基于廣域測量系統(tǒng)和歸一化峰度在線檢測電網(wǎng)擾動信號

邸 斌，徐玉韜

(1.哈爾濱理工大學(xué)電工電子教學(xué)與實訓(xùn)中心，黑龍江 哈爾濱 150040；2.貴州電力試驗研究院，貴州 貴陽 550002）

0 引言

由同步相量測量單元（Phasor Measurement Unit,PMU）為基本單位組成的廣域測量系統(tǒng)（Wide Area Measurement System, WAMS）的出現(xiàn)，為大規(guī)?；ヂ?lián)電力系統(tǒng)的監(jiān)視、分析和控制提供了新的手段[1-2]。電力系統(tǒng)發(fā)生故障后，WAMS/PMU信號中會出現(xiàn)擾動，基于WAMS/PMU信號的電網(wǎng)擾動在線檢測是電力系統(tǒng)在線安全分析的基礎(chǔ)性環(huán)節(jié)[3-4]。電網(wǎng)擾動的及時發(fā)現(xiàn)可以提示調(diào)度運(yùn)行人員快速采取必要的控制措施，以防止故障范圍的進(jìn)一步擴(kuò)大。擾動信號的特點是隨機(jī)性強(qiáng)、持續(xù)時間短，目前尚無一個統(tǒng)一的檢測方法和標(biāo)準(zhǔn)。常用擾動信號檢測方法有：時域差分法、小波方法、模型差值法、突變量方法、數(shù)學(xué)形態(tài)學(xué)方法等。時域差分法[5]的優(yōu)勢在于算法原理及計算過程相對簡單，在線應(yīng)用之中占空比低，不足之處是差分結(jié)果的奇異性不高，在輸電線路負(fù)荷水平波動較大的情況下，難以準(zhǔn)確檢測擾動信號的全過程，其計算結(jié)果可靠性有待商榷；小波方法[6-7]通過小波變換模極大值理論獲取信號的突變點，較為準(zhǔn)確地得到信號的時間定位，提高了擾動信號檢測的精度，處理奇異信號的能力較強(qiáng)，在擾動信號檢測領(lǐng)域應(yīng)用廣泛，母小波的選取是該方法關(guān)鍵因素，直接影響檢測結(jié)果的精度，在線應(yīng)用中存在一定的局限性；模型差值法[8]建模過程復(fù)雜、計算量大，在線應(yīng)用之中占空比指標(biāo)過高，限制了其實際應(yīng)用價值；突變量方法[9]在擾動信號檢測中應(yīng)用廣泛，但是不適宜大擾動信號的檢測，這是由于大擾動信號隨機(jī)波動大，導(dǎo)致閾值選取復(fù)雜，無法有效判斷，故而也受到一定的局限；數(shù)學(xué)形態(tài)學(xué)方法通過“探針”收集信號的信息，利用“探針”與所檢測信號進(jìn)行匹配測試分析，達(dá)到擾動信號檢測目的，目前已在電能質(zhì)量擾動檢測領(lǐng)域得到了一定的應(yīng)用[10-11]，也有一些學(xué)者將其引入電網(wǎng)PMU信號的擾動檢測領(lǐng)域[12]，但由于擾動閾值設(shè)定較為復(fù)雜，在線應(yīng)用效果有待驗證。

為了解決上述各種擾動信號檢測方法在線應(yīng)用難題，本文首次提出一種基于WAMS/PMU信號的歸一化峰度（Normalization Kurtosis，記為xnk）指標(biāo)，對電網(wǎng)擾動信號進(jìn)行在線檢測的方法。其原理是在對實測信號進(jìn)行標(biāo)準(zhǔn)化處理后，基于滑動窗技術(shù)在線計算標(biāo)準(zhǔn)化信號的歸一化峰度，將結(jié)果與擾動閾值對比，以實現(xiàn)擾動信號在線檢測。該方法的最大特點是：擾動閾值設(shè)置容易（如設(shè)置為8）、計算簡單、適合在線應(yīng)用。IEEE-39節(jié)點系統(tǒng)時域仿真信號和電網(wǎng)實測信號分析表明：該方法計算量小，簡單易行，能有效、可靠地對電網(wǎng)擾動信號在線檢測，具有較高的工程在線實用價值。

