基于小波變換的同調(diào)機(jī)群識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及電力系統(tǒng)穩(wěn)定分析領(lǐng)域，尤其設(shè)及一種基于小波變換的同調(diào)機(jī)群識別 方法及裝置。
【背景技術(shù)】
[0002] 為了解決能源結(jié)構(gòu)和電力增長之間日益突出的矛盾、實(shí)現(xiàn)電網(wǎng)更經(jīng)濟(jì)可靠的運(yùn) 行，世界各大電力運(yùn)營商均開始了大規(guī)模電網(wǎng)互聯(lián)進(jìn)程，我國目前也已基本形成了 "西電東 送、南北互供、全國聯(lián)網(wǎng)"的總體格局。然而，大型互聯(lián)電網(wǎng)的穩(wěn)定特性往往非常復(fù)雜，在互 聯(lián)電網(wǎng)中發(fā)生嚴(yán)重故障甚至誘發(fā)連鎖故障、特別是故障發(fā)生在系統(tǒng)薄弱環(huán)節(jié)時，將有可能 引發(fā)機(jī)群失步，即系統(tǒng)中的各個發(fā)電機(jī)分裂為若干個異步的發(fā)電機(jī)群，各個機(jī)群之間相互 擺開。如果運(yùn)種失步現(xiàn)象得不到有效的抑制，那么隨著異步發(fā)電機(jī)群間的功角不斷拉大，將 會進(jìn)一步導(dǎo)致更多的傳輸線及其它設(shè)備發(fā)生過載，嚴(yán)重影響電力系統(tǒng)穩(wěn)定性。而同調(diào)機(jī)群 的快速、準(zhǔn)確識別是在機(jī)群失步情況下采取緊急控制措施的重要前提和關(guān)鍵問題。
[0003]同調(diào)機(jī)群識別是電力系統(tǒng)穩(wěn)定控制的重要問題。同調(diào)機(jī)群識別的常用信息包括系 統(tǒng)的模型數(shù)據(jù)、狀態(tài)變量在初始時刻的靜態(tài)數(shù)據(jù)、受擾后某些特殊瞬間的動態(tài)數(shù)據(jù)、W及受 擾過程中的時間響應(yīng)曲線數(shù)據(jù)。運(yùn)幾類數(shù)據(jù)所包含的同調(diào)信息量依次增加。同調(diào)機(jī)群識別 方法主要包括W下幾類：（1)基于特征量的分類法，其基本思路是選擇一組能夠準(zhǔn)確描述發(fā) 電機(jī)同調(diào)性質(zhì)的特征參數(shù)（如電機(jī)轉(zhuǎn)子搖擺角、動能、角速度、初始加速度、系統(tǒng)的導(dǎo)納矩 陣、機(jī)電距離、電壓等），根據(jù)預(yù)先選擇的合適的同調(diào)判別標(biāo)準(zhǔn)，利用合適的分群算法對形成 的數(shù)據(jù)集進(jìn)行分類得到同調(diào)發(fā)電機(jī)分組結(jié)果，對于事先預(yù)知分類數(shù)的同調(diào)機(jī)群識別問題， 此類方法具有直觀、簡便的優(yōu)點(diǎn)，但是對于事先不知道分類數(shù)的情況，需要根據(jù)經(jīng)驗(yàn)給出大 致的分類數(shù)，運(yùn)無疑帶有一定的主觀因素，提高了操作的難度，降低了方法的實(shí)用性；（2)基 于線性化系統(tǒng)矩陣的解析法，運(yùn)類方法基于線性化的系統(tǒng)狀態(tài)方程進(jìn)行研究，狀態(tài)矩陣的 每個特征值對應(yīng)一種振蕩模式，分析特征值所對應(yīng)的特征向量W確定機(jī)組間的相關(guān)程度， 從而判別同調(diào)發(fā)電機(jī)組，典型方法有基于雅克比矩陣的分解法、基于EpsiIon分解 化psiIon-Decomposition，厄普西隆分解）的弱禪合法、雙時間尺度方法、慢同調(diào)法等，線性 