Идентификация низкочастотных колебаний в электроэнергетической системе и оценка участия синхронного генератора в их демпфировании тема диссертации и автореферата по ВАК РФ 05.14.02, кандидат наук Захаров, Юрий Павлович

• Захаров, Юрий Павлович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Захаров, Юрий Павлович

СОДЕРЖАНИЕ

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

1 ГЛАВА 1. ОБЗОР МЕТОДОВ ИДЕНТИФИКАЦИИ НИЗКОЧАСТОТНЫХ КОЛЕБАНИЙ

1.1 Преобразование Фурье

1.2 Оконное преобразование Фурье

1.3 Метод Прони

1.4 Рекуррентный анализ

1.5 Вейвлет-преобразование

1.6 Преобразование Вигнера-Вилла

1.7 Сингулярный спектральный анализ

1.8 Метод эмпирической модовой декомпозиции

1.9 Выводы

2 ГЛАВА 2. ЭМПИРИЧЕСКИЙ МЕТОД ДЕКОМПОЗИЦИИ

2.1 Алгоритм эмпирической модовой декомпозиции

2.2 Результаты тестовых расчетов методом ЭМД

2.3 Выводы

3 ГЛАВА 3. МОДАЛЬНЫЙ АНАЛИЗ НИЗКОЧАСТОТНЫХ КОЛЕБАНИЙ

3.1 Основы модального анализа

3.2 Модальный анализ НЧК, полученных в тестовой схеме

3.3 Модальный анализ НЧК, зафиксированных СМПР

3.4 ПО «Мониторинг низкочастотных колебаний»

3.5 Выводы

4 ГЛАВА 4. МЕТОД КОЛИЧЕСТВЕННОЙ ОЦЕНКИ УЧАСТИЯ СИНХРОННОГО ГЕНЕРАТОРА В ДЕМПФИРОВАНИИ НЧК

4.1 Определение синхронизирующей мощности синхронного генератора

4.2 Оценка влияния допущений на величину синхронизирующей мощности

4.3 Применение метода количественной оценки к реальным измерениям

4.4 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1 - СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ПРИЛОЖЕНИЕ 2 - РУКОВОДСТВО ТЕХНОЛОГА ПО МНЧК

ПРИЛОЖЕНИЕ 3 - КОПИЯ ПРИКАЗА О ВНЕДРЕНИИ ПО МНЧК В ПРОМЫШЛЕННУЮ ЭКСПЛУАТАЦИЮ

4 СПИСОК СОКРАЩЕНИЙ

EMS Energy management system

IMF intrinsic mode functions

SCADA Supervisory control and data acquisition

WAMS Wide Area Measurement System

АВП Аналитическое вейвлет-преобразование

БПФ Быстрое преобразование Фурье

ВПВ Взаимное преобразование Вигнера-Вилла

ДВП Дискретное вейвлет-преобразование

ДПВ Дискретное преобразование Вигнера-Вилла

ЕЭС Единая Энергетическая Система

КИХ Конечно-импульсная характеристика

МНЧК Мониторинг низкочастотных колебаний

НВП Непрерывное вейвлет-преобразование

НПВ Непрерывное преобразование Вигнера-Вилла

НЧК Низкочастотные колебания

ОИК Оперативно-информационный комплекс

ОПФ Оконное преобразование Фурье

ППВ Псевдопреобразование Вигнера-Вилла

ПЧВ Преобразование Чои-Вильямса

ПЭР Параметры электрического режима

РПП Регистратор переходных процессов

свп Стационарное вейвлет-преобразование

сг Синхронный генератор

ско Среднеквадратичное отклонение

см Синхронная машина

СМПР Система Мониторинга Переходных Режимов

сппв Сглаженное псевдопреобразование Вигнера-Вилла

ССА Сингулярный спектральный анализ

ээс Электроэнергетическая система

эмд Эмпирический метод декомпозиции

Введение диссертации (часть автореферата) на тему «Идентификация низкочастотных колебаний в электроэнергетической системе и оценка участия синхронного генератора в их демпфировании»

ВВЕДЕНИЕ

Актуальность

Низкочастотные колебания частоты и мощности являются одной из основных проблем надежности и функционирования энергосистем во всем мире. Это связано с тем, что наличие таких колебаний может значительно снизить допустимые перетоки в системе и, как следствие, ухудшить экономику при обеспечении необходимого уровня надежности.

