebei,ZHANG Miao,et al.Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis[J].Automation of Electric Power Systems,2025,49(12):79-90.
丁炅,朱介北,张淼等.数据驱动型振荡模式预测方案及谐振抑制分析[J].电力系统自动化,2025,49(12):79-90. DOI： 10.7500/AEPS20240717004.

DING Jiong,ZHU Jiebei,ZHANG Miao,et al.Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis[J].Automation of Electric Power Systems,2025,49(12):79-90. DOI： 10.7500/AEPS20240717004.

摘要

为实现对新型电力系统小干扰稳定性的快速评估，抑制潜在的模式谐振，文中提出一种基于测量信号和运行场景信息的数据驱动型振荡模式预测(DOMP)方案。首先，基于多通道测量信号辨识系统在历史运行场景下的振荡模式，解决模型训练过程中的数据来源问题。其次，基于深度极限学习机算法建立系统振荡模式预测模型，以历史数据中的场景信息为输入、振荡模式的辨识结果为输出，对预测模型进行训练与准确性评估，提高DOMP方案的预测准确性。基于DOMP的模式预测结果可优化系统控制参数，避免系统在运行过程中产生模式谐振，提高系统的小干扰稳定性。通过IEEE 39节点模型，验证了所提DOMP方案可通过场景信息快速、准确地预测系统在未来场景下的振荡模式，进而通过参数优化抑制系统在运行过程中产生的模式谐振，提高系统稳定性。

Abstract

To assess the small-signal stability of new power system rapidly and mitigate potential mode resonances

a data-driven oscillation mode prediction (DOMP) scheme based on measurement signals and operation scenario information is proposed. First

based on system oscillation modes of the multi-channel measurement signal identification system in historical operating scenarios

the issue of data sources during model training is resolved. Then

based on deep extreme learning machine algorithm

a system oscillation mode prediction model is established

which takes scenario information from historical data as input and identification results of oscillation modes as output to train and evaluate the accuracy of the prediction model

thereby improving the prediction accuracy of the DOMP scheme. Based on the mode prediction results of DOMP

the system control parameters are optimized to avoid mode resonances during operation

and improve the small-signal stability of the system. Through the IEEE 39-bus model

it is verified that the proposed DOMP scheme can quickly and accurately predict the oscillation mode of the system in future scenarios based on scenario information

and then mitigate the mode resonance generated during system operation through parameter optimization to improve system stability.

关键词

Keywords

references

康重庆，姚良忠 . 高比例可再生能源电力系统的关键科学问题与理论研究框架［J］. 电力系统自动化， 2017 ， 41 （ 9 ）： 2 - 11 .

KANG Chongqing ， YAO Liangzhong . Key scientific issues and theoretical research framework for power systems with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 9 ）： 2 - 11 .

徐式蕴，王一鸣，孙华东，等 . 国外新能源脱网事故对中国电网安全稳定运行的启示［J］. 电力系统自动化， 2024 ， 48 （ 13 ）： 1 - 8 .

XU Shiyun ， WANG Yiming ， SUN Huadong ， et al . Insights from renewable energy outage accidents abroad for secure and stable operation of power grids in China ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 13 ）： 1 - 8 .

LIU H K ， XIE X R ， HE J B ， et al . Subsynchronous interaction between direct-drive PMSG based wind farms and weak AC networks ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 6 ）： 4708 - 4720 .

王伟胜，林伟芳，何国庆，等 . 美国得州2021年大停电事故对我国新能源发展的启示［J］. 中国电机工程学报， 2021 ， 41 （ 12 ）： 4033 - 4042 .

WANG Weisheng ， LIN Weifang ， HE Guoqing ， et al . Enlightenment of 2021 Texas blackout to the renewable energy development in China ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 12 ）： 4033 - 4042 .

孙华东，许涛，郭强，等 . 英国“8·9”大停电事故分析及对中国电网的启示［J］. 中国电机工程学报， 2019 ， 39 （ 21 ）： 6183 - 6192 .

SUN Huadong ， XU Tao ， GUO Qiang ， et al . Analysis on blackout in Great Britain power grid on August 9th， 2019 and its enlightenment to power grid in China ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 21 ）： 6183 - 6192 .

XIONG L S ， LIU X K ， LIU Y H ， et al . Modeling and stability issues of voltage-source converter-dominated power systems： a review ［J］. CSEE Journal of Power and Energy Systems ， 2022 ， 8 （ 6 ）： 1530 - 1549 .

KONG L ， XUE Y S ， QIAO L ， et al . Review of small-signal converter-driven stability issues in power systems ［J］. IEEE Open Access Journal of Power and Energy ， 2021 ， 9 ： 29 - 41 .

李凯斌，陈磊，闵勇，等 . 基于类噪声量测数据的自动发电控制振荡模式辨识方法［J］. 电力系统自动化， 2022 ， 46 （ 23 ）： 76 - 82 .

LI Kaibin ， CHEN Lei ， MIN Yong ， et al . Identification method for automatic generation control oscillation mode based on ambient measurements ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 23 ）： 76 - 82 .

