扰动信号分析（精选7篇）
扰动信号分析 篇1
0 引言
电力系统很多领域都离不开信号处理技术,如继电保护、电能质量分析、录波数据处理、设备状态监测与故障诊断、振荡信号分析等,信号处理技术在电力系统中具有重要作用。目前应用于电力系统的信号处理方法主要有傅立叶变换、短时傅立叶变换、小波变换、S变换等时频变换的方法[1,2],以及数学形态变换[3]、希尔伯特-黄变换(HHT)[4]、Prony算法[5]等。傅立叶变换主要用于分析稳态信号,对于非平稳信号不具有时间局部性。短时傅立叶变换虽然具有时间局部性,但其时窗宽度是固定的,不能适应变化的信号。小波变换结果与小波函数的选择关系很大,缺乏自适应性;作为工程实用的正交小波变换是按频带分解,无法得到信号的准确参数。数学形态变换的结果强烈依赖于结构元素的选择,对于复杂信号,很难选择一个合理的结构元素与信号相匹配。HHT和Prony算法能够得到解析的信号分解形式,但这两种算法均不能表达不连续的信号。
在信号处理领域,一般将信号分解在一组完备正交基上。这类表示方法试图使用一组固定的基函数来表达任意信号,从而对于一般信号不能总得到信号的简洁表示。更好的信号分解方式应该根据信号的特点,自适应地选择合适的基来表示信号。为此,Mallat和Zhang提出信号在过完备原子库上分解的思想[6],该思想将信号在一组过完备的非正交基上分解,分解结果是高度稀疏的,并且能够得到信号的解析表示。近年来该思想引起高度重视,不断提出改进算法[7,8,9,10],并逐渐应用于信号去噪、视频编码、模式识别、信号建模与压缩、时频分析等领域[11,12,13]。
1 原子稀疏分解
1.1 基本概念
从傅立叶变换到小波变换,虽然分析能力不断增加,但是还存在许多不足。产生这些不足的原因在于,基展开试图用有限的函数或向量集合表示任意信号,而没有考虑信号本身的特征。由于基的正交性,基在信号空间中的分布是稀疏的,从而信号的能量在分解以后将分散分布在各个基上。能量分布的分散性导致用基表达信号时具有非稀疏性。为了得到信号的稀疏表示,需要在信号空间构造足够密集的基,这种非稀疏的基称为原子,由原子组成的集合称为原子库。原子库必须是过完备的(Over-complete Dictionary of Atoms),以保证任意信号都可以从中自适应地选择一组最佳的原子来表示该信号,使分解结果非常稀疏,此过程称为稀疏分解(Sparse Decomposition)。信号的稀疏表示极大地提高了信息密度和使用的灵活性,可以用更少的函数更清楚、更集中地刻画信号的本质特征。
原子信号要求具有时频局部性,因此又称为时频原子。通常的时频原子是由某种窗函数g(t)经伸缩、平移、调制生成的。g(t)为连续可导实函数,g(t)∈L2(R)且‖g(t)‖=1。由g(t)生成的原子为:
其中:γ称为gγ(t)的索引(Index)。定义γ=(s,τ,ξ),其中s为尺度因子,τ为平移因子,ξ为频率调制因子。显然,对于连续的γ=(s,τ,ξ),库{gγ(t)}是无限冗余的。为得到可行的有限原子库,必须从{gγ(t)}中选择一个离散参数子集D={gγn(t)|n∈N},其中γn=(sn,τn,ξn)。
1.2 Gabor过完备原子库
原子稀疏分解中最常用的是Gabor原子库。Gabor原子的表达式如式(2)所示。
其中:为高斯窗函数;γ=(s,τ,ξ,φ),s为尺度参数,τ为位移因子,ξ为频率因子,φ为相位因子。令待分析离散信号的长度为N,则Gabor原子的离散表示形式为:
Gabor库的时频参数γ=(s,τ,ξ,φ)需要进行合理的离散化,以形成有限原子库,并保证其对信号的完备性。Gabor原子的离散参数形式一般表示为γ=(2j,p2j,kπ21-j,φ),其中j,p,k∈Z,φ∈R。因此索引γ可以唯一地表示成离散的形式γs=(j,p,k,φ)∈Z3×R,j决定原子的尺度,p决定原子的时移,k决定原子的调制。离散化后形成一个有限原子库,库中原子表达式为:
其中:
g(⋅)为高斯函数;L=log2(N),j∈[,0L],p∈[0,2-jN],k∈[,02j)。由于应用Gabor原子的复数形式,故最优相位因子φ可通过s、τ、ξ三参数及相应关系式求得。由以上离散化过程可知,分频基数为2,随着倍频程j值的递增(即尺度参数s的增加),位移参数的扫描间隔在不断稀疏,而频率参数的扫描间隔在不断密集。
1.3 匹配追踪算法
匹配追踪(Matching Pursuits,MP)算法是原子稀疏分解的主要方法。MP算法是一种贪婪迭代算法,在每次迭代计算中,依照原子库的索引方式扫描原子的控制参数从而得到此次迭代中与分析信号最为相关的原子,然后从分析信号中抽取出这个最佳原子的能量,形成新的残余信号。通过控制迭代次数或残值信号的能量可以控制匹配追踪的计算过程。
假设D为过完备原子库,H为有限维Hilbert空间,D∈H,x为原始信号,gγ为库D中的原子。在每次分解迭代过程中,MP寻求这样的原子gγ(m)∈D(m为迭代次数),使它与当前残余信号rm-1x具有最大的内积。每次迭代完成后,从残余信号中抽取出原子gγ(m),形成新的残余信号。令最初的残余信号为r0x=x,迭代关系式为:
进行m次迭代后,当前残余值为rxm,则原信号x可表示为:
因此经过m次迭代后,原始信号x可用m个原子的线性组合来近似表示,其误差为第m-1次迭代计算后的残差。
2 适于电力系统信号的衰减正弦量原子
原子库中的原子可以针对待分析信号的特点来构造,以提高信号分解的效果并减小计算量。这种针对某类型信号专门构造的原子库称为相关原子库(Coherent Dictionary of Atom)。电力系统信号一般具有衰减正弦量形式,为了使原子分解算法更好地适应电力系统信号,可采用衰减正弦量原子。用衰减正弦量原子表示的信号模型为:
式中每个衰减正弦量原子包含6个参数(Aq,fq,ρq,φq,tsq,teq),Aq为衰减正弦量的幅值;fq为频率;ρq为衰减因子;φq为相位;tsq和teq分别为衰减正弦量的起始时间和结束时间;u(t)为单位阶跃函数。
衰减正弦量原子分解的方法是先用Gabor原子按MP算法进行分解,再用分解出的Gabor原子计算对应的衰减正弦量原子[13,14]。该方法中衰减正弦量原子gγ按式(8)表示。
式中:Kγ为归一化系数;ρ为衰减因子;ξ为频率因子;φ为相位因子;ns、ne为当前原子的起始和结束时间;N为信号长度;γ=(ρ,ξ,φ,ns,ne);h(n)定义为式(9)。
