基于NExT-DMD的电力系统机电振荡参数提取

• 作者: 高晗 蔡国伟 杨德友 王丽馨
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 小干扰稳定 随机响应 动态模式分解 自然激励技术 模式跟踪
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电力系统|Power System
• 页码范围: 284-291
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2021.0039

摘要

电力系统随机响应中蕴含丰富的系统动态特征信息,基于系统随机响应所提取的机电特征参数能够准确反映互联电网机电小干扰稳定性.文章在深入分析环境激励下随机响应信号特征基础上,提出了基于自然激励技术的动态模式分解算法(nature excitation technology based dynamic mode decomposition,NExT-DMD)以提取电力系统机电小干扰特征参数.NExT-DMD采用自然激励技术预处理随机响应信号,获得具有明显振荡特征的振荡分量,有效改善动态模式分解算法(dynamic mode decomposition,DMD)存在的噪声鲁棒性差的问题.进而采用DMD从获得的自由振荡信号中有效提取机电特征参数(振荡频率、阻尼比和模态振型).IEEE 16机系统和某实际电网量测数据验证了所提方法的可行性和有效性;与随机子空间辨识算法和基于自然激励技术的特征系统实现算法相比,该方法在模式参数提取的精度和跟踪性能方面具有较好的表现,为电力系统机电小干扰稳定评估提供了一种切实可行的新途径.