基于跟踪微分器的PMU功率振荡数据的滤波方法及系统与流程

基于跟踪微分器的pmu功率振荡数据的滤波方法及系统
技术领域
1.本发明涉及功率振荡数据辨识技术领域，尤其涉及一种基于跟踪微分器的pmu功率振荡数据的滤波方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.近年来，随着社会和科技的发展，电力系统的结构在不断变化，人们对电力系统的运行有了更高的要求。电网规模在不断扩大的同时，也带来了一些安全隐患。互联电网技术可大大的提高供电的可靠性，更合理的调配用电，提高发电厂运行经济性。但是各种振荡及其振荡事故，对电力系统的安全运行造成很大影响。因此需要进行振荡抑制，而对振荡的参数辨识是抑制振荡的首要条件，具有深远的意义。目前有很多算法可以直接计算振荡参数，对功率振荡信号可以进行一个更好的逼近。
4.基于gps的同步向量测量单元(phasor measurement unit,pmu)的研制，实现了电压电流向量的测量，为广域测量系统的实施奠定基础，也能够对电网实时信息进行采集，为电网运行、分析、监控提供了条件，因此广泛应用于电力系统。
5.但是发明人发现，pmu获取的功率振荡数据，会含有一定的噪声，会使振荡参数辨识的结果不准确，为消除振荡带来不小的困难。中国专利cn13162044a，公开日2021年07月23日，公布了一种dn-pmu实现频率测量的fir滤波器的优化方法及装置，将待优化滤波器的微分通带性能、各次谐波阻带性能和全频段抗噪声性能分别用技术指标进行表征；根据表征后的技术指标建立代价函数；根据pmu标准确定待优化滤波器的阶数、基波带宽和各次谐波带宽；将代价函数与待优化滤波器的阶数、基波带宽和各次谐波带宽,带入计算公式生成包含约束的优化问题。对包含约束的优化问题进行求解,根据求解结果对待优化滤波器进行优化。但是其技术方案中没有考虑pmu的优化配置，也没有考虑pmu测量的数据是否能进行低频振荡参数的辨识，导致pmu测量会容易被噪声污染，造成结果不准确，且计算会比较复杂，效率低。
6.另外，很多传统滤波通常采用各种不同的滤波器，但是会有不同程度的失真。因此如何提高算法对pmu获取的振荡参数辨识的准确性成为现有技术亟待解决的问题。


技术实现要素：

7.针对现有技术存在的不足，本发明的目的是提供一种基于跟踪微分器的pmu功率振荡数据的滤波方法及系统，把自抗扰控制与低频振荡信号的参数辨识相结合，设计跟踪微分器对pmu功率振荡数据进行滤波，加快逼近效率，减小失真，从而提高算法对振荡参数辨识的准确性。
8.为了实现上述目的，本发明是通过如下的技术方案来实现：
9.本公开第一方面提供了一种基于跟踪微分器的pmu功率振荡数据的滤波方法，包
括以下步骤：
10.利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据；
11.利用数值可观性和拓扑可观性对系统进行可观性的判定；
12.判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差；
13.将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号；
14.选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器；
15.把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。
16.进一步的，利用pmu装置进行相量的同步测量具体步骤为，利用pmu测量有功功率数据，对获得的低频振荡信号通过pmu内置滤波器进行滤波处理，得到对干扰抑制的信号，该交流信号在在时钟脉冲的控制作用下进行数字量的转换，得到精度较高的数字量信号，把数字量信号进行数据的处理获得相量值实现同步测量。
17.进一步的，对pmu进行优化配置过程中，将优化问题中的一个可行解作为一个染色体，利用十进制或者二进制来表示。
18.更进一步的，初始选择多个染色体作为优化问题的初始群体，利用自然界的规律进行交叉、变异，获取下一个群体；开始选择时建立适应度函数，当作种群优化的条件。
19.更进一步的，对于pmu的配置，设计符合遗传算法的适应度函数，采用二进制对染色体进行编码，进行pmu的配置。
20.进一步的，跟踪微分器形式如下:
21.r1(k+1)＝r1(k)+hr(k)