值得一提,Prony算法也是用衰减正弦量形式表示信号,但Prony方法表示的信号模型为:
由此看出,Prony方法要求信号在分析区间内是连续的,不允许各衰减正弦量在不同的时刻开始和中止,其适用条件受到很大限制。
3 原子分解算法的电力系统应用
3.1 典型电力系统扰动信号的原子分解
本文在Matlab平台上开发了衰减正弦量原子稀疏分解算法,对一些电力系统扰动信号进行了原子分解,研究了算法在电力系统扰动信号分析中的应用。
算例I:原始信号波形如图1(a),该信号由三部分组成,具体参量见表1。对信号进行原子分解,经3次迭代后依次得到各原子参量如表2。图1(b)、图1(c)分别给出了用原子分解的重构波形和残余信号。可见原子算法能够精确地分解出信号的成分并具有较好的时间定位功能。
算例II:脉冲信号,表达式为
信号采样率取10 MHz。表3给出信号分解出的3个原子参数。由原子起始和终止时间可见其时间定位误差仅1μs,可用于检测行波波头时刻。
算例III:滤除衰减直流分量。工频叠加衰减直流分量波形如图2(a)。由仿真图形可以看出,只需一次迭代,原子分解算法便将工频量与直流分量分离,又由于直流分量在表示形式上是式(7)的一种特殊形式,故原子分解亦可在后续的分解中得到直流分量的相关参数。表4给出了迭代两次所得原子的相关参量。图2(b)~图2(e)给出各原子分量、重构信号及残余信号波形。
3.2 原子算法在电力系统应用展望
3.2.1 特征提取
原子分解是自适应且稀疏的,因此特征提取也是最有效的。
1)电能质量分析。
电能质量监测系统应能够正确地捕捉电网中出现的各种电能质量扰动,正确地确定扰动起止时刻、自动地对扰动进行分类、定位、统计、存储等分析处理任务。电能质量扰动信号形式多样,变化范围非常大,可能是高频脉冲信号、凹陷、突升、谐波、闪变等,而且可能是几种扰动信号的综合。原子稀疏分解技术能够很好地适应这类复杂多样的信号形式。
2)故障信号分析和故障定位。
电力系统故障信号中包含故障前的稳态量、稳态故障电流、非周期分量、高频量、噪声等。利用原子分解可以自适应地根据信号中所含的成分把它们分离开来,直接获得各成分的解析参数。因此原子算法可能用于继电保护特征提取。在阻抗法故障定位中,可应用原子算法从故障后的非平稳合成信号中提取工频相量,进行故障定位。
3)电力设备状态监测与故障诊断。
对运行中的电气设备进行在线监测时,采集到的信号通常含有很强的背景信号和很多来自传感器和设备内部的噪声干扰,只有准确提取特征信号,并建立适宜的特征信号模型,才可能正确地诊断故障。
4)其他方面。
如电力系统振荡模态辨识、统计数据建模和趋势分析、负荷预测、数据挖掘等。
3.2.2 数据压缩与信号重构
电力系统故障采样录波数据、电能质量扰动数据、设备运行监测数据等直接按波形数据进行上传几乎是不现实的,波形数据的存储和分析也不方便。利用原子分解信息高度浓缩的特点,将波形数据分解为参量化的特征数据,再将参量数据进行传输和存储将极大提高信息处理的效率。
3.2.3 扰动时刻定位
衰减正弦量原子能够准确表达合成信号中各原子成分的起止时间,可应用于行波故障测距、电能质量扰动检测及事件顺序追忆等。
4 结论
原子稀疏分解算法突破了采用固定完备基分解信号的思想,而是根据信号的特点,自适应地从原子库中选择合适的基来分解信号。衰减正弦量原子赋予原子参数以更明确的物理意义,特别适合电力系统应用。原子分解的自适应、解析性和稀疏性特点使得该算法在电力系统特征提取、数据压缩等很多方面具有突出的优势。
扰动信号分析 篇2
关于电能质量扰动信号的分析方法, 主要有傅里叶变换、小波变换、Prony算法、S变换以及Hilbert-Huang变换等。其中, 傅里叶变换一般用于分析稳态电能信号, 存在频谱泄露和栅栏效应。文献[5]采用Prony算法对电能质量扰动信号进行分析, 采用该算法精度比较高, 但是容易受到噪声的影响。文献[6,7,8]分别采用小波法及改进小波法对电能信号进行分析, 此类方法可以对电能质量暂态信号进行比较准确的分析, 但和Prony算法一样, 基于Nyquist定理进行采样, 需要进行大量数据的采样, 并且数据的压缩复杂度也比较高。S变换结果只包含幅值信息, 不能对频率变化和谐波的相关参数进行估计与测量[9], HHT具有自适应性, 但只对连续信号进行解析分析。
针对传统采样理论以及信号处理方法的不足, 压缩感知理论逐渐被应用到电能质量分析中[10,11,12,13], 本文首先对压缩感知理论进行了阐述, 进行了不同恢复算法的信号重构, 简单分析了不同算法的重构效果以及性能指标, 最后对压缩感知在电能质量扰动信号中的应用进行了展望。
1 压缩感知理论
压缩感知理论的主要思路为:如果一维源信号在某域内具有K-稀疏性 (K小于源信号的长度) , 则可对源信号进行压缩观测, 然后采用重构算法对稀疏观测后的矩阵进行重构。图1为压缩感知理论的基本结构图:
2 国内外研究现状
压缩感知理论将满足稀疏性的信号进行压缩, 进而采用重构算法对压缩后的信号进行重构, 既可以降低信号数据的存储与传输, 又能降低对硬件的要求, 因此, 受到了国内外专家的普遍关注[14]。现在, 压缩感知理论在图像与模式识别、无线传感网络等领域得到了广泛的应用。
压缩感知理论包括三大核心:信号的稀疏性、压缩观测和重构算法。其中, 源信号满足稀疏性是应用压缩感知的前提, 并且需要寻找与稀疏基不相关的观测矩阵对原始信号进行压缩观测, 然后采用算法对压缩观测信号进行重构从而重构源信号。
2.1 信号的稀疏表示
信号的稀疏性是进行压缩采样的前提, 其决定了压缩采样的个数、算法的复杂度以及信号的重构精度。目前稀疏表示主要有稀疏字典与稀疏分解算法两种。
1) 稀疏字典:稀疏字典包括正交基字典和超完备冗余字典。正交基变换结构简单、算法复杂度低, 但不能对复杂信号稀疏度进行准确表示。超完备冗余字典可以准确的对源信号稀疏性进行表示, 超完备字典的原子种类包括Ricker子波、Chirplet、Curvelet、FMmlet、Contourlet、各向异性精细原子等[15]。
2) 稀疏分解算法:稀疏分解算法在不改变信号特征的情况下选取稀疏度最好的原子对信号进行稀疏表示, 包括基追踪算法和贪婪算法。其中, 基追踪算法可以实现全局最优化, 但是算法复杂, 主要用于解决凸优化问题;贪婪算法需对信号实时投影计算, 包括匹配追踪法、正交匹配追踪算法、迭代阈值法以及智能优化算法等[16]。