化狀態(tài)方程的方法在小干擾分析中有廣泛應(yīng)用，然而對大干擾情況是否適用、為何適用，其 機(jī)理仍有待研究；（3)基于發(fā)電機(jī)功角曲線的數(shù)據(jù)挖掘法，運(yùn)類方法從發(fā)電機(jī)功角曲線出 發(fā)，基于功角的時域、頻域特性數(shù)據(jù)獲取同調(diào)信息，運(yùn)種方法不需要知道機(jī)組參數(shù)，在實(shí)時 判別中具有很好的應(yīng)用前景，但是由于基于功角曲線的數(shù)據(jù)挖掘是一種時序數(shù)據(jù)聚類或是 高維數(shù)據(jù)聚類，算法復(fù)雜而耗時，因此如何從運(yùn)一角度出發(fā)研究簡潔、快速的算法仍是一個 亟待解決的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。
[000引為此，本發(fā)明的第一個目的在于提出一種基于小波變換的同調(diào)機(jī)群識別方法，該 方法可W比較快速、準(zhǔn)確地識別出電力系統(tǒng)暫態(tài)過程中的同調(diào)機(jī)群，實(shí)現(xiàn)同調(diào)機(jī)群的實(shí)時 判別，從而為調(diào)度人員采取相應(yīng)緊急控制措施提供了重要參考，提升電力系統(tǒng)的穩(wěn)定控制 水平。
[0006]為達(dá)上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于小波變換的同調(diào)機(jī)群識別 方法包括W下步驟:S1，獲取電力系統(tǒng)中的各個發(fā)電機(jī)的功角曲線；S2,分別對所述各個發(fā) 電機(jī)的功角曲線進(jìn)行小波變換分析;S3,分別對小波變換分析后的所述各個發(fā)電機(jī)的功角 曲線進(jìn)行特征提取，得到所述各個發(fā)電機(jī)的同調(diào)識別關(guān)鍵特征;S4,根據(jù)所述各個發(fā)電機(jī)的 所述同調(diào)識別關(guān)鍵特征進(jìn)行基于密度的聚類分析，得到多個同調(diào)機(jī)群。
[0007]本發(fā)明實(shí)施例的基于小波變換的同調(diào)機(jī)群識別方法，通過獲取各個發(fā)電機(jī)的功角 曲線后對其進(jìn)行小波變換分析提取其特征，得到各個發(fā)電機(jī)的同調(diào)識別關(guān)鍵特征再進(jìn)行基 于密度的聚類分析得到多個同調(diào)機(jī)群，可W比較快速、準(zhǔn)確地識別出電力系統(tǒng)暫態(tài)過程中 的同調(diào)機(jī)群，實(shí)現(xiàn)同調(diào)機(jī)群的實(shí)時判別，從而為調(diào)度人員采取相應(yīng)緊急控制措施提供了重 要參考，提升電力系統(tǒng)的穩(wěn)定控制水平。
[0008]在本發(fā)明的一個實(shí)施例中，所述的基于小波變換的同調(diào)機(jī)群識別方法，通過W下 公式分別對所述各個發(fā)電機(jī)的功角曲線進(jìn)行小波變換分析：
其中，0.的=7r-i'V郵為母小波Morlet函數(shù)， 其中，COO為頻率參數(shù);Si(t)為第i個發(fā)電機(jī)的功角曲線;CWT巧(挪a點(diǎn)的句)為第i個發(fā)電機(jī) 的功角曲線對應(yīng)的小波變換系數(shù)，t為時間，j為復(fù)數(shù)，a為縮放尺度，b為位置參數(shù)。