22.r2(k+1)＝r2(k)+hfhan(r(k)-u0,r2(k),r,h)，其中r1，r2是输出信号；k代表离散化后的采样点；h称为滤波因子，对产生的噪声起到滤波作用；r可以决定跟踪的速度，所以称作为“速度因子”，是一个可调参数；fhan()是一种最速综合非线性函数。
23.更进一步的，fhan()具体结构如下：
[0024][0025]
其中，fhan()表示最速控制综合函数；r1,r2表示输出信号，h表示滤波因子；r表示
为速度因子；a0，d表示饱和函数的变量；y表示系统的输出；u表示系统的参考信号；sign表示符号函数；a1,a2表示中间过渡变量；sy表示符号函数的等价公式；sa表示符号函数的等价公式。
[0026]
本公开第二方面提供了一种基于跟踪微分器的pmu功率振荡数据的滤波系统，包括：
[0027]
同步测量模块，被配置为利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据；
[0028]
可观性判定模块，被配置为利用数值可观性和拓扑可观性对系统进行可观性的判定；
[0029]
优化配置模块，被配置为判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差；将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号；
[0030]
微分器构造模块，被配置为选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器；
[0031]
滤波模块，被配置为把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。
[0032]
本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于跟踪微分器的pmu功率振荡数据的滤波方法中的步骤。
[0033]
本公开第四方面提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于跟踪微分器的pmu功率振荡数据的滤波方法中的步骤。
[0034]
上述本发明的实施例的有益效果如下：
[0035]
本发明提出一种基于跟踪微分器的pmu功率振荡数据的滤波方法，把自抗扰控制与低频振荡信号的参数辨识相结合，首先分析pmu的内部结构，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据，根据pmu工作原理，分析系统特点，根据系统在进行可观性的分析，并对系统的数值可观性和系统拓扑可观性进行分析，根据分析，结合遗传算法进行配置，利用配置好的算法，利用pmu进行低频振荡信号的获取，在实际应用中，获取的低频振荡功率可能会存在误差，考虑误差和截断误差，将这些误差看作是功率谱密度在整个频域内分布的白噪声信号，对低频振荡信号进入白噪声进行分析，利用跟踪微分器，进行滤波，从而提高算法对振荡参数辨识的准确性。
[0036]
本发明把自抗扰控制与低频振荡信号的参数辨识相结合，对pmu测量数据的预处理，针对pmu获取的振荡数据中含有的不同程度的噪声进行滤波，可以提高后续算法对振荡参数辨识的准确性，在电力系统中具有重要的意义。
附图说明
[0037]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0038]
图1表示本发明实施例二中基于跟踪微分器的pmu功率振荡数据的滤波系统的pmu
的内部结构图；
[0039]
图2表示本发明实施例一基于跟踪微分器的pmu功率振荡数据的滤波方法的流程示意图；
[0040]
图3表示本发明实施例一基于跟踪微分器的pmu功率振荡数据的滤波方法中理想低频振荡信号图；
[0041]
图4表示本发明实施例一基于跟踪微分器的pmu功率振荡数据的滤波方法中加入白噪声后的低频振荡信号图；
[0042]
图5表示本发明实施例一基于跟踪微分器的pmu功率振荡数据的滤波方法中加入跟踪微分器后理想低频振荡信号图；
[0043]
图6表示本发明实施例一基于跟踪微分器的pmu功率振荡数据的滤波方法中跟踪信号图。
具体实施方式：
[0044]
应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
[0045]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0046]