2.2 观测矩阵
观测矩阵是实现压缩感知算法的关键。观测矩阵需要满足硬件容易实现、采样复杂度低等优点, 并且与稀疏基具有不相关性。其中, 随机观测矩阵、确定性观测矩阵和自适应观测矩阵在压缩感知中应用最多。
2.3 重构算法
由压缩感知算法可知, 对原始信号的重构就是求解最优问题。常用的重构算法有凸松弛算法、贪婪追踪算法和组合算法[17]。
凸松弛算法将非凸问题转化为凸问题, 进而对最优值进行求解, 包括BP算法、内点法、梯度投影方法和迭代阈值法, 该算法所需观测点数少, 计算量较大。贪婪算法以上一步的局部最优值进行迭代对信号进行重构, 该算法包括匹配追踪算法、正交匹配追踪算法、分段OMP算法和正则化OMP算法。该类算法的实现时间比较长, 且重构精度与算法实现时间相关。组合算法要求信号的采样支持通过分组测试快速重建, 主要包括傅里叶采样、链追踪和HHS追踪等。目前, 粒子群算法以及改进粒子群算法也逐渐被应用到信号的重构中[18]。
3 在电能质量扰动信号中的应用
由于传统采样方式的固有缺点, 压缩感知理论逐渐被应用到电能质量扰动信号中, 包括压缩采样与信号重构。主要采用傅里叶变换基、二维小波基作为变换基进行压缩采样, 观测矩阵一般采用变密度采样模板和高斯随机矩阵, 信号的重构算法则选用基于TV最小化共轭梯度法、MP算法、OMP算法、快速贝叶斯匹配追踪法 (FBMP) 等作为重构算法对电能质量扰动信号进行重构。
本文以电压突降为例, 分别采用OMP、ROMP以及SPG恢复算法对原始信号进行重构, 并对其重构效果和压缩性能指标进行比较。重构效果如图2、3、4所示。
由图2、3可知, 以OMP算法、ROMP算法为代表的贪婪算法在重构精度上都比较低。SPG算法由于运用谱投影梯度方法计算更新方向与步长, 引进非单调性搜索策略使算法具有全局收敛性, 从而达到重构精度与算法效率的平衡。由图4可以看出, 重构信号与原始信号几乎完全重合, 因此其重构精度远远高于OMP算法、ROMP算法为代表的贪婪算法。
并且, 由运行结果可知以SPG为代表的凸优化算法的压缩性能指标高于贪婪算法, 但是SPG恢复算法由于算法复杂度比较高, 因此运行时间相对要长一点。
4 总结与展望
压缩感知理论突破了传统采样方式的限制, 大大减轻了数据采样的压力, 因此在电能质量分析领域得到了应用。但是, 压缩感知理论应用的前提是采样信号在某域内满足稀疏性, 并且在构造观测矩阵时需要考虑观测矩阵与稀疏矩阵具有不相关性。在选择恢复算法时, 既要考虑算法重构精度也要考虑算法的复杂度以及由此引起的运行效率。因此, 对于基于压缩感知理论的电能质量扰动分析, 仍存在以下问题:
1) 电能质量扰动信号的稀疏性是进行压缩采样的前提, 对于不同时刻、不同时间长度的扰动, 信号的稀疏度是否不同?应如何考虑?
2) 恢复算法的设计, 凸优化算法与智能优化算法已经达到了很高的重构精度, 但是未考虑其硬件的可行性, 尤其对于智能优化算法来说。
3) 恢复算法仅对原始信号进行重构, 并没有对扰动发生与结束的时间进行判断。
4) 仅考虑扰动信号基波情况, 并没有考虑其多次谐波时的重构精度以及算法的运行效率。
基于此, 压缩感知理论在电能质量扰动信号中的深入应用仍有很大的研究空间。
摘要：压缩感知理论可以解决传统采样方法中采样数据量大、采样时间较长以及压缩复杂度高的问题, 因此在图像压缩、电能质量分析、信号处理领域得到了广泛的应用。因此, 本文对其理论以及在电能质量分析中的应用与展望进行了综述。首先对压缩感知的基本原理进行了阐述, 并对压缩感知的三个关键部分进行了介绍, 对其在电能质量研究领域的现状进行重点介绍, 最后对其在电能质量的深入应用进行了展望。
扰动信号分析 篇3
由同步相量测量单元 (Phasor Measurement Unit, PMU) 为基本单位组成的广域测量系统 (Wide Area Measurement System, WAMS) 的出现, 为大规模互联电力系统的监视、分析和控制提供了新的手段[1,2]。电力系统发生故障后, WAMS/PMU信号中会出现扰动, 基于WAMS/PMU信号的电网扰动在线检测是电力系统在线安全分析的基础性环节[3,4]。电网扰动的及时发现可以提示调度运行人员快速采取必要的控制措施, 以防止故障范围的进一步扩大。
扰动信号的特点是随机性强、持续时间短, 目前尚无一个统一的检测方法和标准。常用扰动信号检测方法有:时域差分法、小波方法、模型差值法、突变量方法、数学形态学方法等。时域差分法[5]的优势在于算法原理及计算过程相对简单, 在线应用之中占空比低, 不足之处是差分结果的奇异性不高, 在输电线路负荷水平波动较大的情况下, 难以准确检测扰动信号的全过程, 其计算结果可靠性有待商榷;小波方法[6,7]通过小波变换模极大值理论获取信号的突变点, 较为准确地得到信号的时间定位, 提高了扰动信号检测的精度, 处理奇异信号的能力较强, 在扰动信号检测领域应用广泛, 母小波的选取是该方法关键因素, 直接影响检测结果的精度, 在线应用中存在一定的局限性;模型差值法[8]建模过程复杂、计算量大, 在线应用之中占空比指标过高, 限制了其实际应用价值;突变量方法[9]在扰动信号检测中应用广泛, 但是不适宜大扰动信号的检测, 这是由于大扰动信号随机波动大, 导致阈值选取复杂, 无法有效判断, 故而也受到一定的局限;数学形态学方法通过“探针”收集信号的信息, 利用“探针”与所检测信号进行匹配测试分析, 达到扰动信号检测目的, 目前已在电能质量扰动检测领域得到了一定的应用[10,11], 也有一些学者将其引入电网PMU信号的扰动检测领域[12], 但由于扰动阈值设定较为复杂, 在线应用效果有待验证。
为了解决上述各种扰动信号检测方法在线应用难题, 本文首次提出一种基于WAMS/PMU信号的归一化峰度 (Normalization Kurtosis, 记为xnk) 指标, 对电网扰动信号进行在线检测的方法。其原理是在对实测信号进行标准化处理后, 基于滑动窗技术在线计算标准化信号的归一化峰度, 将结果与扰动阈值对比, 以实现扰动信号在线检测。该方法的最大特点是:扰动阈值设置容易 (如设置为8) 、计算简单、适合在线应用。IEEE-39节点系统时域仿真信号和电网实测信号分析表明:该方法计算量小, 简单易行, 能有效、可靠地对电网扰动信号在线检测, 具有较高的工程在线实用价值。