1 廣域測量信號及歸一化峰度

1.1 廣域測量信號

電力系統(tǒng)運(yùn)行過程中，WAMS/PMU信號可分為兩種[13-15]：1）穩(wěn)態(tài)信號（Ambient Signal）。由系統(tǒng)穩(wěn)態(tài)運(yùn)行時，持續(xù)存在的負(fù)荷投切等隨機(jī)性質(zhì)小擾動因素引起，如圖1(a)中0~633 s以及647~1 200 s所示。2）動態(tài)信號（Ringdown Signal）。由系統(tǒng)內(nèi)某種短時大擾動引起，如圖1(a)中634~646 s所示。

穩(wěn)態(tài)和動態(tài)這兩種信號均具有一定的隨機(jī)特性，這兩種信號的數(shù)值是不能先驗確定的隨機(jī)變量，但它們的數(shù)值常常服從某種統(tǒng)計規(guī)律，即，可以用概率密度分布特性進(jìn)行描述。

1.2 基于歸一化峰度判斷信號類型

概率密度分布滿足正態(tài)分布的信號為高斯（Gaussian）信號，否則為非高斯（Non-Gaussian）信號[16-17]。文獻(xiàn)[17]指出：歸一化峰度是區(qū)分高斯信號與非高斯信號的量化指標(biāo)，歸一化峰度等于 3的信號稱為高斯信號，小于 3的信號稱為亞高斯（Sub-Gaussian）信號，大于 3的信號稱為超高斯（Super-Gaussian）信號。

對于N個數(shù)據(jù){x(t)}，(t=1,2,…,N)，其歸一化峰度xnk的計算公式為

式中：E表示求均值；E{x4(t)}表示對N個數(shù)據(jù)的4次方求均值；E2{x2(t)}表示對N個數(shù)據(jù)的平方求均值后再進(jìn)行平方。

2 電網(wǎng)擾動在線檢測方案

2.1 電網(wǎng)實測信號分類測試

取南方電網(wǎng)金換線實測有功功率信號（圖1(a)）并進(jìn)行標(biāo)準(zhǔn)化處理[14-15]（圖1(b)），數(shù)據(jù)長度1 200 s，采樣率5 Hz，其中0~633 s以及647~1 200 s為穩(wěn)態(tài)數(shù)據(jù)，634~646 s為動態(tài)數(shù)據(jù)。按照1.1節(jié)WAMS/PMU信號的分類，分為穩(wěn)態(tài)信號、動態(tài)信號和穩(wěn)態(tài)動態(tài)混合信號（測試信號中同時包含穩(wěn)態(tài)和動態(tài)信號）三種類型進(jìn)行測試，結(jié)果見表1~表4。

表1、表2表明，穩(wěn)態(tài)信號或動態(tài)信號的歸一化峰度在3附近小幅波動；表3、表4表明，即使穩(wěn)態(tài)信號與動態(tài)信號的比例不同，穩(wěn)態(tài)動態(tài)混合信號的歸一化峰度也均遠(yuǎn)遠(yuǎn)大于3。

圖1 實測及標(biāo)準(zhǔn)化有功功率Fig. 1 Measured and standardization of active power

表1 穩(wěn)態(tài)信號歸一化峰度Table 1 Normalization kurtosis of ambient signal

表2 動態(tài)信號歸一化峰度Table 2 Normalization kurtosis of ringdown signal

表3 穩(wěn)態(tài)動態(tài)混合信號歸一化峰度Table 3 Normalization kurtosis of mixed signal

表4 穩(wěn)態(tài)動態(tài)混合信號歸一化峰度Table 4 Normalization kurtosis of mixed signal

2.2 基于滑動窗技術(shù)的電網(wǎng)擾動信號檢測流程

為滿足xnk在線計算需求，采用滑動窗[18]技術(shù)。在完成限定數(shù)據(jù)窗內(nèi)信號的xnk計算后，按照滑動步長更新信號，再計算更新后信號的xnk，如圖2所示。

圖2 滑動窗示意圖Fig. 2 Sketch map of sliding window

基于上述分析，可以設(shè)計如圖3所示的電網(wǎng)擾動信號在線檢測方案，在線判斷電網(wǎng)擾動信號情況。

圖3 基于歸一化峰度電網(wǎng)擾動信號在線檢測方案Fig. 3 Scheme of online power system disturbance signal detecting based on normalization kurtosis