[0009]在本發(fā)明的一個實(shí)施例中，所述步驟S3包括:S31，通過W下公式計(jì)算所述第i個發(fā) 電機(jī)的功角曲線的小波變換系數(shù)在各個縮放尺度上的譜能量E1(a): 馬.(a) =藝|CW巧(嘴(。，6,口(〇)「'；S32,對所述譜能量進(jìn)行歸一化處理W得到所述第i個發(fā)電 b 機(jī)的功角曲線在各個縮放尺度上的能量占比；S33,針對所述第i個發(fā)電機(jī)，提取所述譜能量 上所述能量占比最大的=峰所對應(yīng)的縮放尺度和能量占比作為所述同調(diào)識別關(guān)鍵特征，其 中，所述同調(diào)識別關(guān)鍵特征為S組二維數(shù)據(jù)，分別為攻=(成，怎,(也也，寫(也))、 樂=(。;3,寫(也))，并且有
[0010] 在本發(fā)明的一個實(shí)施例中，所述步驟S4包括：S41，假設(shè)電力系統(tǒng)中共有n臺發(fā)電 機(jī)，目前已識別出同調(diào)機(jī)群數(shù)目為P，對應(yīng)的同調(diào)機(jī)群為Cohi, ...，Cohp，令P=O,并首先對n 個二維數(shù)據(jù)咕，地...，嗦進(jìn)行聚類分析，包括:S41，假設(shè)電力系統(tǒng)中共有n臺發(fā)電機(jī)，目前已識 別出同調(diào)機(jī)群數(shù)目為P，對應(yīng)的同調(diào)機(jī)群為Cohi,...，Cohp，令P=O,并首先對n個二維數(shù)據(jù) 九也...，/? !,進(jìn)行聚類分析，包括:S41-1，計(jì)算n個二維數(shù)據(jù)丸也...，化;之間的兩兩歐式距離DiJ, 其中，瑪=血ri(巧1，口;) = (。;1)-馬(。厶礦;S"-2，設(shè)定基于密度的聚類方法 DBSCAN算法的兩個參數(shù)Minpts= 2，參數(shù)e取為巧 1，口;，...，口,;之間的兩兩距離數(shù)據(jù)的四分之一位 數(shù)，即E=化(Du) ;S41-3,標(biāo)記所述有n個對象為未訪問的，記當(dāng)前聚類分析得到的簇的數(shù)目C是O;S41 -4，判斷當(dāng)前是否存在未訪問對象，若存在未訪問對象，則隨機(jī)選擇一個未訪問的 對象k，標(biāo)記k為已訪問的，否則則執(zhí)行步驟S41-9;S41-5,記k的E-鄰域內(nèi)中的所有對象構(gòu)成 集合N，若所述N內(nèi)存在至少M(fèi)inpts個對象，則執(zhí)行步驟S41-6，否則則執(zhí)行步驟S41-8;S41-6,令C=C+1，建立一個新簇clusterc，令Clusterc=化} ;S41-7,若所述N中已經(jīng)不存在未訪 問對象，則執(zhí)行所述步驟S41-4;否則，從所述N中任意選擇未訪問對象S，標(biāo)記S為已訪問的， 判別所述S的E-鄰域內(nèi)是否存在至少M(fèi)inpts個對象，若是則將所述S的E-鄰域內(nèi)的對象均加 入所述N，判別所述S是否已經(jīng)屬于某一簇，若否則將所述S加入cluster，并執(zhí)行所述步驟 541- 7;S41-8，標(biāo)記所述k是噪聲，并返回執(zhí)行所述步驟S41-4;S41-9，聚類分析結(jié)束，并記此 次聚類分析共形成〔個簇。1113161'1,(3111316。^''，(31113161'(；，和1個噪聲點(diǎn)11〇1361,...， nOiSe1，其中，所述1個噪聲點(diǎn)各自構(gòu)成一個同調(diào)機(jī)群，即新增同調(diào)機(jī)群 CoA~=HO!'巧（V/ =l，...，/)，并令P=P+1，W使完成對特征非也....W!,的聚類分析；S42,基于二 維數(shù)據(jù)皆，夠，…，請，對所述C個簇clusteri,clusters，.? ?