1 广域测量信号及归一化峰度
1.1 广域测量信号
电力系统运行过程中, WAMS/PMU信号可分为两种[13,14,15]:1) 稳态信号 (Ambient Signal) 。由系统稳态运行时, 持续存在的负荷投切等随机性质小扰动因素引起, 如图1 (a) 中0~633 s以及647~1 200s所示。2) 动态信号 (Ringdown Signal) 。由系统内某种短时大扰动引起, 如图1 (a) 中634~646 s所示。
稳态和动态这两种信号均具有一定的随机特性, 这两种信号的数值是不能先验确定的随机变量, 但它们的数值常常服从某种统计规律, 即, 可以用概率密度分布特性进行描述。
1.2 基于归一化峰度判断信号类型
概率密度分布满足正态分布的信号为高斯 (Gaussian) 信号, 否则为非高斯 (Non-Gaussian) 信号[16,17]。文献[17]指出:归一化峰度是区分高斯信号与非高斯信号的量化指标, 归一化峰度等于3的信号称为高斯信号, 小于3的信号称为亚高斯 (Sub-Gaussian) 信号, 大于3的信号称为超高斯 (Super-Gaussian) 信号。
对于N个数据{x (t) }, (t=1, 2, …, N) , 其归一化峰度xnk的计算公式为
式中:E表示求均值;E{x4 (t) }表示对N个数据的4次方求均值;E2{x2 (t) }表示对N个数据的平方求均值后再进行平方。
2 电网扰动在线检测方案
2.1 电网实测信号分类测试
取南方电网金换线实测有功功率信号 (图1 (a) ) 并进行标准化处理[14,15] (图1 (b) ) , 数据长度1 200 s, 采样率5 Hz, 其中0~633 s以及647~1 200 s为稳态数据, 634~646 s为动态数据。按照1.1节WAMS/PMU信号的分类, 分为稳态信号、动态信号和稳态动态混合信号 (测试信号中同时包含稳态和动态信号) 三种类型进行测试, 结果见表1~表4。
表1、表2表明, 稳态信号或动态信号的归一化峰度在3附近小幅波动;表3、表4表明, 即使稳态信号与动态信号的比例不同, 稳态动态混合信号的归一化峰度也均远远大于3。
注:L和L1分别表示时间段内稳态信号和动态信号长度。
2.2 基于滑动窗技术的电网扰动信号检测流程
为满足xnk在线计算需求, 采用滑动窗[18]技术。在完成限定数据窗内信号的xnk计算后, 按照滑动步长更新信号, 再计算更新后信号的xnk, 如图2所示。
基于上述分析, 可以设计如图3所示的电网扰动信号在线检测方案, 在线判断电网扰动信号情况。判断依据如下:
1) 若xnk在3附近, 表明没有扰动信号存在。
2) 若xnk瞬间发生跳变 (数值瞬间增大) , 表明扰动信号刚刚发生。
3) 若xnk远大于3, 表明扰动信号依然存在于当前滑动窗内。
4) 若xnk再次恢复到3附近, 表明扰动信号已经完全离开当前滑动窗。
3 IEEE-39节点系统仿真信号算例
采用Matlab的Power System Analysis Toolbox (PSAT) 对IEEE-39节点测试系统 (如图4所示) 进行仿真测试。
为获取仿真系统的稳态信号, 需要模拟实际电力系统中的随机扰动, 在仿真系统每个节点上注入高斯白噪声。
仿真时间长度1 200 s, 信号采样率20 Hz, 在600 s时断开节点1-2支路, 1 s后恢复, 获取节点8-9支路有功功率信号 (图5 (a) ) , 然后标准化处理, 将标准化信号 (图5 (b) ) 作为后续分析信号。
3.1 20 Hz采样率信号测试分析
为分析不同长度的滑动窗以及滑动步长对xnk计算结果的影响, 对图5 (b) 信号设定不同长度的滑动窗和滑动步长进行测试。滑动窗取4 min滑动步长取4 s时、滑动窗取6 min滑动步长取6 s时和滑动窗取8 min滑动步长取8 s时的计算结果分别如图6 (a) 、图6 (b) 、图6 (c) 所示。图中xnk计算结果用“*”表示。
图6表明:当滑动窗内仅包含稳态信号时, xnk在3附近波动, 当滑动窗内同时包含稳态动态混合信号时, xnk远大于3。
图6对比分析表明:当滑动窗内包含相同数量长度的扰动信号时, 随着滑动窗口长度的增大, xnk逐渐增大, 这和表4的分析结果一致。
3.2 降采样信号测试分析
为了分析不同采样率信号的xnk测试结果, 对仿真信号降采样后用同样方法测试分析。图7 (a) 、图7 (b) 给出了5 Hz采样率信号在滑动窗取6 min滑动步长取6 s时和滑动窗取8 min滑动步长取8 s时的测试结果。
降采样信号测试结果同样验证了图6分析得到的结论。对图6和图7的部分测试结果进行统计分析, 见表5。
表5表明:1) 信号采样率相同时, 滑动窗口和滑动步长的长度越大, 稳态动态混合信号的xnk均值越大;2) 滑动窗口和滑动步长的长度相同时, 信号采样率越低, 稳态动态混合信号xnk均值越大。
因此, 电网扰动信号在线检测的工程实际应用中, 应适当增大滑动窗的长度以保证扰动阈值的可靠性, 充分保证电网扰动信号在线检测的准确性。
4 电网实测信号算例
取南方电网罗马线实测有功功率信号 (如图8所示) 进行测试, 数据长度1 200 s, 采样率5 Hz。滑动窗取4 min滑动步长取4 s时、滑动窗取6 min滑动步长取6 s时和滑动窗取8 min滑动步长取8 s时的计算结果分别如图9所示。
图9表明:在滑动窗长度取值不同的情况下, 本文方法均可准确判断电网中是否存在扰动信号。验证了本文提出的电网扰动信号在线检测方法的可行性和可靠性。xnk测试情况的统计分析结果见表6。
表6同样表明:应适当增大滑动窗的长度, 以充分保证电网扰动信号在线检测的可靠性。
对图8中的扰动信号的幅值进行弱化处理, 结果如图10所示。再用同样的方法检测相对较弱的扰动信号, 检测结果见图11。
图11表明:对相对较弱的扰动信号, 本文方法依然可准确及时地进行检测。
5 结论
本文从信号概率分布统计特性出发, 将WAMS/PMU实测信号分为稳态信号、动态信号以及稳态动态混合信号三种情况, 细化测试分析了这三种不同类型信号的归一化峰度指标, 得到了“稳态信号或动态信号的归一化峰度接近于3, 为近似高斯信号;稳态动态混合信号的归一化峰度远远大于3, 为超高斯信号”的结论。