判斷依據(jù)如下：

1）若xnk在3附近，表明沒有擾動信號存在。

2）若xnk瞬間發(fā)生跳變（數(shù)值瞬間增大），表明擾動信號剛剛發(fā)生。

3）若 xnk遠(yuǎn)大于 3，表明擾動信號依然存在于當(dāng)前滑動窗內(nèi)。

4）若xnk再次恢復(fù)到3附近，表明擾動信號已經(jīng)完全離開當(dāng)前滑動窗。

3 IEEE-39節(jié)點系統(tǒng)仿真信號算例

采用Matlab的Power System Analysis Toolbox（PSAT）對IEEE-39節(jié)點測試系統(tǒng)（如圖4所示）進(jìn)行仿真測試。

圖4 IEEE-39節(jié)點測試系統(tǒng)Fig. 4 IEEE-39 bus test system

為獲取仿真系統(tǒng)的穩(wěn)態(tài)信號，需要模擬實際電力系統(tǒng)中的隨機(jī)擾動，在仿真系統(tǒng)每個節(jié)點上注入高斯白噪聲。

仿真時間長度1 200 s，信號采樣率20 Hz，在600 s時斷開節(jié)點1-2支路，1 s后恢復(fù)，獲取節(jié)點8-9支路有功功率信號（圖5(a)），然后標(biāo)準(zhǔn)化處理，將標(biāo)準(zhǔn)化信號（圖5(b)）作為后續(xù)分析信號。

圖5 8-9支路仿真及標(biāo)準(zhǔn)化有功功率數(shù)據(jù)Fig. 5 Simulation and standardization of active power of branch 8-9

3.1 20 Hz采樣率信號測試分析

為分析不同長度的滑動窗以及滑動步長對 xnk計算結(jié)果的影響，對圖5(b)信號設(shè)定不同長度的滑動窗和滑動步長進(jìn)行測試?；瑒哟叭? min滑動步長取4 s時、滑動窗取6 min滑動步長取6 s時和滑動窗取8 min滑動步長取8 s時的計算結(jié)果分別如圖6(a)、圖6(b)、圖6(c)所示。圖中xnk計算結(jié)果用“*”表示。

圖6 20 Hz采樣率信號歸一化峰度Fig. 6 Normalization kurtosis of 20 Hz signal

圖6 表明：當(dāng)滑動窗內(nèi)僅包含穩(wěn)態(tài)信號時，xnk在3附近波動，當(dāng)滑動窗內(nèi)同時包含穩(wěn)態(tài)動態(tài)混合信號時，xnk遠(yuǎn)大于3。

圖6對比分析表明：當(dāng)滑動窗內(nèi)包含相同數(shù)量長度的擾動信號時，隨著滑動窗口長度的增大，xnk逐漸增大，這和表4的分析結(jié)果一致。

3.2 降采樣信號測試分析

為了分析不同采樣率信號的 xnk測試結(jié)果，對仿真信號降采樣后用同樣方法測試分析。圖 7(a)、圖7(b)給出了5 Hz采樣率信號在滑動窗取6 min滑動步長取6 s時和滑動窗取8 min滑動步長取8 s時的測試結(jié)果。

圖7 5 Hz采樣率信號歸一化峰度Fig. 7 Normalization kurtosis of 5 Hz signal

降采樣信號測試結(jié)果同樣驗證了圖6分析得到的結(jié)論。對圖6和圖7的部分測試結(jié)果進(jìn)行統(tǒng)計分析，見表5。

表5 歸一化峰度統(tǒng)計結(jié)果Table 5 Statistical result of normalization kurtosis

表5表明：1）信號采樣率相同時，滑動窗口和滑動步長的長度越大，穩(wěn)態(tài)動態(tài)混合信號的 xnk均值越大；2）滑動窗口和滑動步長的長度相同時，信號采樣率越低，穩(wěn)態(tài)動態(tài)混合信號xnk均值越大。

因此，電網(wǎng)擾動信號在線檢測的工程實際應(yīng)用中，應(yīng)適當(dāng)增大滑動窗的長度以保證擾動閾值的可靠性，充分保證電網(wǎng)擾動信號在線檢測的準(zhǔn)確性。

4 電網(wǎng)實測信號算例

取南方電網(wǎng)羅馬線實測有功功率信號（如圖 8所示）進(jìn)行測試，數(shù)據(jù)長度1 200 s，采樣率5 Hz?；瑒哟叭? min滑動步長取4 s時、滑動窗取6 min滑動步長取6 s時和滑動窗取8 min滑動步長取8 s時的計算結(jié)果分別如圖9所示。

