基于自适应时间窗的数据-模型融合驱动暂态频率预测

新能源大规模并网使得新型电力系统的暂态频率响应特征更加复杂,现有频率在线预测方法难以兼顾准确性和及时性。基于此,提出基于自适应时间窗的数据-模型融合驱动暂态频率预测方法。首先,基于长短期记忆网络,离线训练多个具有不同长度时序数据输入的频率曲线循环预测模型;其次,利用参数辨识方法离线建立各发电集群的通用等值频率响应模型,在此基础上构建系统有功-频率物理机理快速分析模型;最后,串行融合前述频率曲线循环预测模型与有功-频率物理机理快速分析模型,并提出“可信度量化评估指标”,实时分析在线预测过程中不同评估时刻下预测结果的精度,自适应调整输入时序数据长度,直至预测结果满足要求并输出。含风电的IEEE39节点系统的仿真结果表明,所提方法在不同风电渗透率或不同扰动下均能快速、准确地预测暂态频率响应曲线,相较于其他在线预测方法具有更优的评估性能。

基于相量法的短数据窗快速滤波算法

超高压大机组电力系统要求数字保护动作可靠、快速,一般的全波傅里叶算法由于固有的数据窗延时难以满足要求。文中通过对故障信号采样值相量的物理概念分析,提出了基于解矩阵方程的短数据窗正交滤波器组的统一设计理论,该方法可按要求滤除任意整次或非整次谐波,并能保证余弦和正弦滤波器幅频特性一致,可作为自适应变数据窗保护中的基本算法;同时初步分析了滤波器幅频特性与数据窗暂态性能之间的关系,提出了考虑数据窗暂态性能的一般设计原则,仿真结果验证了所提方法的正确性和可行性。

稳健M估计用于瞬变电磁数据抽道叠加与噪声压制

虽然国内外大部分瞬变电磁仪器都针对原始数据采取了一系列的数据处理方法来压制噪声、提高信噪比。但是当天电干扰、人文干扰严重时,噪声仍有可能残留到周期叠加后的数据中。时间窗口抽道叠加处理是周期叠加后瞬变电磁数据处理中的一项重要内容。本文提出将稳健M估计算法用于时间窗口内采样数据的抽道叠加处理。通过对其在模拟数据与实测瞬变电磁数据中的应用效果进行对比分析,发现其相比于传统的算术平均算法、几何平均算法等,可进一步压制类高斯随机噪声与尖峰脉冲噪声,提高数据质量。

基于峰度特征的瞬态电磁信号检测提取方法

瞬态电磁信号持续时间短,对其进行数据采集和信号处理时,噪声干扰等冗余数据多。利用峰度在表征瞬变、冲击等脉冲信号方面的优势,基于峰度特征和滑动窗技术,研究了噪声干扰下瞬态电磁信号的检测提取方法。分析结果表明,瞬态电磁信号和噪声干扰信号之间的峰度特征值具有较高的区分度,且稳定性好,受信号强度等参数变化的影响小,可用于对单个及多个瞬态电磁信号的检测提取。该方法能有效降低噪声干扰等冗余数据占比,且计算量小、简单便捷,仿真计算和实测结果也验证了该方法的可行性。