，clusterc逐一進(jìn)行聚類分析，包括： 542- 1，令i= 1，若clusteri中的元素?cái)?shù)目只有一個，則新增同調(diào)機(jī)群Cohp+i=cluste；Ti，并令 P=P+1，執(zhí)行步驟S42-4，否則，計(jì)算所述cluster中的元素所對應(yīng)的特征{訴}之間的兩兩歐 式距離;S42-2,設(shè)定DBSCAN算法的兩個參數(shù)，Mi噸ts= 2，e參數(shù)取為特征之間的兩兩歐 式距離的四分之一位數(shù)，并依照所述步驟S41-3至S41-8W完成聚類分析;S42-3,記所述聚 類分析共形成C2個簇cl,cl2,…，clc2和12個噪聲點(diǎn)noisei,. . .,noisei2,其中，所述12個噪 聲點(diǎn)各自構(gòu)成同調(diào)機(jī)群，即新增同調(diào)機(jī)彈彷AW= "〇心,（巧二1，...，巧，并令P=P+12;S42-4，i=王+1，若1 <C，則執(zhí)行所述步驟S42-2,否則執(zhí)行步驟S42-5;S42-5,所述特征巧^.扣.....扣的 聚類分析結(jié)束，并記在整個S42步驟中共得到個簇，即cluster^1,cluster^2，…， cluster'c' ;S43，基于二維數(shù)據(jù)'訴格:…，請，對S42-5中得到的所述C'個簇Cluster'1, cluster'2,…，cluster' c'逐一進(jìn)行聚類分析，包括：S43-1，令i= 1，若cluster'i中的元素 數(shù)目只有一個，則新增同調(diào)機(jī)群Cohw=Cluster^i,并令P=P+1，轉(zhuǎn)向S42-4,否則，計(jì)算所 述cluster^i中的元素所對應(yīng)的特征{//:；[之間的兩兩歐式距離;S43-2，設(shè)定DBSCAN算法的兩 個參數(shù)，Minpts= 2，e參數(shù)取為特征之間的兩兩歐式距離的四分之一位數(shù)，并依照所述 步驟S41-3至S41-8完成聚類分析；S43-3,記所述次聚類分析共形成C3個簇ch，cl2,…，clc3,和13個噪聲點(diǎn)noisei,...，noisei3,其中，所述13個噪聲點(diǎn)各自構(gòu)成同調(diào)機(jī)群，即新增 同調(diào)機(jī)群妨Ap+嚴(yán)R曲旬(皆=U，，巧)，并令P=P+13;S43-4，i=i+ 1，若i含C'，則執(zhí)行所述步 驟S43-2，否則執(zhí)行步驟S43-5;S43-5，對所述特征如./片的聚類分析結(jié)束，并記在整個S43步驟中共得到C"個簇，即clusteri",clusters",…，clusters'"，新增同調(diào)機(jī)群 貸6耐=C/"旅=1，...，￡")，并令p=p+C"。
[0011]為達(dá)上述目的，本發(fā)明第二方面實(shí)施例提出了 一種基于小波變換的同調(diào)機(jī)群識別 裝置包括:獲取模塊，用于獲取電力系統(tǒng)中的各個發(fā)電機(jī)的功角曲線;變換分析模塊，用于 分別對所述各個發(fā)電機(jī)的功角曲線進(jìn)行小波變換分析;提取模塊，用于分別對小波變換分 析后的所述各個發(fā)電機(jī)的功角曲線進(jìn)行特征提取，得到所述各個發(fā)電機(jī)的同調(diào)識別關(guān)鍵特 征;聚類分析模塊，用于根據(jù)所述各個發(fā)電機(jī)的所述同調(diào)識別關(guān)鍵特征進(jìn)行基于密度的聚 類分析，得到多個同調(diào)機(jī)群。
[0012] 本發(fā)明實(shí)施例的基于小波變換的同調(diào)機(jī)群識別裝置，通過獲取模塊獲得各個發(fā)電 機(jī)的功角曲線，變換分析模塊對功角曲線進(jìn)行小波變換分析后提取模塊提取其特征，得到 各個發(fā)電機(jī)的同調(diào)識別關(guān)鍵特征再進(jìn)行基于密度的聚類分析得到多個同調(diào)機(jī)群，可W比