无扰动配电技术分析及应用 篇4
1 现有系统切换方式和存在的问题
现在常见的10 kV以下配电系统, 多采用单母线分段的形式。现在微机保护装置也已经广泛地运用在电力系统的短路过载保护当中, 微机保护装置能够对进线电压电流和母线电压电流进行检测, 多台微机保护之间通过通讯或者联锁, 实现故障下的进线和母联的分闸合闸的切换。但是这种切换的方案是电流电压的幅值作为判据的, 切换时间较长, 一般考虑到晃电因素, 以及考虑到母联作为后备保护, 延时一般在0.5 s～1 s, 在考虑断路器动作时间, 母线失电时间过长, 母线残压很低, 高压电动机的低电压保护可能会动作, 即使不动作, 备用回路合闸瞬间的电流冲击也比较大, 对于电动机也会造成较大的冲击;低压系统母线同样因失电过长, 接触器失压脱扣, 会导致电动机停车, 工艺系统停车, 造成停产, 可能带来设备损坏和经济损失。
2 无扰动配电装置的技术方案
一种新产品——无扰动稳定切换装置则可以实时监控电网的运行变化, 通过对电力系统的电流、电压、频率、相角的监控, 当故障出现时, 选择合适的时机进行合闸操作, 使得切换前后系统母线的电压变化冲击的影响减到最小。在6 kV以上电压等级中的备自投切换更换为TPM-300型无扰动稳定控制装置, 实现馈线之间, 馈线和母联之间的快速切换;400 V电压等级中的备自投更换为TPM-310型无扰动稳定控制装置, 实现多开关之间的同期切换, 100 ms内实现切换完成, 确保母线电压不下降 (或母线不失压, 频率下降1 Hz, 相角差30°以内, 残压90%以上) , 低电压保护不启动, 交流接触器不脱扣, 同时防止事故切换中两个电源并列合环, 能够实现工艺流程连续性和稳定性, 实现系统无扰动供电。对于系统中出现的晃动或者母线欠压、保护动作等故障时, 保证了母线段供电不中断或者母线不失压, 能够减少低压脱扣, 同时能极大地降低成组电机的自启动电流。
3 无扰动配电装置主要原理
以TPM-300型无扰动稳定控制装置为例, 在6 kV/10 kV配电系统中, 通常采用单母线或者单母线分段形式, 两回路电源进线供电的形式 (见图1) 。这套装置采用下列几种方式进行切换。
3.1 快速切换
当主电源进线故障跳闸的时候, 切换装置根据对母线, 进线的电压、电流的幅值相位检测, 触发切换启动瞬间, 当主馈线和备用馈线间的相角差、频率差在定值范围内, 即可进行快速切换。快速切换时间小于0.2 s, 这时母线电压和频率衰减的不大, 是切换的最优选择, 实际中取决于母线上负载的数量, 负载越多, 电压、频率下降得越慢。实际上这种方式可以看成是主进线电源故障情况下, 主回路跳闸的同时, 备用回路合闸, 类似于双电源切换, 只是在备用回路合闸考虑到合闸的时间, 合闸命令作了一定程度的提前。根据实际, 用相角来界定, 小于55°可以认为是快速切换, 开关固有合闸时间为100 ms, 则合闸命令需要提前35°, 即可实现备用电源电压与母线残压向量夹角20°以内的快速切换。
3.2 首次同相切换
首次同相切换是在故障发生后, 主馈线立刻跳闸, 通过检测母线残压相角和备用馈线的电压相角变化, 因为残压的相量角速度是衰减的, 慢于正常的电压相量, 在残压相角落后一个周波, 即与馈线相角相同的时候, 这个时候残压与馈线电压的矢量差值最小, 装置控制备用馈线合闸, 这个切换需要精确, 即完全通过实时的频率、相角、幅值的变化规律, 计算出在母线残压与备用电源电压向量第一次相位重合的时间, 并考虑到合闸回路动作总时间, 适时发出合闸指令, 实现精确同相合闸, 此时母线电压衰减到60%～70%左右。
3.3 残压切换
残压切换是指当母线残压衰减到20%～40%额定电压后实现的切换。残压切换作为快速切换和首次同相切换的后备功能。这个切换的条件是在母线的电压衰减到某个允许值的时候, 才可以合上备用馈线, 无需考虑相角和频率差。
3.4 切换方式比较
这几种切换方式中, 快速切换时间最快, 对下游设备的稳定运行, 减少低压系统的交流接触器的脱扣, 将由进线电源故障引起的事故缩到最小范围。但是这种切换装置受到系统运行方式的影响, 如果开关的合闸时间过长, 或者某些故障情况下, 相位角差过大, 不能满足快速切换条件, 另外如果两回路进线来自不同的电源, 可能相位和频率有一定的误差时, 也无法采用快速切换的方式。快速切换的本身对系统也有一定的危险性, 因为系统电压切换的过程是个复杂的动态过程。
首次同相切换相对而言, 安全性要高一些, 切换的成功率比较高。同时首次同相切换能够精确地过零点首次同相合闸, 且不受负荷变化影响, 对设备的自启动很有利, 也可以作为快速切换的后备。在不具备快速切换的条件时, 首次同相切换可以作为后备。
残压切换的时间较长, 需要等待母线的电压衰减到20%～40%的时候才动作, 设备自启动的成功率, 自启动时间都会受到限制, 当然也因为时间长, 所以相对而言, 能够保证设备的安全, 对上级系统的影响也很小。
三种方式中, 首次同相切换综合而言是最为合理的切换方案, 当然如果情况允许, 快速切换效果为最好。
4 实际应用中的前景和问题
无扰动切换装置对于提高供电的可靠性, 降低因电力系统故障造成的设备停电以致停产具有积极意义。可以广泛地应用于石化、化工、钢铁等对于供电可靠性要求较高的企业, 装置类似于微机保护装置, 可以和通常使用的微机保护装置一起保证供电安全。在老厂供电改造中, 可以安装此装置取代原有的母联备自投装置, 提高供电连续性和切换稳定性, 也可以发挥较大的作用。
当然, 供电的可靠性属于系统问题, 无扰动供电技术只是其中的一个方案, 并不能完全解决系统的晃电问题。当下级供电回路发生故障的时候, 任何装置都不会动作, 只能等待故障回路的切除, 进而引起用电设备停电, 以致生产线和工艺流程的中断。另外当系统外发生故障引起的晃电, 考虑到系统的稳定性, 此时装置并不作切换。在实际的应用过程中需要根据需要确定。
摘要：针对现有配电系统的切换方式及其存在的问题, 介绍了一种新型无扰动配电装置, 对其性能、工作原理进行分析, 对该装置的几种切换方式进行了比较, 并结合现有配电系统的工作特点, 探讨了无扰动配电装置在实际应用中的前景。