pmu为电网运行、分析、监控提供了条件，正日益受到人们的广泛关注。pmu的测量数据在电力系统振荡分析中，主要应用于提前预警、在线监测、扰动的定位及抗扰等方面。但是pmu获取的功率振荡数据，会含有一定的噪声，会使振荡参数辨识的结果不准确，为消除振荡带来不小的困难。很多传统滤波通常采用各种不同的滤波器，但是会有不同程度的失真。本发明通过对pmu测量数据的预处理，针对pmu获取的振荡数据中含有不同程度的噪声，进行滤波，可以提高后续算法对振荡参数辨识的准确性，在电力系统中具有重要的意义。
[0047]
gps技术的发展为系统向量测量的实现提供了非常重要的条件。向量测量装置是通过gps的秒脉冲信号实现时间的同步。对于传统的测量，pmu装置能够获取系统中每个点的电压和电流向量，在电网的动态监测、实时评估中有着重要的作用，在电网的安全可靠运行发挥着重要的条件。
[0048]
实施例一：
[0049]
本公开实施例一提供了一种基于跟踪微分器的pmu功率振荡数据的滤波方法，如图2所示，包括以下步骤：
[0050]
s1：对pmu内部结构进行分析，利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据。
[0051]
利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量。对一个系统而言，若某个结点的电压向量可以通过直接测量或计算得到，则称给结点是
可观的。
[0052]
s1.1：利用pmu装置进行相量的同步测量具体步骤为，利用pmu测量有功功率数据，对获得的低频振荡信号通过pmu内置滤波器进行滤波处理，得到对干扰抑制的信号，该交流信号在在时钟脉冲的控制作用下进行数字量的转换，得到精度较高的数字量信号，把数字量信号进行数据的处理获得相量值实现同步测量。
[0053]
优选的，pmu能完成数据的同步测量，gps发出的时钟大体上都是同步的，所以在不同位置可以获取相同时标的量测数据，能够完成量测时间断面一致性。
[0054]
s2：利用数值可观性和拓扑可观性对系统进行可观性的判定。对于一个系统来说，如果某个节点的电压向量能够直接测量或者计算得到那么这个节点就是可观的。
[0055]
s2.1：利用数值可观性来进行系统可观性的判定，如果系统有n个状态量，m个量测量，那么就可以建立状态量和量测量的之间的方程为:
[0056]
z＝hx+v
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0057]
其中，z是m维量测量，x为状态量，h是m
×
(2n-1)维量测量与状态量之间的雅克比矩阵，v为m维量测误差向量。可以用最小二乘法，来获取增益矩阵，通过判断增益矩阵的秩或直接判别h的秩来判断系统的可观性。
[0058]
s2.2：从拓扑学出发，利用拓扑学可观性来进行系统可观性的判定。拓扑图包括n个节点，m条边，构成了图g＝(v,e)。在拓扑图中，v和e代表拓扑图的顶点和边的集合。在电力系统中，是母线和支路的集合。量测网络构成了系统的一个子图g
′
＝(v
′
,e
′
)，有如果满足那么所有的顶点都包含在子图g
′
中，那么系统就是可观的。
[0059]
s3：判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差。
[0060]
具体的，基于获取的数据对低频振荡信号进行分析，结合实际应用，可能存在误差，如pmu的测量误差，系统负荷的变化带来的误差，开关操作带来的误差，数据的传输延时带来的误差等，在数据的测量、计算、传输带来的误差考虑为采样误差和截断误差。
[0061]
s3.1：系统可观性进行判定完成后，利用传统的遗传算法对pmu进行优化配置。对于pmu的配置，设计符合遗传算法的适应度函数，采用二进制对染色体进行编码。
[0062]
具体的，通过添加惩罚项得到适应函数，函数表示如下：
[0063]
h＝c
max-c2m-c1m1[0064]
适应函数h是正数，c
max
表示较大常数，
[0065]
c1表示为惩罚系数，c2表示为常适配系数m表示为安装点数，m1表示不能观测的母线
[0066]
优选的，如果一个系统中有n个节点，那么就需要n个二进制的编码来表示，如果二进制的为1，说明这个节点需要安装pmu，如果为0，那么就不用安装。
[0067]
配置完成后利用pmu进行数据信号的采集。
[0068]
s3.2:数据信号的采集过程为：对一个系统来说，电力系统可简化为如下所示的非线性方程组，