Колебания естественны для каждой энергосистемы и возникают вследствие малых изменений нагрузки в системе и возмущений, таких как автоматические отключения генераторов или линий. Настоящий этап развития энергетики характеризуется наличием крупных концентрированных энергосистем, соединенных относительно слабыми связями, в состав которых активно включаются мощности распределенной генерации. Изменение состава генерации и структуры электропотребления приводит к уменьшению относительных постоянных инерции элементов энергосистем, повышая чувствительность параметров режима энергосистемы к малым возмущениям. В целях улучшения управляемости энергосистем внедряется новое оборудование, оснащенное современными быстродействующими устройствами регулирования: асинхронизированные синхронные генераторы, гибкие системы передачи переменного тока, накопители энергии. В результате энергосистема приобретает некоторые негативные свойства, проявляющиеся, в частности, в возникновении электромеханических переходных процессов - низкочастотных колебаний (НЧК) ее режимных параметров [1].

Влияние изменения нагрузки, составляющего небольшую долю от потока мощности, может оказаться неодинаковым для устойчивых колебаний, которые являются приемлемыми, и неустойчивых колебаний, развитие которых может привести к системной аварии. Увеличение

передачи мощности на большие расстояния ведет к тому, что межзональные колебания становятся слабозатухающими или даже опасными.

Собственные частоты НЧК располагаются в диапазоне 0,1-^3,0 Гц. НЧК можно разделить на локальные и системные. Локальные колебания представляют собой взаимные качания синхронных машин в подсистемах, системные - качания подсистем относительно друг друга.

Уровень затухания НЧК в системе обычно зависит от активного управления при помощи системных регуляторов, расположенных у генераторов, и может существенно меняться в зависимости от оперативных характеристик генератора и нагрузки.

При анализе результатов измерений затухания часто выявляются периоды, в течение которых затухание колебаний является слабым. Слабое затухание означает, что система может оказаться ненадежной, так как нет уверенности в том, что динамический отклик на последующие события будет устойчивым. Такую ситуацию нельзя точно отобразить в рамках динамической модели системы. Поэтому контроль затухания на основе измерений важен для предотвращения потенциальных угроз надежности, прежде чем они будут способствовать развитию крупного возмущения [2].

Методы определения частоты колебаний и затухания внедрены и используются уже в течение десяти лет. Впервые они были применены в Великобритании для контроля затухания межзональной колебательной моды между Шотландией и Англией, которая вызывала неустойчивые колебания мощности в восьмидесятых годах. Действующая система была реализована в 1995 г. К задачам системы относится соблюдение соответствующего предела устойчивости при увеличении уровня передачи мощности по коридору [3].

В настоящее время мониторинг низкочастотных колебаний используется несколькими странами для решения следующих задач:

1. Мониторинг надежности системы. Мониторинг НЧК используется в задаче мониторинга надежности системы следующим образом: при достижении установленного предела устойчивости диспетчеру направляется предупреждающий сигнал. Впоследствии определяются управляющие воздействия, которые могут быть предприняты диспетчером с целью демпфирования колебаний. ОИК с данными приложениями используется в Великобритании и Австралии [4], [5]. В Италии для мониторинга надежности используется детектор колебаний мощности. С вычислительной точки зрения алгоритм, применяемый в детекторе, прост, так как в нем используются только тригонометрические соотношения. Метод был разработан для определения текущей величины затухания определенной гармоники отклика системы [6].

2. Мониторинг состояния энергосистемы. С целью определения устойчивости системы контролируется состояние, характеризующееся высоким уровнем сигнала, очень высокой длительностью записей, очень узкой полосой. Такой контроль обычно выполняется по данным, получаемым из системы SCADA или других систем EMS. Самая высокая частота, представляющая интерес, обычно лежит в диапазоне от 0,1 Гц до 2 Гц. В частности, данная задача используется в системе мониторинга параметров режима, функционирующей на западе Северной Америки (WECC WAMS).

3. Регулирование ограничений передачи мощности. Мониторинг НЧК используется в том случае, если колебательная устойчивость ограничивает передачу мощности. Мониторинг в реальном времени позволяет системному оператору ослабить ограничения, если затухание оказывается достаточно высоким, или использовать более

жесткие ограничения, если затухание слабое. В Великобритании этот подход был использован для высвобождения мощности в 300 МВт в англо-шотландской объединенной энергосистеме. В Австралии повышения фактической пропускной способности зависит от наблюдаемой величины затухания, когда по условиям функционирования Рынка электроэнергии и мощности требуется, чтобы были задействованы новые мощности ЛЭП. Дополнительная пропускная способность подтверждается только после того, когда колебательная устойчивость будет подтверждена как практически, так и в процессе моделирования.

4. Мониторинг колебательной устойчивости. Постоянный мониторинг НЧК при вводе в эксплуатацию или во время настройки системного регулятора отображает мгновенное воздействие изменений настроек на затухание колебаний. Таким образом, подтверждается, что регулятор повышает прогнозированное затухание, а также отсутствие значительного дестабилизирующего воздействия на другие частоты колебаний. Эта задача используется компанией Manitoba Hydro [7].