扰动信号分析 篇5
大功率冲击性负载使传动装置要承受大的电网电压波动和大电流的冲击,而可逆轧机频繁的正反转要求传动装置有良好的动态响应性能和对电动机的保护能力。广东省韶关钢铁集团有限公司中板厂2×2 500 kW直流电动机传动系统在2004年9月由武汉科大自动化有限责任公司改造成多台西门子数字直流调速装置并联供电的传动系统。最近几年的产能加大导致传动系统过流跳闸较为频繁,影响了生产节奏。根据生产的实际情况和对传动系统负载扰动和电压扰动的分析,我们通过改变传动系统参数的设置较好地解决了传动系统频繁跳闸问题。
1 系统组成及控制
韶钢中板厂轧机上、下主传动装置分别采用6台调速装置组成12脉波整流并联电路,给电动机电枢供电[1],如图1所示。系统采用逻辑无环流的转速、电流双闭环控制,各台调速装置间通过并行和串行通信实现1主6从的控制方式[2]。每个电枢控制器负担电动机1/6的电枢电流,另外有1组励磁控制器单独给励磁供电。主传动三绕组整流变压器联结组别为Dy11和Dd0,二次绕组中星组和角组的电压相位相差30°。
西门子直流调速装置采用含弱磁的闭环串级调速控制,其控制回路主要包括电枢控制回路和励磁控制回路,如图2、图3所示。
Ud—整流电压;Ia—电枢电流;R—变压器内阻;L—主回路电抗;t—时间
西门子调速装置采用严格的逻辑无环流控制,直流电动机从电动运行转换到发电(制动)运行时,先要经本桥逆变使电流为0,并经一定的封锁延时和开放延时才能转为反桥逆变。由于主传动为6台调速装置并联供电,因此在本桥逆变转换为反桥逆变时,必须保证各调速器同时切换。图4为韶钢中板厂星组和角组调速器的切换互锁图,保证了切换的一致性。
2 扰动的分析与克服
含弱磁的西门子直流调速系统的电枢转速、电流双闭环和励磁电势、电流双闭环都采用PI调节器,构成无静差调速系统。由于采用多台装置并联供电的特殊结构,因此传动系统对各种扰动的抑制决定了其能否正常运行。
2.1 扰动分析
2.1.1 负载扰动
中板轧机的一个道次准备低速咬钢时,电动机力矩很小,约为空载转矩。咬钢瞬间,负载转矩TL≥1.5TN(TN为电动机额定转矩),相当于附加一个正的阶跃扰动。此时,电动机转速剧降为0,速度环相当于开环,电流迅速上升达到电流限幅,电动机以最大转矩加速至给定速度。
当这个道次轧制完成时,轧机开始抛钢。抛钢瞬间,负载转矩TL消失,相当于附加一个负的阶跃扰动。此时,电动机转速超调,速度反馈到速度环后减小电流环电流给定,电动机减速至给定速度。
为保证均流效果,并联供电传动装置的电流变化率dIa/dt不宜太大,否则会引起均流故障,导致其中某个调速装置过流,所以主调速装置的速度环比例系数不能过大。但速度环比例系数越小,轧机咬钢时的动态速降和抛钢时的速度超调也就越大,导致传动系统调速性能越软,不能满足工艺技术要求。因此传动系统在保证形成稳定可控的电流下应该尽量设定较大的速度环比例系数,以减小咬钢时的动态速降和抛钢时的速度超调量,获得较好的动态响应。
2.1.2 电压扰动
整流变压器的压降(忽略感性无功)
ΔU=PR/U
式中,P为整流变压器负载功率;U为额定电压。根据上面公式可知,低压大功率传动系统产生的大电流使整流变压器产生较大的电压降ΔU。对传动系统来说,ΔU是电枢电流环回路的扰动。
轧机咬钢时,电动机电动运行在基速以下,由于负载的瞬间增加,传动系统迅速增大电流。在轧钢的头几个道次咬钢时,由于压下量较大,电流甚至可以达到限幅值,因此此时ΔU相对较大;而当轧机轧完每个道次抛钢时,电动机运行在基速以上,电动机进行弱磁恒功率调速,Ia达到额定值,ΔU也较大。
根据Ud=1.35(Ul-ΔU)csoα(式中,Ul为变压器侧空载电压)可知, ΔU的增大将使得传动装置的Ud大大下降。根据E=CeΦn (式中,E为电动机电枢电动势;Ce为电动势常数;Φ为磁通;n为电动机转速)可知,低速咬钢时n较小,E还未达到额定,此时,
undefined
式中,r为电动机内阻。直流传动电路如图5所示,由于咬钢时E较小,因此相对较大的ΔU不会对传动系统产生较大影响。这时传动系统通过自动调节α,增大Ud,进而提高Ia,满足大负载下的转矩需要。
轧机抛钢时,负载转矩突然消失,速度超调,电动机由电动运行转入制动运行,机械能转换为电能反馈至电网。此时正桥触发角迅速调整β(逆变角)进行本桥逆变,使Ia迅速减小至0。当Ia为0后,星组和角组调速器一致性封锁本桥并经过一定延时后切换到反桥开放,即反桥逆变。反桥不断调整β使得E>Ud,从而维持最大电流及限幅电流以实现快速制动,达到上一级自动化给定的速度。
2.2 扰动克服
高速抛钢时负载扰动产生的速度超调量σ可达10%,E的上升可达10%以上;而大功率抛钢时电压扰动产生的实际ΔU可达Ul的15%。在大功率高速抛钢时,由于负载扰动和电压扰动的双重作用,使E突然增加,大于Ud,使Ia迅速增大,引起电动机过流跳闸,导致逆变失败。
通过上述分析,我们知道导致过电流跳闸的原因是速度超调下电枢电动势高于整流电压引起的逆变失败。由于并联供电传动装置的均流问题决定了电枢速度环比例系数不能过大,因此只能考虑降低速度超调时的电枢电动势。虽然降低电动机的弱磁电动势点,可以使电动机基速以上的机械特性变软,使得相同负载转矩下电动机电枢电动势有所降低,但是弱磁电动势的降低也会使电动机容量得不到充分利用。所以适当降低电动机的弱磁电动势可以有效减少速度超调下逆变失败引起的过流跳闸。
3 结束语
通过对并联传动装置负载扰动和电压扰动问题的分析,在保证均流效果而电枢速度环比例系数又不能过大的情况下,提出适当降低弱磁点电动势来防止传动系统跳闸。韶钢中板轧机主电动机的额定电动势为760 V,将弱磁点设定为740 V后很好地解决了扰动跳闸问题,保证了主传动系统的平稳运行。
参考文献
[1]陈昌宇,孙德宝.西门子6RA70全数字直流调速装置的2种扩容方法[J].电气传动,2003,33(3):51-55.CHEN Chang-yu,SUN De-bao.The two ways of powercapacity expansion with Siemens 6RA70 microprocessor-based converters for variable-speed DC drives[J].Elec-trical Drive,2003,33(3):51-55.
