面向电力系统机电振荡监测的先进信号处理方法与触发机制研究

《IEEE Transactions on Power Systems》：Comparative Analysis and Practical Implementations of Data-Driven Methods for Electromechanical Oscillation Identification in Power Systems

　　

摘要：

监测机电振荡对于维持现代电力系统的稳定性至关重要，尤其是在逆变器型资源（IBR）渗透率不断上升的背景下。现有数据驱动技术，如动态模态分解（DMD）、主成分分析与Prony分析结合（PP）以及Yule-Walker（YW）算法，在振荡事件中表现良好，但在环境条件下鲁棒性较差，限制了其应用范围。为克服这一缺陷，本文评估了三种先进的信号处理方法：基于旋转不变技术信号参数估计（ESPRIT）、Tufts-Kumaresan（TK）以及随机子空间辨识（SSI）。此外，还引入了一种基于能量的触发机制以增强态势感知能力。所有方法均在仿真测试网络和欧洲电力系统中记录的真实振荡事件上与现有方法进行了基准测试，包括意大利电力系统中发生的一次强制振荡事件。通过对一次真实短路事件和15分钟正常运行间隔的分析，验证了环境条件下模态参数识别的鲁棒性和触发报警的可靠性。结果表明，ESPRIT、TK和SSI能够提供比DMD、PP和YW更准确的模态参数估计，并更早触发报警，证实了所提出框架适用于实时稳定性监测。