5. Верификация моделей. Мониторинг НЧК используется при проверке динамических моделей с использованием наблюдаемой динамики системы. Наблюдаемые параметры, такие как частота колебания, затухание, степень наблюдаемости и относительная фаза, можно сравнить с результатами расчетов, проведенных на модели, в широком диапазоне эксплуатационных параметров [8].

6. Синхронизация системы. Мониторинг НЧК также используется при синхронизации системы. Непрерывный контроль затухания в случае существенного изменения топологии системы, например, при синхронизации районов, позволяет обеспечить мгновенную реакцию в зависимости от динамических характеристик новой конфигурации

системы при отсутствии какие-либо предварительных данных о динамических характеристиках, соответствующих новой топологической структуре. Контроль затухания имел большое значение, например, при синхронизации системы UCTE в 2004 г. или при синхронизации энергосистемы штата Квинсленд и объединенной энергосистемы Австралии.

Из обзора существующего программного обеспечения, позволяющего осуществить мониторинг низкочастотных колебаний, можно сделать ряд выводов:

1. Задачи, использующие результаты мониторинга НЧК, успешно решаются для небольших энергосистем, в которых заранее могут быть определены колебательные компоненты. Для концентрированных энергосистем высокого порядка, таких как ЕЭС России, выявить и контролировать все колебательные компоненты действующим программным обеспечением не представляется возможным;

2. Для решения задач мониторинга НЧК в качестве исходных данных используются результаты, полученные с динамической модели, что вносит погрешность в результаты анализа.

Инструментом, позволяющим реализовать мониторинг НЧК, на базе измеренных данных, является Система мониторинга переходных режимов (СМПР). Создание СМПР инициировано Системным оператором в 2005 году. На протяжении восьми лет в ОАО «СО ЕЭС» ведется работа по развитию инфраструктуры сбора данных и применению синхронизированных векторных измерений в технологиях диспетчерского и автоматического управления [9], [10].

СМПР - высокотехнологичная система, базирующаяся на синхронизированных векторных измерениях параметров

электромеханических переходных режимов [11]. По состоянию на апрель 2013 года сбор данных СМПР производится с 43 энергообъектов ЕЭС (207 Регистраторов Переходных Процессов - РПП). Из них в режиме реального времени - с 20 энергообъектов.

Использование СМПР позволяет получать с РПП синхронизированные во времени телеизмерения напряжения, тока и частоты с адекватной точностью. Результаты измерений, полученные в режиме онлайн с системы СМПР, подлежат дальнейшей обработке с целью определения основной частоты и затухания электромеханических колебательных мод в штатном режиме функционирования электроэнергетической системы.

Внедрение СМПР привело к появлению ряда алгоритмов мониторинга колебаний, использующих множество синхронизированных измерений из разных точек сети. Общая суть этих алгоритмических подходов заключается в следующем: в реальном времени оценивается эквивалентная модель системы, на основании этой модели из отклонений процесса определяются коэффициенты демпфирования, частота и колебательные моды.

Использование упрощенной эквивалентной модели вносит определенные погрешности в результаты мониторинга. Исследование, проводимое в рамках диссертации, направлено на создание инструментов мониторинга НЧК, позволяющих определять параметры, характеризующие электромеханические колебания, на основе измеряемых в реальном времени сигналов без оценивания эквивалентных моделей энергосистем.

В настоящее время в России не в полной мере изучены вопросы идентификации и превентивного демпфирования низкочастотных

колебаний. Исследование, проводимое в рамках данной работы, направлено на преодоление этого пробела.

Цель исследования заключается в совершенствовании теории и практики идентификации и демпфирования НЧК.

Для достижения цели в работе были поставлены и решены следующие задачи:

1. исследование методов идентификации НЧК;

2. выбор метода, учитывающего нелинейность и нестационарность процессов, протекающих в энергосистеме;

3. разработка и реализация алгоритма идентификации и оценки демпфирования НЧК на базе выбранного метода;

4. разработка и реализация метода оценки участия синхронного генератора в демпфировании колебаний при определении величины синхронизирующей мощности.

Объектами исследования являются реальная энергосистема и модели, описывающие электромеханические переходные процессы в энергосистемах.

Методика исследований. В исследовании применялись модели энергосистем, разработанные в теории электромеханических переходных процессов в энергосистемах. Моделирование переходных процессов осуществлялось с применением теории дифференциальных уравнений. Предложенные методики тестировались на традиционных, общепризнанных моделях ЭЭС с помощью имитационного компьютерного моделирования.

Научная новизна заключается в разработке метода количественной оценки параметров НЧК и роли синхронных генераторов в их

демпфировании. Количественная оценка роли генератора в циклах НЧК реализована путем анализа поведения его синхронизирующей мощности.