李洋麟，江全元，颜融，等 . 基于卷积神经网络的电力系统小干扰稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 2 ）： 50 - 57 .

LI Yanglin ， JIANG Quanyuan ， YAN Rong ， et al . Small-signal stability assessment of power system based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 2 ）： 50 - 57 .

MA J ， DONG Z Y ， ZHANG P . Comparison of BR and QR eigenvalue algorithms for power system small signal stability analysis ［J］. IEEE Transactions on Power Systems ， 2006 ， 21 （ 4 ）： 1848 - 1855 .

YANG D ， AJJARAPU V . Critical eigenvalues tracing for power system analysis via continuation of invariant subspaces and projected Arnoldi method ［C］// 2007 IEEE Power Engineering Society General Meeting ， June 24-28 ， 2007 ， Tampa， USA ： 1 - 9 .

竺炜，马建伟，曾喆昭，等 . 分段傅里叶神经网络的低频振荡模式识别方法［J］. 电力系统保护与控制， 2012 ， 40 （ 15 ）： 40 - 45 .

ZHU Wei ， MA Jianwei ， ZENG Zhezhao ， et al . Low frequency oscillation mode recognition based on segmental Fourier neural network algorithm ［J］. Power System Protection and Control ， 2012 ， 40 （ 15 ）： 40 - 45 .

王渝红，王馨瑶，廖建权，等 . 交直流电网宽频振荡产生、辨识及抑制研究综述［J］. 高电压技术， 2023 ， 49 （ 8 ）： 3148 - 3162 .

WANG Yuhong ， WANG Xinyao ， LIAO Jianquan ， et al . Review of generation， identification and suppression of wide-band oscillation in AC-DC power system ［J］. High Voltage Engineering ， 2023 ， 49 （ 8 ）： 3148 - 3162 .

张俊峰，杨婷，陈珉，等 . 基于Prony滑动平均窗算法的电力系统低频振荡特征分析［J］. 电力自动化设备， 2018 ， 38 （ 10 ）： 178 - 183 .

ZHANG Junfeng ， YANG Ting ， CHEN Min ， et al . Power system low-frequency oscillation characteristic analysis based on Prony moving average window algorithm ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 10 ）： 178 - 183 .

朱先贤，赵帅，贾宏杰 . 基于高阶累积量的改进Prony低频振荡辨识方法［J］. 电力系统及其自动化学报， 2017 ， 29 （ 9 ）： 1 - 8 .

ZHU Xianxian ， ZHAO Shuai ， JIA Hongjie . Improved Prony method based on higher-order cumulant for low frequency oscillation detection ［J］. Proceedings of the CSU-EPSA ， 2017 ， 29 （ 9 ）： 1 - 8 .

喻敏，王斌，陈绪轩，等 . 同步挤压小波变换在电力系统低频振荡模态参数提取中的应用［J］. 电工技术学报， 2017 ， 32 （ 6 ）： 14 - 20 .

YU Min ， WANG Bin ， CHEN Xuxuan ， et al . Application of synchrosqueezed wavelet transform for extraction of the oscillatory parameters of low frequency oscillation in power systems ［J］. Transactions of China Electrotechnical Society ， 2017 ， 32 （ 6 ）： 14 - 20 .

姜涛，刘博涵，李雪，等 . 基于自适应投影多元经验模态分解的电力系统强迫振荡源定位［J］. 电工技术学报， 2023 ， 38 （ 13 ）： 3527 - 3538 .

JIANG Tao ， LIU Bohan ， LI Xue ， et al . Forced oscillation location in power systems using adaptive projection intrinsically transformed multiple empirical mode decomposition ［J］. Transactions of China Electrotechnical Society ， 2023 ， 38 （ 13 ）： 3527 - 3538 .

SEPPÄNEN J M ， TURUNEN J ， KOIVISTO M ， et al . Modal analysis of power systems through natural excitation technique ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 4 ）： 1642 - 1652 .

WANG Z W ， SHEN C ， LIU F . Probabilistic analysis of small signal stability for power systems with high penetration of wind generation ［J］. IEEE Transactions on Sustainable Energy ， 2016 ， 7 （ 3 ）： 1182 - 1193 .

ARCHER B A ， ANNAKKAGE U D ， JAYASEKARA B ， et al . Accurate prediction of damping in large interconnected power systems with the aid of regression analysis ［J］. IEEE Transactions on Power Systems ， 2008 ， 23 （ 3 ）： 1170 - 1178 .

ZHANG J B ， CHUNG C Y ， HAN Y D . Online damping ratio prediction using locally weighted linear regression ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 3 ）： 1954 - 1962 .

ZHANG J B ， CHUNG C Y ， WANG Z J ， et al . Instantaneous electromechanical dynamics monitoring in smart transmission grid ［J］. IEEE Transactions on Industrial Informatics ， 2016 ， 12 （ 2 ）： 844 - 852 .

DU W J ， CHEN X ， WANG H F . Power system electromechanical oscillation modes as affected by dynamic interactions from grid-connected PMSGs for wind power generation ［J］. IEEE Transactions on Sustainable Energy ， 2017 ， 8 （ 3 ）： 1301 - 1312 .