电力系统小扰动稳定的直接法分析 篇6
电力系统小扰动稳定性是指电力系统在遭受小扰动后是否有能力恢复到原来的平衡状态的性能。特征值法是电力系统小扰动稳定分析的常用方法, 它根据系统线性化后状态方程的系统矩阵求取特征值, 进而分析系统的稳定性, 能够给出很多与稳定性相关的信息。但面对现代巨型电力系统, 全特征值QR法存在维数灾难问题, 可能提供不准确的特征值;而选择模式分析法等部分特征值法则无法确保不遗漏重要特征值[1,2,3]。此外, 常用于评价低频振荡衰减特性的机电模式最小阻尼比也存在不全面的缺陷[4,5]。因此, 无论是从可靠判定稳定性的角度, 还是从全面评价系统动态特性的角度, 都需要探索其他的方法。
李亚普诺夫直接法通过李亚普诺夫函数分析系统的稳定性, 是研究非线性系统稳定性的重要方法, 但存在构造李亚普诺夫函数困难的问题, 而直接法若用于线性定常系统的稳定性分析则非常规范和简洁[6]。直接法用于电力系统控制和暂态稳定分析方面已有丰富的研究成果[7,8,9], 但尚未见其用于电力系统小扰动稳定分析的文献。基于线性化模型, 直接法完全可应用于电力系统的小扰动稳定分析。另一方面, 从控制理论应用的角度看, 直接法一般仅用于低阶线性系统的稳定分析, 鲜见用于诸如电力系统这样的高阶线性系统稳定性分析的文献。本文探讨将直接法用于电力系统的小扰动稳定分析, 剖析了求解李亚普诺夫方程的算法, 引入功角偏差平方积分指标对机电振荡的动态性能做出评价, 并与特征值法进行比较。
1 线性定常系统稳定性的直接法分析
1.1 直接法稳定性判据
直接法基于能量观点, 采用李亚普诺夫函数 (广义能量函数) 判断系统平衡状态的稳定性。扰动后, 如果随着时间的推移系统储存的能量逐渐衰减, 且到达平衡状态时能量达到最小值, 系统就是渐近稳定的, 否则就是不稳定的。
下面描述线性定常系统稳定性的直接法判据[6]。
对线性定常系统
其平衡状态xe=0为大范围渐近稳定的充要条件是:对任意给定的正定实对称矩阵Q, 必定存在正定的实对称矩阵P, 满足李亚普诺夫方程
并且
是系统的李亚普诺夫函数。
Q阵的选择与系统的稳定性结论无关, 只需为正定即可。为简便, 常取Q=I, I为单位矩阵。
1.2 李亚普诺夫方程的求解
直接法分析系统稳定性的关键是由式 (2) 李亚普诺夫方程快速准确地求出P阵。求解李亚普诺夫方程的方法已有不少。根据P和Q阵的对称性分解合并同类项的方法[10]简单明了, 但其中间数据占用内存太大;用高维新公式[11]求解李亚普诺夫方程需要首先知道A阵的特征值性质;降阶法[12]则是将李亚普诺夫方程的数值解转化为一个代数特征值问题。这些方法在一定程度上丧失了直接法的本意。
Matlab中的命令lyap求解李亚普诺夫方程效率较高, 现对其算法进行剖析[13]。
将系统矩阵A通过一个正交矩阵U相似变换到上三角分块矩阵A′, 即
其中, 矩阵块A′ii最高为2阶, 因此AT通过正交矩阵U相似变换可得到下三角分块矩阵A′T。
表示李亚普诺夫方程中矩阵P和Q的正交相似变换分别为
则可有
由其可解出P′中的各分块矩阵, 从而得到矩阵P=UP′UT。这种方法将高阶李亚普诺夫矩阵方程的求解问题化为p×p个不高于2阶的低阶矩阵方程的独立求解问题, 在计算时间和计算机空间占用上都得到显著的节约。本文采用这种方法求解李亚普诺夫方程。
李亚普诺夫方程的求解在数学上属于线性代数方程组的求解问题。上述正交变换分解法每个矩阵代数方程的阶数不高于2阶, 其可靠求解不存在问题, 从这一点看采用直接法判断电力系统小扰动稳定不会因遗漏信息或提供不准确信息导致误判。
1.3 基于直接法的系统动态性能评价
采用状态变量偏差平方积分评价系统的动态性能是一种有效的方法。对于稳定的线性系统, 用李亚普诺夫方程可以方便地求得状态变量偏差平方积分值。
设式 (1) 中描述的线性系统为稳定系统, 其中x为状态偏差量, 由式 (3) 计算指标函数值 (即各状态偏差量的加权平方积分值) J:
其中, QJ≥0, 称为对角加权矩阵。设
QJ=diag (q1, q2, …, qn)
则
可以利用QJ阵元素赋值的不同来突出或弱化某状态偏差量在J中的权重。特别地, 若QJ=I, 则
此时, J实际上就是系统各状态偏差量平方在t (0, +∞) 区间上的积分之和。对状态偏差量xi, 其自由响应曲线和平方积分结果如图1所示。
由图1可见, J值即图1 (b) 中的阴影面积, 能够反映xi的动态性能;J值小, 表明xi衰减速度快且振荡幅度小。
由式 (2) 和式 (3) 得:
将式 (1) 代入式 (4) 整理化简, 并考虑当系统稳定时x (∞) =0, 得:
由上可见, 直接法评价系统稳定时, 可以根据对角阵QJ元素的取值不同求出各状态偏差量平方积分值的加权和, 对系统的动态过程进行全面和准确的评价。对稳定的系统, 如果仅关心部分状态变量的动态过程, 则在对角阵QJ中只需取与这些状态变量对应的元素为正、其余元素为0即可。
2 电力系统小扰动稳定的直接法分析
电力系统低频振荡是指电力系统在欠阻尼情况下发生的发电机转子间机电摇摆或系统联络线上的功率振荡, 是常见的电力系统小扰动稳定问题。本文以低频振荡为对象说明直接法在电力系统小扰动分析与评价中的应用。
当发电机采用三阶实用模型, 励磁系统采用一阶惯性环节表示时, 分析电力系统低频振荡的线性化状态方程如式 (1) 所示, 式中
其中, A的各非零子矩阵均为对角阵;K1~K6是与系统平衡点有关的线性化系数矩阵;均为状态列向量。各符号的含义遵从习惯, 其中Δδ和Δω分别为相对于参考机组功角和角速度的数值[14]。
基于该模型运用第1节中的方法求解李亚普诺夫方程 (Q=I) , 根据P阵的正定性即可对系统稳定性作出判断。
描述低频振荡最直观的变量是功角。对稳定系统, 在李亚普诺夫方程中取
即在QJ阵中仅取对应于功角的对角元素为1, 其余为0, 对给定的Δδ初值就可以求出评价系统动态性能的各功角状态量平方积分之和J。对相同的功角初值, J越小表明动态过程越短, 系统性能越好。
3 算例
本文运用直接法对算例系统1~4的小扰动稳定性进行分析, 并与特征值法进行对比, 结果如表1所示, 表中λ表示系统的特征值。4个算例系统分别为WSCC 3机系统[15]、中国电力科学研究院6机系统[16]、中国电力科学研究院8机系统[17]和New England 10机系统[18]。
由表1可见, 2种方法所得稳定性判断结果完全一致, 其中算例系统3和4不稳定。
对算例系统3和4, 分别按照表2和表3所示顺序 (按动态最小阻尼比配置准则) [19]对发电机组配置PSS以改善系统稳定性, 并同时列出了特征值法所得机电模式最小阻尼比ζmin和直接法的功角偏差平方积分值J (δ (0) =1) 对系统动态性能进行评价。
机电模式最小阻尼比ζmin是被广泛采用的低频振荡评价指标。由表2和表3可见, 随着配置PSS机组的增加, ζmin单调增大, 按照认识习惯, 这表明系统稳定性能逐步改善, 越来越好。但同时可见, 功角偏差平方积分值J随着PSS配置的增加, 并不总是单调减小, 如两表中加框的相邻J值就出现了相反的情况, 这与基于机电模式最小阻尼比的评价结果不一致。