Достоверность научных результатов подтверждена вычислительными экспериментами на математических моделях ЭЭС и анализом событий, происходивших в реальной энергосистеме. Эффективность разработанного метода идентификации НЧК подтверждена сопоставлением результатов с традиционными методами анализа низкочастотных колебаний моделей ЭЭС.

Практическая ценность:

1. решена задача идентификации и демпфирования НЧК.

2. разработано программное обеспечение «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» (сокращенное название - ПО МНЧК). ПО МНЧК предназначен для работы в режиме off line с информацией, получаемой от Автоматической системы сбора информации с регистраторов СМПР (АС СИ СМПР), и предоставляет пользователю инструментарий для мониторинга и анализа низкочастотных колебаний параметров электрического режима при электромеханических переходных процессах в энергосистеме.

Положения, выносимые на защиту:

1. развитие методов идентификации НЧК электроэнергетических систем;

2. обоснование использования метода эмпирической модовой декомпозиции (ЭМД) для идентификации и демпфирования НЧК;

3. разработанный метод оценки участия синхронного генератора в демпфировании колебаний при определении величины синхронизирующей мощности.

Апробация результатов работы. Основные результаты диссертации докладывались и обсуждались на конференциях: III Международная научно-техническая конференция «Электроэнергетика глазами молодежи», Екатеринбург, 2012; 4-я Международная научно-техническая конференция «Современные направления развития систем релейной защиты и автоматики энергосистем», Екатеринбург, 2013; IV Международная научно-техническая конференция «Электроэнергетика глазами молодежи», Новочеркасск, 2013; на научных семинарах кафедры «Автоматизированные электрические системы» УралЭНИН УрФУ, Екатеринбург, 2013.

Публикации. По результатам исследования опубликовано 10 печатных работ, в том числе одна статья в Вестнике ЮУрГУ, рекомендованном ВАК РФ для публикаций материалов диссертационных работ.

Структура и объем диссертации. Диссертация состоит из

введения, четырех глав, заключения, библиографического списка из '_

наименований и [_] приложений. Объем работы - [_| страницы, включая

[_рисунков и j_таблиц.

В первой главе сделан обзор методов частотно-временного анализа, таких как преобразование Фурье, метод Прони, рекуррентный анализ, Вейвлет-преобразование, распределение Вигнера-Вилла, сингулярный спектральный анализ и метод эмпирической модовой декомпозиции, выявлены преимущества и недостатки проанализированных методов. Учитывая тот факт, что процессы,

протекающие в энергосистемах, нелинейны и нестационарны, к дальнейшему рассмотрению принят метод ЭМД.

Во второй главе приводится подробное описание метода ЭМД, положенного в основу модального анализа, и сопоставление результатов его работы с методом линеаризации динамической модели системы.

В третьей главе представлены результаты вычислительных экспериментов по тестированию метода исследования низкочастотных колебаний на основе ЭМД. На основании проведенных расчетов сделан вывод о возможности определения местоположения колеблющихся генераторов, а также направлений, по которым передается обменная мощность при качаниях генераторов посредством анализа амплитуд и фаз мод НЧК. В главе приводится описание разработанного ПО МНЧК, его основных задач и функций.

В четвертой главе приводится описание метода количественной оценки участия синхронного генератора в демпфировании колебаний. Количественная оценка роли генератора в циклах НЧК реализована путем анализа поведения его синхронизирующей мощности. Представлены результаты вычислительных экспериментов по тестированию разработанного метода.

В заключении обобщены основные результаты работы.

1 ГЛАВА 1. ОБЗОР МЕТОДОВ ИДЕНТИФИКАЦИИ НИЗКОЧАСТОТНЫХ КОЛЕБАНИЙ

Обработка информации о процессах, происходящих в электроэнергетической системе (ЭЭС) важна и необходима как в научных исследованиях, так и в практических применениях: системах мониторинга, управления и защиты. Информация, содержащаяся в данных, как правило, осложнена искажениями. С быстрым развитием науки и технологий каждый день обрабатывается огромное количество данных, из которых необходимо извлечь значимую информацию для дальнейшего использования в различных задачах.