陈骁，杜文娟，王海风 . 开环模式谐振条件下直驱风机接入引发电力系统宽频振荡的研究［J］. 中国电机工程学报， 2019 ， 39 （ 9 ）： 2625 - 2636 .

CHEN Xiao ， DU Wenjuan ， WANG Haifeng . Analysis on wide-range-frequency oscillations of power systems integrated with PMSGs under the condition of open-loop modal resonance ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 9 ）： 2625 - 2636 .

ZHU J B ， DING J ， BU S Q ， et al . Resonance area-based PMSG controller optimization under energy scenario variations ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 2 ）： 4587 - 4599 .

LUO J Q ， BU S Q ， ZHU J B . A novel PMU-based adaptive coordination strategy to mitigate modal resonance between full converter-based wind generation and grids ［J］. IEEE Journal of Emerging and Selected Topics in Power Electronics ， 2021 ， 9 （ 6 ）： 7173 - 7182 .

ALMUNIF A ， FAN L L ， MIAO Z X . A tutorial on data-driven eigenvalue identification： Prony analysis， matrix pencil， and eigensystem realization algorithm ［J］. International Transactions on Electrical Energy Systems ， 2020 ， 30 （ 4 ）： e12283 .

谭增强，牛拥军，李元昊，等 . 基于麻雀算法和深度极限学习机的NO x 预测研究［J］. 中国电机工程学报， 2022 ， 42 （增刊1 ）： 187 - 192 .

TAN Zengqiang ， NIU Yongjun ， LI Yuanhao ， et al . Research on NO x prediction of thermal power plant based on SSA-DELM ［J］. Proceedings of the CSEE ， 2022 ， 42 （ S1 ）： 187 - 192 .

LIANG N Y ， HUANG G B ， SARATCHANDRAN P ， et al . A fast and accurate online sequential learning algorithm for feedforward networks ［J］. IEEE Transactions on Neural Networks ， 2006 ， 17 （ 6 ）： 1411 - 1423 .

程乐峰，余涛，张孝顺，等 . 机器学习在能源与电力系统领域的应用和展望［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 15 - 31 .

CHENG Lefeng ， YU Tao ， ZHANG Xiaoshun ， et al . Machine learning for energy and electric power systems： state of the art and prospects ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 15 - 31 .

SHIN H C ， ORTON M R ， COLLINS D J ， et al . Stacked autoencoders for unsupervised feature learning and multiple organ detection in a pilot study using 4D patient data ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2013 ， 35 （ 8 ）： 1930 - 1943 .

曾亮，雷舒敏，王珊珊，等 . 基于OVMD-SSA-DELM-GM模型的超短期风电功率预测方法［J］. 电网技术， 2021 ， 45 （ 12 ）： 4701 - 4712 .

ZENG Liang ， LEI Shumin ， WANG Shanshan ， et al . Ultra-short-term wind power prediction based on OVMD-SSA-DELM-GM model ［J］. Power System Technology ， 2021 ， 45 （ 12 ）： 4701 - 4712 .

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 dynamic power system ［M］. Beijing ： Tsinghua University Press ， 2002 .

ZHENG L M ， JIA K ， WU W Q ， et al . Cosine similarity based line protection for large scale wind farms Part Ⅱ—the industrial application ［J］. IEEE Transactions on Industrial Electronics ， 2022 ， 69 （ 3 ）： 2599 - 2609 .

贾俊平 . 应用统计学［M］. 北京：高等教育出版社， 2014 .

JIA Junping . Applied statistics ［M］. Beijing ： Higher Education Press ， 2014 .

MOEINI A ， KAMWA I ， BRUNELLE P ， et al . Open data IEEE test systems implemented in SimPowerSystems for education and research in power grid dynamics and control ［C］// 2015 50th International Universities Power Engineering Conference （UPEC）， September 1-4 ， 2015 ， Stoke on Trent， UK ： 1 - 6 .

IEEE standard for synchrophasor measurements for power systems： C37.118.1—2011 ［S］. 2011 .

DIgSILENT . DIgSILENT PowerFactory user manual ［EB/OL］. ［ 2024-05-02 ］. https：//www.digsilent.de https://www.digsilent.de .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Prediction Model for User Number in Power Outage Caused by Wind Disaster for Distribution Networks Based on High-efficient Data Dimensionality Reduction

Voltage Regulation Strategy for Active Distribution Network Based on Multi-agent Deep Reinforcement Learning

Related Author

DING Jiong

ZHU Jiebei

ZHANG Miao

Hui HOU

Shaohua ZHU

Jufang YU

Xianqiang LI

Ruizeng WEI

Related Institution

School of Automation, Wuhan University of Technology

Zhejiang Electric Power Design Institute Co., Ltd., China Energy Engineering Group

Guangdong Key Laboratory of Electric Power Equipment Reliability, Electric Power Research Institute of Guangdong Power Grid Co., Ltd.

School of Electrical and Power Engineering, Hohai University

Electric Power Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

⁰