圖8 實測有功功率Fig. 8 Measured active power

圖9 實測信號的歸一化峰度Fig. 9 Normalization kurtosis of measured signal

圖9表明：在滑動窗長度取值不同的情況下，本文方法均可準(zhǔn)確判斷電網(wǎng)中是否存在擾動信號。驗證了本文提出的電網(wǎng)擾動信號在線檢測方法的可行性和可靠性。xnk測試情況的統(tǒng)計分析結(jié)果見表6。

表6 歸一化峰度統(tǒng)計結(jié)果Table 6 Statistical result of normalization kurtosis

表6同樣表明：應(yīng)適當(dāng)增大滑動窗的長度，以充分保證電網(wǎng)擾動信號在線檢測的可靠性。

對圖8中的擾動信號的幅值進(jìn)行弱化處理，結(jié)果如圖10所示。再用同樣的方法檢測相對較弱的擾動信號，檢測結(jié)果見圖11。

圖11表明：對相對較弱的擾動信號，本文方法依然可準(zhǔn)確及時地進(jìn)行檢測。

圖10 降幅值實測有功功率Fig. 10 Reduced amplitude of measured active power

圖11 實測信號的歸一化峰度Fig. 11 Normalization kurtosis of measured signal

5 結(jié)論

本文從信號概率分布統(tǒng)計特性出發(fā)，將WAMS/PMU實測信號分為穩(wěn)態(tài)信號、動態(tài)信號以及穩(wěn)態(tài)動態(tài)混合信號三種情況，細(xì)化測試分析了這三種不同類型信號的歸一化峰度指標(biāo)，得到了“穩(wěn)態(tài)信號或動態(tài)信號的歸一化峰度接近于 3，為近似高斯信號；穩(wěn)態(tài)動態(tài)混合信號的歸一化峰度遠(yuǎn)遠(yuǎn)大于3，為超高斯信號”的結(jié)論。

基于上述結(jié)論，結(jié)合滑動窗技術(shù)，提出了一種基于實測信號歸一化峰度指標(biāo)的電網(wǎng)擾動信號在線檢測方法，時域仿真算例和電網(wǎng)實測信號算例分析表明該方法具有普遍適用、簡單有效、計算量小、擾動閾值容易設(shè)置等一系列優(yōu)點，非常適用于在線應(yīng)用，具有較高的工程實用價值。

[1] 周喜超, 智勇, 鄭偉, 等. 基于 WAMS系統(tǒng)的甘肅隴南電網(wǎng)大負(fù)荷擾動試驗[J]. 電力系統(tǒng)保護(hù)與控制,2010, 38(12): 129-131.ZHOU Xi-chao, ZHI Yong, ZHENG Wei, et al. Large load disturbance based on WAMS in Longnan of Gansu power grid[J]. Power System Protection and Control,2010, 38(12): 129-131.

[2] 王波, 陸進(jìn)軍. 基于同步相量測量技術(shù)的勵磁系統(tǒng)調(diào)節(jié)性能分析方法及其系統(tǒng)實現(xiàn)[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(3): 135-140.WANG Bo, LU Jin-jun. A method for analyzing the regulating performance of excitation system based on synchronized phasor measurement technology and its system realization[J]. Power System Protection and Control, 2012, 40(3): 135-140.

[3] 干磊, 康河文, 何敏. 基于廣域測量系統(tǒng)的電壓穩(wěn)定動態(tài)監(jiān)測[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(21):152-155.GAN Lei, KANG He-wen, HE Min. The dynamic monitoring of voltage stability based on wide-area measurement system[J]. Power System Protection and Control, 2010, 38(21): 152-155.

[4] 秦曉輝, 畢天樞, 楊奇遜. 基于廣域同步量測的電力系統(tǒng)擾動識別與定位方法[J]. 電網(wǎng)技術(shù), 2009, 33(12):35-41.QIN Xiao-hui, BI Tian-shu, YANG Qi-xun. WAMS based power system disturbance identification and location approach[J]. Power System Technology, 2009, 33(12):35-41.

[5] 魏磊, 張伏生, 耿中行, 等. 基于瞬時無功功率理論的電能質(zhì)量擾動檢測[J]. 電網(wǎng)技術(shù), 2004, 28(6): 53-58.WEI Lei, ZHANG Fu-sheng, GENG Zhong-xing, et al.Detection, location and identification power quality disturbance based on instantaneous reactive power theory[J]. Power System Technology, 2004, 28(6): 53-58.

[6] 儲珺, 馬建偉. 基于小波變換的電能質(zhì)量擾動信號的檢測[J]. 電力系統(tǒng)保護(hù)與控制, 2009, 37(5): 34-36.CHU Jun, MA Jian-wei. Detection of power quality disturbed signal based on wavelet transform[J]. Power System Protection and Control, 2009, 37(5): 34-36.