Большинство регистрируемых процессов в энергосистемах имеет сложные частотно-временные характеристики. Особенностью регистрируемых процессов, отражающих поведение энергосистем, является то, что их характеристики (напряжение, частота, мощность и т.д.) могут быть описаны функциями, состоящими из нескольких слагаемых:

№ = Ш + ш + Ш + е{1), I 6 [О, Т], (1.1)

Где /7 (0 - медленная нерегулярная составляющая (тренд), обуславливающая наличие систематического изменения наблюдаемого показателя в течение продолжительного времени. Чаще всего его описывают алгебраическими полиномами невысоких порядков;

/л (О - близкие к регулярным колебания относительно основной тенденции (периодическая или сумма периодических составляющих). Важной особенностью этой составляющей является наличие периодичности с переменным периодом и амплитудой;

/я (0 ~ нерегулярные малые отклонения, к которым относят все процессы, не укладываемые в формальную модель;

e(t) - случайная составляющая, характеризуемая определенным случайным процессом.

Для анализа таких процессов нужны методы, способные обеспечить уверенную идентификацию по времени, по частоте, и по амплитуде. Первое требуется для разрешения компонент высокой частоты, второе -для локализации колебательных компонент, третье - для идентификации нелинейных процессов.

Для многих частных случаев созданы технологии с развитым аппаратом приложений и компьютерными реализациями. Так, для функций вида /(t) =/r(t) + £(t) такой теорией является метод наименьших квадратов математической статистик или теория аппроксимации или. Для функций вида fit) = fN(t) хорошо работает теория гармонических рядов Фурье.

Однако для многих ситуаций возникают достаточно большие сложности эффективного разложения и исследования сигналов. Примером может быть случай f(t)=fT(t)+fN(t), где при отсутствии исходной информации о частотах колебательных компонент периодической составляющей ни теория аппроксимации, ни теория рядов Фурье эффективно не работают [12].

Методы идентификации созданы для обработки результатов моделирования или измеренных данных и не ограничиваются размером системы. Их эффективность зависит от наличия и качества временных сигналов. На практике, методы идентификации чаще всего применяются для верификации модели, анализа устойчивости и управления режимами энергосистемы.

Методы идентификации имеют ряд ограничений. Они позволяют определить колебательные компоненты только рассматриваемого

сигнала. Более того, компоненты, относительно хорошо демпфированные, и компоненты, входящие в зашумленные сигналы, сложно выявить.

В настоящее время разработано и используется ряд различных методов частотно-временного анализа. Выбор того или иного метода определяется как поставленной задачей, так и природой формирования сигнала. Помимо целей анализа и класса анализируемых сигналов, существенное влияние на выбор метода оказывают также практические возможности системы сбора информации.

Все применяемые в настоящее время методы частотно-временного анализа условно могут быть разбиты на три группы, в зависимости от области их применения. Это методы, предназначенные для исследования:

• линейных и стационарных процессов;

• линейных и нестационарных процессов;

• нелинейных и нестационарных процессов.

На практике очень часто встречаются случайные процессы, протекающие во времени приблизительно однородно и имеющие вид непрерывных случайных колебаний вокруг некоторого среднего значения, причем ни средняя амплитуда, ни характер этих колебаний не обнаруживают существенных изменений с течением времени. Такие случайные процессы называются стационарными [13].

В противоположность стационарным случайным процессам выделяют другие, явно нестационарные, случайные процессы.

Нестационарный процесс имеет определенную тенденцию развития во времени. Параметры такого процесса зависят от начала отсчета и времени.

Далеко не все нестационарные случайные процессы являются существенно нестационарными на всем протяжении своего развития.

Существуют нестационарные процессы, которые (на известных отрезках времени и с известным приближением) могут быть приняты за стационарные.

Как правило, случайный процесс в любой динамической системе начинается с нестационарной стадии - переходного процесса. После затухания переходного процесса система обычно переходит к установившемуся режиму, и тогда случайные процессы, протекающие в ней, могут считаться стационарными.

Исследование данных от реальных нелинейных, нестационарных и стохастических процессов требует новых специальных подходов. Метод наложения линейного строения на нелинейную систему недостаточно эффективен, поскольку кроме периодичности, необходимо определять детальную динамику процессов. Это требуется с тем, что одна из типичных характеристик нелинейных процессов - интраволновая частотная модуляция, которая указывает текущие частотные изменения в пределах одного цикла колебаний.

Следует отметить, что ни один из применяемых методов частотно-временного анализа, строго говоря, не является «правильным» или «неправильным». Каждый метод имеет свои преимущества и недостатки.

1.1 Преобразование Фурье

Одним из первых примененных подходов является преобразование Фурье, которое заключается в представлении любой квадратично интегрируемой функции с конечной энергией (нормой) в виде бесконечной суммы гармонических составляющих, т.е. исходная функция раскладывается на базисные функции, в качестве которых выступают синусоидальные функции, то есть представляет исходную функцию в виде интеграла синусоид различной частоты, амплитуды и фазы [14]. Широкое применение также получили модификации

преобразования Фурье: косинусное для четных и синусное для нечетных сигналов, а также преобразование Хартли, где базисными функциями являются суммы синусов и косинусов, что позволяет повысить производительность вычислений и избавиться от комплексной арифметики. Вместо косинусных и синусных функций используются также меандровые функции Уолша, принимающие значения только +1 и -1.