对这一现象分析如下。有文献指出, 新配置的PSS在改善某个机电模式阻尼的同时也可能恶化其他机电模式的阻尼[5]。机电模式最小阻尼比除了它所对应的所谓主导机电模式外, 并没有提供其他机电模式的阻尼信息, 从这一点看, 采用ζmin评价低频振荡虽然具有一定道理, 但并不全面。
图2所示为算例系统3的6号机组配置PSS前后1号机组的功角曲线, 其与表2第3、4行数据对应。
图2表明, 在算例系统3的6号机组配置PSS后, 与配置前相比虽然ζmin有所提升, 但1号机组的功角波动程度非但不减反而略有增加, 这是ζmin不能全面描述系统机电动态特性的一个示例。而功角偏差平方积分值J包含了所有机组功角在 (0, ∞) 时间区间上的波动信息, 包括6号机组配置PSS后至少1号机组的功角波动性略有恶化的信息, 因此J可以更准确全面地反映系统的机电动态过程。
4 结论
本文探索将李亚普诺夫直接法用于电力系统小扰动稳定性的分析与评价。
a.运用直接法能够正确可靠地判定系统的小扰动稳定性, 不会出现因信息遗漏或不准确导致稳定性误判;状态偏差平方积分指标较机电模式最小阻尼比能够更全面地评价系统的动态性能。
b.状态偏差平方积分值虽然能够对系统动态性能进行全面的评价, 但目前还没有一个统一评价标准, 只能根据其变化趋势来判定系统稳定性是否改善;计算经验表明, 对算例系统, 求解李亚普诺夫方程耗用机时较特征值稍多。将李亚普诺夫直接法用于电力系统小扰动稳定性分析需要进一步探索。
摘要：对李亚普诺夫直接法用于分析和评价电力系统小扰动稳定性进行研究。介绍了线性定常系统稳定性的直接法判据, 剖析了求解李亚普诺夫方程的算法, 引入状态偏差量平方积分指标对系统动态性能进行评价。以4个算例系统的低频振荡为对象, 具体研究直接法在电力系统小扰动稳定分析中的应用。研究结果表明:直接法可以正确可靠地判断电力系统的小扰动稳定性;采用功角偏差平方积分指标评价低频振荡动态特性比常用的机电模式最小阻尼比更为全面, 丰富了电力系统小扰动稳定性的评价方法。
农户增收中的扰动因素分析及应对 篇7
关键词：农户,增收,扰动因素,应对
众所周知, 三农问题的核心是农民增收问题。由于我国农村仍以农户作为生产单位的现实, 关注农户增收问题则成为应有之义。随着近10多年来工业反哺农业, 以及城乡统筹试点的开展。农户平均收入整体上呈现上升态势, 并从去年的统计数据来看, 农村人均收入增速超过了城市水平。面对这一可喜成绩的同时我们还须认识到:正因农户平均收入水平长期低于城市居民户, 从而才具有更大的增长空间。也正因如此, 针对农户增收中的扰动因素进行分析并给出对策, 便成为本文关注的焦点。
所谓“扰动因素”可以理解为, 制约农户增收的一系列因素的总和。其中, 不仅包括认为因素, 还包含着诸多市场和自然因素。然而, 在建立问题的应对措施时, 笔者遵循“先易后难”的原则。并且, 对于诸多市场和自然原因则不纳入本文讨论的范畴。
鉴于以上所述, 笔者将就文章主题展开讨论。
一、农户增收途径探究
马克思在《资本论》第二卷中指出, 由于农业生产要受到自然力的长时间作用, 这就为他们的从事副业创造了条件。在此启发下, 本文将传统种植以外的收入来源统称为增收途径。结合我国农户现实, 他们的增收途径可概括如下:
(一) 外出务工
外出务工是当前我国农村青壮年主要的收入来源渠道, 这也导致了广大农村人口结构的空心化现状。之所以将个体外出务工也算作农户增收途径, 实则在于对农业亲缘关系依旧牢固的现实反映。因近年来出现了大量民工返乡就业的现象, 这里的外出务工包括:离土离乡和离土不离乡两种形式。
(二) 自主创业
目前以农户为单位的自主创业现象也逐渐增多起来, 创业内容包括:特种养殖、流通加工、建筑施工等诸多方面。之所以将自主创业纳入到增收途径之中, 在于农户在耕地并为丧失的情况下所进行的创业, 必然是在从事传统种植和创业之间进行了机会成本的理性比较。
(三) 兼业劳作
兼业劳作是我国农户增收的早期形式, 也是目前大量存在的增收途径之一。兼业劳作一般存在于兼业户中, 他们的家庭人均收入一般高于所在村社的平均水平。其形式如:保持着耕作传统, 但也经营像“农家乐”、“住宿”这样的家庭产业。
当然, 根据经典作家的启发还可以无限细分增收的途径组成。但是, 以上三个方面却成为当下最为常见的途径来源。
二、基于增收途径的扰动因素分析
结合以上三个主要途径, 其中的扰动因素分析如下:
(一) 针对外出务工的扰动因素分析
外出务工所获得收入的形式属于城市经济范畴, 这一范畴便与产业经济的发展状况建立了联系。在此基础上所存在的扰动因素包括: (1) 制度因素。目前对于进城务工的农村劳动力仍存在着或多或少的歧视性政策, 这种政策在收入上表现为:工资水平偏低、工资发放不按时等。 (2) 经济因素。受到宏观经济波动的影响, 那些劳动密集型企业往往随意裁减员工, 从而导致农户收入来源中断。 (3) 产业因素。伴随着产业结构升级, 工作岗位对于劳动力的技能要求日益提高, 这就直接抑制了农村普通劳动力的就业需求和收入增长期望。
(二) 针对自主创业的扰动因素分析
有关自主创业的扰动因素包括: (1) 融资渠道不畅。关于农户创业的融资渠道不畅早已是个老问题了, 之所以还未完全解决主要仍在于金融创新的滞后。对于涉农创业而言资金循环速度明显较慢, 这就增大了农户周转资金的需求总量。 (2) 政策扶持不够。自主创业本身也是解决当地农业人口就业问题的突破口之一。而当地政府往往只是口头鼓励这种行为, 却很少从提供政策倾斜的角度来扶持。 (3) 产品销售渠道狭窄。在市场经济体制下, 农户自主创业所生产的产品只有顺利走向市场, 才能实现资金的回笼目标。然而, 缺少信息流、物流、资金流的支撑, 他们的产业销售渠道呈现出狭窄的态势。
(三) 针对兼业劳作的扰动因素分析
从我国过去农业政策的价值取向来看, 是反对形成兼业户的。理由主要归因于, 对农业生产的可能破坏方面。在这一价值判断的推动下, 县域政府长期一来对于兼业劳动的农户采取消极的态度。具体来说, 便是既不支持也不反对。而乡政府的态度则较为积极。这也形成了扰动因素之一。
三、应对措施
应对措施包括以下三个方面:
(一) 针对外出务工的应对措施
从国家层面来看, 主流意识已要求给予农民工同工同筹的待遇, 并也通过一系列的政策进行了固定;与此同时, 还应从增强农户自身劳动技能水平上下工夫。不难理解, 惟有苦练内功才能以不变应万变。因此, 乡镇应大力开办免费的技能培训班。通过多样化技术的传授, 才提升农户的增收水平。
(二) 针对自主创业的应对措施
目前, 农户自主创业的挑战来源于资金和市场两大方面。因此, 县域政府应通过建立政策性创业基金来针对性的扶持农户创业;同时, 充分挖掘自身公权力的功效, 为农户产业担当品牌代言人的角色。当然, 涉及到农村金融创新问题已被大量论述, 这里就不在论及了。
(三) 针对兼业劳作的应对措施
应发挥专业农社的管理、协作功能。通过确保正常的种植业不荒废的前提下, 形成兼业产业的集团化经营。如, 乡村旅游项目中的餐饮住宿业, 便可以如此实现规模化经营。
综上所述, 以上便构成了笔者对文章主题的讨论。
参考文献
[1]童海洋.坚定不移地推进农村"三权"融资改革创新[J].重庆经济, 2012 (1)