基于物理特征嵌入的图注意力网络的次/超同步振荡定位方法

《Electronics》：A Sub/Super-Synchronous Oscillation Localization Method Based on Graph Attention Network with Physical Feature Embedding

　　

随着风电和光伏等并网新能源容量的不断增加，电力电子设备与电网相互作用引起的次同步振荡（Sub-synchronous oscillation, Sub-SO）和超同步振荡（Super-synchronous oscillation, Super-SO）问题日益突出。因此，准确定位在线振荡源对于防止事故扩大具有重要意义。研究人员首先提出了一种模态参数识别方法，通过选择同步相量（synchrophasor）的实部作为特征量，实现了次/超同步振荡（Sub/Super-SO）模态参数的精确解耦与识别。在此基础上，提出了一种物理特征嵌入的图注意力网络（graph attention network, GAT）定位方法，将识别得到的高精度模态参数作为物理特征嵌入图节点中，并利用注意力机制自适应学习振荡在电网拓扑中的传播模式。最后，基于IEEE 14节点系统的仿真验证表明，所提方法能够有效实现振荡源的准确定位。

随着风电、光伏等新能源并网容量持续增加，电力电子设备与电网交互引发的次同步振荡（Sub-SO）和超同步振荡（Super-SO）问题日益突出。此类振荡通常源于局部扰动并逐步扩散全网，严重威胁系统稳定性。现有基于宽量测系统（WAMS）的振荡源定位方法中，机理类方法依赖系统模型，在非线性、噪声干扰下性能受限；数据驱动方法多需高频波形数据，缺乏物理可解释性且忽视电网拓扑约束。为突破上述瓶颈，研究人员提出一种基于同步相量（synchrophasor）的模态参数识别与物理特征嵌入的图注意力网络（GAT）定位方法，论文发表在《Electronics》。

研究人员首先针对WAMS控制中心同步相量数据，提出亚/超同步振荡模态参数识别方法。通过选择同步相量实部作为特征量，利用插值离散傅里叶变换（IpDFT）检测振荡频率，并设计重采样调度策略（将100 Hz重采样至80 Hz）使旋转因子构成的范德蒙矩阵满足满秩条件，从而解耦次/超同步分量并识别阻尼因子、幅值、相位等模态参数。在此基础上，将识别参数作为物理特征嵌入电网拓扑图的节点中，构建图注意力网络（GAT）定位框架，利用多头注意力机制自适应学习振荡能量在拓扑中的传播模式，最终输出各节点为振荡源的概率。样本来源包括改进的IEEE 14节点系统（含4台发电机和1个100 MW双馈感应发电机DFIG风电场）和IEEE 39节点系统，共生成1000个（14节点）和814个（39节点）振荡场景，并添加高斯白噪声模拟实测条件。

**4.1. 识别算法验证**
在改进IEEE 14节点系统上设置DFIF风电场串补度突增场景，利用同步相量旋转特性构建迭代矩阵，解耦后显示次同步分量幅值显著大于超同步分量，表明振荡以次同步为主。通过曲线拟合获取阻尼因子，并与Hilbert-Huang变换（HHT）方法对比，所提方法识别结果更接近理论值，因其解决了100 Hz报告率下超同步分量频谱混叠导致幅值高估的问题。

**4.2. 定位方法验证**
将IEEE 14节点系统建模为图（4个候选节点，17条边），提取节点1、2、3、6处同步相量中的模态参数（阻尼因子、幅值、相位）作为特征。GAT模型经1000个样本（含30 dB噪声）训练后，输出概率显示节点2为振荡源的概率最高，与实际故障位置一致。动态注意力系数轨迹表明节点2在聚合邻居特征时获得更高权重。不同振荡源场景下，定位准确率均较高，直接验证了方法的有效性。

**4.3. 鲁棒性与对比验证**
在IEEE 39节点系统（814个场景）上测试不同信噪比（SNR）下的定位性能：干净数据准确率100%，SNR为20 dB时降至87.8%，30 dB及以上恢复至99%以上，表明方法在中等及以上测量噪声条件下鲁棒性强。与长短期记忆网络（LSTM）定位方法、无参数识别的GAT方法对比（均使用30 dB噪声），所提方法在平均准确率、标准差、最佳/最差准确率、精确率、召回率及F1分数上均优于对比方法，原因在于有效提取物理特征并利用图结构捕捉空间相关性。

**结论**
本文研究了电力电子主导电力系统中次/超同步振荡的广域监测与定位，主要结论如下：
（1）提出一种基于同步相量的高精度次/超同步振荡检测与模态参数识别方法，通过调整旋转因子构成范德蒙矩阵的阶数，有效解决频谱混叠问题，实现振荡模态参数的解耦与精确识别。
（2）提出一种基于物理特征嵌入和图注意力网络的振荡源定位方法，将高精度模态参数嵌入为节点特征，利用GAT的注意力机制自适应学习振荡能量在电网拓扑中的传播模式。
（3）在改进IEEE 14节点和39节点系统上的仿真结果表明，所提方法不仅比传统方法具有更高的识别精度，而且在定位阶段能利用GAT模型有效聚合关键节点特征，输出高置信度定位结果，实现次/超同步振荡源的在线准确识别，为现代电力系统的稳定性分析和控制提供了新的技术支持。