[7] 胡國勝, 朱鋒峰, 任霞. 電能擾動檢測和識別線調(diào)頻三角樣條小波方法[J]. 繼電器, 2006, 34(2): 46-52.HU Guo-sheng, ZHU Feng-feng, REN Xia. Power quality disturbance detection and identification using chirplet transform with trigonometric spline kernels[J].Relay, 2006, 34(2): 46-52.

[8] GuI Y H, Styvaktakis E, Bollen M H J. Analyzing power disturbances using the residuals of AR models[J]. IEEE Power Engineering Review, 2000, 20(4): 60-62.

[9] 倪廣魁, 鮑海, 張利, 等. 基于零序電流突變量的配電網(wǎng)單相故障帶電定位判據(jù)[J]. 中國電機(jī)工程學(xué)報,2010, 30(31): 118-122.NI Guang-kui, BAO Hai, ZHANG Li, et al. Criterion based on the fault component of zero sequence current for online fault location of single-phase fault in distribution network[J]. Proceedings of the CSEE, 2010,30(31): 118-122.

[10] 王麗霞, 何正友, 趙靜, 等. 小波變換和數(shù)學(xué)形態(tài)學(xué)在電力擾動信號消噪中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制,2008, 36(24): 30-35.WANG Li-xia, HE Zheng-you, ZHAO Jing, et al.Wavelet transform and mathematical morphology’s application in power disturbance signal denosing[J].Power System Protection and Control, 2008, 36(24):30-35.

[11] 李庚銀, 羅艷, 周明, 等. 基于數(shù)學(xué)形態(tài)學(xué)和網(wǎng)格分形的電能質(zhì)量擾動檢測及定位[J]. 中國電機(jī)工程學(xué)報,2006, 26(3): 25-30.LI Geng-yin, LUO Yan, ZHOU Ming, et al. Power quality disturbance detection and location based on mathematical morphology and grille fractal[J].Proceedings of the CSEE, 2006, 26(3): 25-30.

[12] 何潛, 陳剛, 王予疆, 等. 基于數(shù)學(xué)形態(tài)學(xué)的電網(wǎng)PMU信號的擾動檢測方法[J]. 華東電力, 2012, 40(2):211-215.HE Qian, CHEN Gang, WANG Yu-jiang, et al.Disturbance detection approach from power system PMU data based on mathematical morphology[J]. East China Electric Power, 2012, 40(2): 211-215.

[13] Zhou N, Pierre J W, Trudnowski D J, et al. Robust RLS methods for online estimation of power system electromechanical modes[J]. IEEE Trans on Power Systems, 2007, 22(3): 1240-1249.

[14] 吳超, 陸超, 韓英鐸, 等. Prony方法和ARMA法在低頻振蕩模式辨識中的適用性比較[J]. 電力自動化設(shè)備,2010, 30(3): 30-34.WU Chao, LU Chao, HAN Ying-duo, et al. Comparison of applicability in low frequency oscillation mode identification between Prony and ARMA[J]. Electric Power Automation Equipment, 2010, 30(3): 30-34.

[15] 徐玉韜, 盧繼平, 陳剛, 等. 穩(wěn)態(tài)和動態(tài)混合信號的在線低頻振蕩模式辨識方法[J]. 電力系統(tǒng)自動化, 2012,36(2): 31-35, 105.XU Yu-tao, LU Ji-ping, CHEN Gang, et al. An online low frequency oscillation estimation method for ringdown signals mixed ambient ones[J]. Automation of Electric Power Systems, 2012, 36(2): 31-35, 105.

[16] 邱天爽, 張旭秀, 李小兵, 等. 統(tǒng)計信號處理——非高斯信號處理及其應(yīng)用[M]. 北京: 電子工業(yè)出版社,2004.

[17] 張賢達(dá). 現(xiàn)代信號處理[M]. 2版. 北京: 清華大學(xué)出版社, 2002.

[18] 陳剛, 段曉, 張繼紅, 等. 基于 ARMA 模型的低頻振蕩模式在線辨識技術(shù)研究[J]. 電網(wǎng)技術(shù), 2010, 34(11):48-54.CHEN Gang, DUAN Xiao, ZHANG Ji-hong, et al. A new approach for online identification of low frequency oscillation modes based on auto-regressive movingaverage model[J]. Power System Technology, 2010,34(11): 48-54.