Возможности применения преобразования Фурье основываются на нескольких свойствах:

• преобразования являются линейными операторами и, с соответствующей нормализацией, также являются унитарными.

• преобразования обратимы, причем обратное преобразование имеет практически такую же форму, как и прямое преобразование.

• синусоидальные базисные функции являются собственными функциями дифференцирования, это означает, что данное представление превращает линейные дифференциальные уравнения с постоянными коэффициентами в обычные алгебраические, (например, в линейной стационарной системе частота -консервативная величина, поэтому поведение на каждой частоте может решаться независимо)

• по теореме о свертке (преобразование Фурье над двумя свернутыми функциями пропорционально результатам преобразований Фурье над каждой функцией в отдельности) преобразование Фурье превращает сложную операцию свертки в простое умножение, т.е. обеспечивается эффективный способ вычисления основанных на свертке операций.

Недостатком преобразования Фурье для анализа процессов в ЭЭС является невозможность локализовать частотные компоненты во времени, вследствие чего накладываются ограничения на использование метода для решения ряда задач (например, в случае анализа динамики изменения частотных параметров сигнала). Причина заключается в том, что преобразование Фурье предназначено для анализа стационарных линейных процессов.

1.2 Оконное преобразование Фурье

Оконное преобразование Фурье (ОПФ) [15], [16] - один из методов частотно-временного анализа. ОПФ вычисляют при помощи следующих выражений:

* оо

5(т,й))=| (1.2)

¿ — оо

для непрерывного сигнала и

N-1

Z.2nnk

Б[п]]^[п-т]е~^ (1.3)

п=О

для дискретного сигнала, где IV(0 и 1У[п] - оконные функции [17], [18], [19].

К достоинствам метода ОПФ относят такие особенности, как быстродействие, линейность преобразования, большой выбор оконных функций и наличие обратного преобразования [20].

Однако при использовании данного метода возникают трудности при обработке некоторых типов сигналов (например, составленных из небольших пакетов квазистационарных компонент), поскольку в основе метода лежит свертка исследуемого сигнала с семейством хорошо локализованных по частоте и по времени базисных функций.

Несмотря на то, что некоторые улучшенные методы Фурье-анализа разработаны при адаптации величины окна к локальной композиции

сигнала [21], они трудоёмки в вычислительном отношении и эффективны только при обработке конкретных процессов.

Также следует отметить, что нестационарные нелинейные сигналы могут быть представлены рядом Фурье приближенно, т.к. методом предполагается периодический повтор рассматриваемого интервала сигнала.

Традиционно применяемые методы анализа данных, основанные на преобразованиях Фурье, предназначены, как правило, для линейных и стационарных сигналов. ОПФ нашел применение при исследовании сигналов в системах связи [22], медицине [23], распознавании речи [24].

Список литературы диссертационного исследования кандидат наук Захаров, Юрий Павлович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Farmer, Richard G. "Power System Dynamics and Stability" The Electric Power Engineering Handbook Ed. L.L. Grigsby Boca Raton: CRC Press LLC, 2001

2. C4.601, Working Group. Wide Area Monitoring and Control for Transmission Capablity Enhancement. 2007.

3. CIGRE Task Force 38.01.07. Analysis and Control of Power System Oscillations, б.м. : Brochure 111, 1996.

4. T. George, J. Crisp, G. Ledwich. Advanced tools to manage power system stability in the national electricity market," in Proc. AUPEC,. 2004

5. Ledwich G., Palmer E. Modal estimates from normal operation of power systems, IEEE Power Eng. Soc. Winter Meeting, pp. 1527-1531, 2000.

6. Candia C., Cirio D., Giannuzzi G., Pozzi M., Sfonia M.. PMU Location and Parameter Identification Techniques for the Italian Wide-Area Measurement System. Turin : Internatiional World Energy System Conference, 2006.

7. Fernando I., et al: "Real-Time Online Evaluation of Small-Signal Damping applied to Power System Stabilizer Commissioning and Testing", IPST Conference, New Orleans, September 2003

8. Wilson, D.H. Continuous Damping Measurement for Power System Analysis. St. Petersburg : Proc. IEEE PowerTech, 2005.

9. Шульгинов H., Кощеев Д., Жуков А., Демчук А.. Повышение эксплуатационной надежности ЕЭС России средствами противоаварийного автоматического управления. Материалы 43 сессии СИГРЭ, С2-104. 2010.