[0069][0070]
x为n阶状态向量，u为r阶输入向量，y指m阶输出向量,表示为状态向量对时间的导数。
[0071]
设x0,u0为状态向量和输入向量在系统平衡点的值，可以得到，
[0072]
f(x0,u0)＝0
ꢀꢀꢀ
(3)
[0073]
在系统平衡点附近施加δx和δu，其中，δx表示在施加在状态的扰动，δu表示施加在输出的扰动；x和u可以改写为如下形式。
[0074]
x＝x0+δx
[0075]
u＝u0+δu
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0076]
在扰动比较小的情况下，非线性函数f(x,u)和y＝g(x,u)可用泰勒级数表示，忽略δx和δu的二阶及高阶项，假设y不是u的直接函数，可以写出(1)的线性化表示形式。
[0077][0078]
式中，
[0079][0080]
其中，线性化后，a表示系统矩阵，b表示输入矩阵，c表示为输出矩阵。f,表示(x,u)与的对应关系；g表示(x,u)与y的对应关系；n表示阶数是n阶；x表示系统状态，u表示系统输入。
[0081]
对(5)进行拉普拉斯变换，系统的传递函数(7)所示。
[0082][0083]
其中，g(s)表示对(5)进行拉普拉斯变换后的传递函数；δy表示系统的输出，s表示拉普拉斯算子；i表示单位矩阵；ri表示第i个模态，始终μ为a的特征值。
[0084]
平衡点附近的扰动等价于冲击或阶跃响应，对应的时域输出如(7)所示。
[0085][0086]
式子中，ai、分别是第i个模态的幅值、相位，μi＝σi+j2πfi，σi，fi分别是第i个模态的衰减因子、频率；t表示时间；y(t)表示时域输出。
[0087]
根据求出的y(t)，对其采样得到(9)：
[0088][0089]
根据y(k)利用一些方法可以进行振荡参数的求解。在低频振荡的参数辨识中，因为有噪声，会对参数的求取过程带来误差，设计跟踪微分器，对其进行滤波。
[0090]
s4：将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号。
[0091]
在系统负荷的随机变换，开关操作，电流互感器ct的饱和等实际操作中，获得的低频振荡有功功率数据测量、计算、传输可能会存在误差，先将采样误差和截断误差看作是功率频谱密度在整个频域内均匀分布的高斯白噪声，选取理想的低频振荡信号，根据高斯白噪声性质设计滤波器。
[0092]
s4.1：选取的理想低频振荡信号如下：
[0093][0094]
低频理想信号如图3所示，混入高斯白噪声，低频振荡信号滤波前如图4所示。
[0095]
s5：选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器以实现自抗扰控制。由于低频振荡信号被白噪声污染，在参数辨识过程中，会导致参数辨识的不准确，所以先利用td(跟踪微分器)来跟踪输入信号。td输入信号为u(t)，输出信号为r1(t)和r2(t)。其中r1(t)能提取高质量的输入信号u(t)，r2(t)能近似提取u(t)的微分信号。
[0096]
优选的，在构造跟踪微分器时，通过选择不同的函数作为跟踪微分器加速度函数以提高跟踪微分器对输入信号的响应速度、噪声抑制能力和在平衡点附近的收敛速度。
[0097]
s5.1：跟踪微分器形式如下:
[0098]
r1(k+1)＝r1(k)+hr(k)
[0099]
r2(k+1)＝r2(k)+hfhan(r(k)-u0,r2(k),r,h)，
[0100]
其中r1，r2是输出信号；k代表离散化后的采样点；h称为滤波因子，对产生的噪声起到滤波作用；r可以决定跟踪的速度，所以称作为“速度因子”，是一个可调参数；fhan()是一种最速综合非线性函数。具体结构如下：
[0101][0102]
其中，fhan()表示最速控制综合函数；r1,r2表示输出信号，h表示滤波因子；r表示
为速度因子；a0，d表示饱和函数的变量；y表示系统的输出；u表示系统的参考信号；sign表示符号函数；a1,a2表示中间过渡变量；sy表示符号函数的等价公式；sa表示符号函数的等价公式。
[0103]
将y(t)当作输入信号u(t)，送入跟踪微分器中，得到输出信号r1，r2，根据得到的输出信号，进行后面的参数计算。
[0104]