10. Демчук А.Т., Жуков А.В., Кац П.Я., Данилин В.А. Система мониторинга запасов устойчивости энергосистемы с использованием технологии векторного измерения параметров. Современные направления развития систем релейной защиты и автоматики энергосистем. Сборник трудов Международной научно-технической конференции, Москва. 2009.

11. Аюев Б.И.. О системе мониторинга переходных режимов // Энергорынок. № 2. 2006

12. Данилов Д. Л., Жиглявский А. А. (ред.). Главные компоненты временных рядов: метод "Гусеница". Санкт-Петербург : б.н., 1997.

13. Вентцель Е.С.,. Теория вероятностей: учебник для вузов - 6-е изд. стер. Москва : Высшая школа - 576 е., 1999.

14. Залманзон JI.A. Преобразование Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. Москва: Наука - 496 е., 1989.

15. Gabor, D. Theory of communication. London: Institution of Electrical Engineering, 1946.

16. Cohen, L. Time-Frequency Analysis, б.м. : Prentice Hall, 1995.

17. Allen R.L., Mills D.W. Signal Analysis: Time, Frequency, Scale and Structure: Wiley-IEEE Press, 2004, 966 p.

18. Кривошеев В.И. Цифровая обрабока сигналов. Учебное пособие. Н. Новгород : Издательство Нижегородского госуниверситета, 2006. 207 с.

19. Гольденберг JI.M., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов: справочник. Москва : Радио и связь, 1985. 312 с.

20. Макс Ж. Методы и техника обработки сигналов при физических измерениях. В 2-х тт. Т. 1. Москва : Мир, 1983. 312 с.

21. Jones, D.L., T.W. Parks. A high resolution data-adaptive time-frequency representation, б.м. : IEEE Trans. Acust. Speech Signal Process, 1990. 38.

22. Степанов А.В., Матвеев C.A. Методы компьютерной обработки сигналов систем радиосвязи. Москва : COJIOH-Пресс, 2003. 208 с.

23. Новые методы электрокардиографической диагностики. Иванов Г.Г., Попов В.Г., Дриницина С.В. 10, Москва: Московская медицинская академия им. И.М. Сеченова, 2006 г., Т. Врач: Ежемесячный научно-практический и публицистический журнал, с. 58-60.

24. Деркач И.Ф., Гумецкий Р.А., Гура Б.М., Чабан М.Е. Динамические спектры речевых сигналов. Львов : Издательство при Львовском университете, 1983. 186 с.

25. Flandrin P., G. Rilling, P. Goncalves. Empirical mode decompositions as a filter bank. б.м. : IEEE Signal Process Lett. 11, 2004.

26. Grochenig, K. Foundations of time-frequency analysis. Applied and Numerical Harmonic Analysis. Boston : Birkhauser, 2001.

27. H. Kantz, T. Schreiber. Nonlinear Time Series Analysis, б.м. : Cambridge, 1997.

28. Diks, C. Nonlinear Time Series Analysis, б.м. : World Scientific Press, 1999.

29. Демчук А., Штефка И. Методики и алгоритмы анализа переходных процессов энрегосистема по данным СМПР. Санкт-Петербург: Monitoring of Power System Dynamics Performance, 2008.

30. J.F. Hauer, C.J. Demeure, L.L. Scharf. Initial results in Prony analysis of power system response signals. 1990 : IEEE Transactions on Power Systems vol. 5, no 1.

31. С.Л., Марпл. Цифровой спектральный анализ и его приложения. 1990 : Мир, Москва.

32. В.И., Кривошеев. Современные методы цифровой обработки сигналов (цифровой спектральный анализ). Учебно-методический материал по программе повышения квалификации "Современные системы мобильной цифровой связи, проблемы помехозащищенности и защиты информации". Нижний Новгород : б.н., 2006. 117 с.

33. Модификация метода Прони при его аппроксимации двумерных сигналов на фоне помех. Верстаков Е.В., Захарченко В.Д. б.м. : Труды III Всероссийской конференции "Радиолокация и радиосвязь". ИРЭ РАН, 2009 г. с 882-886.

34. Золотова Н.В., Понявин Д.И. Рекуррентный и кросс-рекуррентный анализ временных рядов. Санкт-Петербург : СПбГУ, 2005.

35. Decomposition of Hardy fynctions into square integrable wavelets of constant shape. Grossman A., Morlet J. 15, б.м. : SIAM J. Math. Anal., 1984 r. p. 723-736.

36. Сверхширокополюсные сигналы и физические процессы. 2. Методы анализа и применение. Лазоренко О.В., Черногор Л.Ф. 4, б.м. : Радиофизика и радиоастрономия, 2008 г., Т. 13. с. 270-322.

37. The Transforms and Applications Handbook. Second Edition . A.D., Poularikas. б.м. : Boca Raton: CRC Press LLC, 1999 r. 1335 p.