s6：把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。图5和图6显示了带有白噪声的低频振荡信号及其跟踪信号r1(t)的图像，可以看出随着时间的变换r1(t)基本跟踪上了带有高斯噪声的y(t)信号，并起到了一个很好的滤波作用，在后续的低频振荡信号的参数辨识中，可以利用r1(t)进行参数辨识，达到很好的效果，使结果更加准确。
[0105]
实施例二：
[0106]
本公开实施例二提供了一种基于跟踪微分器的pmu功率振荡数据的滤波系统，包括：
[0107]
同步测量模块，被配置为利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据；
[0108]
优选的，pmu由电流传感器、滤波器、模数转换、数据处理单元以及gps时钟接收器等装置，如图1所示。利用pmu测量有功功率数据，对获得的低频振荡信号通过pmu内置滤波器进行滤波处理，得到对干扰抑制的信号，该交流信号在在时钟脉冲的控制作用下进行数字量的转换，得到精度较高的数字量信号，把这些信号送给数据处理单元进行数据的处理，获得相量值。最后把这些数据通过通信结构送入监控中心。
[0109]
可观性判定模块，被配置为利用数值可观性和拓扑可观性对系统进行可观性的判定；
[0110]
优化配置模块，被配置为判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差；将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号；
[0111]
微分器构造模块，被配置为选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器；
[0112]
滤波模块，被配置为把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。
[0113]
实施例三：
[0114]
本公开实施例三提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于跟踪微分器的pmu功率振荡数据的滤波方法中的步骤，所述步骤为：
[0115]
s1：利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据；
[0116]
s2：利用数值可观性和拓扑可观性对系统进行可观性的判定；
[0117]
s3：判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差；
[0118]
s4：将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号；
[0119]
s5：选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器；
[0120]
s6：把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。
[0121]
详细步骤与实施例一提供的基于跟踪微分器的pmu功率振荡数据的滤波方法相同，这里不再赘述。
[0122]
实施例四：
[0123]
本公开实施例四提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于跟踪微分器的pmu功率振荡数据的滤波方法中的步骤，所述步骤为：
[0124]
s1：利用pmu装置获得系统中各个节点的电压相量和与该节点相连的支路的电流相量，利用pmu量测节点的电压相量和支路的电流相量，测量有功功率数据；
[0125]
s2：利用数值可观性和拓扑可观性对系统进行可观性的判定；
[0126]
s3：判定完成后对pmu进行优化配置，并利用配置后的pmu获取数据，基于获取的数据对低频振荡信号性质进行分析得到采样误差和截断误差；
[0127]
s4：将采样误差和截断误差看做功率谱密度在整个频域内均匀分布的高斯白噪声信号；
[0128]
s5：选取低频振荡信号加入高斯白噪声信号，根据高斯白噪声构造跟踪微分器；
[0129]
s6：把低频振荡信号加入跟踪微分器中，进行参数调试，以达到最优的滤波效果。
[0130]
详细步骤与实施例一提供的基于跟踪微分器的pmu功率振荡数据的滤波方法相同，这里不再赘述。
[0131]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0132]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。