38. Signal Analysis: Wavelets, Filter Banks, Time-Frequency Transforms and Applications. A., Mertins. б.м. : Chichester: John Wiley & Sons, 1999 r. 317 P-

39. Рабинер Л.Р., Шафер P.B. Цифровая обработка речевых сигналов. Москва : б.н., 1981. 496 с.

40. Применение вейвлет-анализа к задаче обнаружения кратковременных знакопеременных и сверхширокополосных процессов. Лазоренко О.В., Лазоренко С.В., Черногор Л.Ф. 9-10, б.м. : Электромагнитные волны и электронные системы, 2004 г., Т. 9. с. 31-62.

41. Короновский А.А., Храмов А.Е. Непрерывный вейвлет-анализ и его приложения. Москва : Физмалит, 2003. 176 с.

42. Вейвлеты и их использование. Дремин И.М., Иванов О.В., Нечитайло В.А. 5, б.м. : Успехи физ. наук, 2001 г., Т. 171. с. 465-561.

43. Daubechies, I. Ten Lectures on Wavelets, б.м. : CBMS-NSF Series in Applied Mathematics. Vol 61, 1992.

44. Mallat, S. A Wavelet Tour of Signal Processing, б.м. : Academic Press, 1998.

45. Mallat, S., Zhang, Z. Matching pursuit with time-frequency dictionaries, б.м. : IEEE Trans. Signal Process, 41, 1993.

46. Breulmann H., Winter W., Witzmann R., Dupuis P., Houry M.P., Margotin Т., Zerenyi J., Dudzik J., Machowski J., Martin L., Rodriguez J. M., Urretavizcaya E. Analysis and Damping of Inter-Area Oscillations in the UCTE/CENTREL Power System, б.м. : CIGRE.

47. Применение непрерывного вейвлет-преобразования для обработки широкополосных частотномодулированных сигналов. С.В., Поршнев. 3, б.м. : Вычислительные методы и программирование, 2003 г., Т. 4. с 104116.

48. Вейвлет анализ: основы теории и примеры применения. Н.М., Астафьева. 11, б.м. : Успех физических наук, 1996 г., Т. 166. с. 1115-1180.

49. Wavelets: an Analysis Tool. M., Holschneider. б.м. : Oxford: Clarendon Press, 1995 r.

50. Time-Frequency Analysis of Heart Rate Variability During Transient Segments. Chan H.L., Huang H.H., Lin J.L. 11, б.м. : Annals of Biomedical Engineering, 2001 г., Т. 29. p. 983-996.

51. Preprocessing effects in time-frequency distributions and spectral analysis of heart rate variability. H., Colak Omer. 4, б.м. : Digital Signal Processing, 2009 г., Т. 19. p. 731-739.

52. Prosser W.H., Seale M.D., Smith B.T. Time-frequency analysis of the dispersion of Lamb modes. 1999 : The Journal of the Acoustical Society of America, Vol 105.

53. Время-частотные распределения: обзор. Коэн, JI. 10, б.м. : ТИИЭР, 1989 г., Т. 77. с. 72-120.

54. Processing of non-stationary signal using level-crossing sampling. M., Greitans. Setubal: in Proc. of the International Conference on Signal Processing and Multimedia Applications, 2006 r. p. 170-177.

55. Time-frequency representation based chirp-like signal analysis using multiple level crossing. M., Greitans. Poznan : in Proc. of the 15th European Signal Processing Conference (EUSIPCO 2007), 2007 r. p. 2254-2258.

56. Choi, H.I., Williams, W.J. Improved time-frequency representation of multicomponent signals using exponential kernels, б.м. : IEEE trans. Acoust. Speech Signal Process, 37, 1989.

57. Cohen, L. Generalized phase-space distribution functions. New York : J. Math. Phys, 7, 1966.

58. Спектрально-временной анализ взаимного преобразования Вигнера-Виля. Шкелев Е.И., Земнюков Н.Е. 2, б.м. : Изв. высш. учеб. заведений. Серия Радиофизика, 2010 г., Т. 53. с. 134-144.

59. Системный спектральный анализ сигналов: теоретические основы и практические применения. Лазоренко О.В., Черногор Л.Ф. 2, б.м. : Радиофизика и радиоастрономия, 2007 г., Т. 12. с. 162-181.

60. Andria G., Savino М. Interpolated smoothed pseudo Wigner-Ville distribution for accurate spectrum analysis, б.м. : IEEE Transactions on Instrumentation and Measurement, Vol 45, 1996.

61. Smoothed pseudo Wigner-Ville distribution as an alternative to Fourier transform in rats. Pereira de Souza Neto E., Custand M.A., Frutoso J., Somody L., Gharib C., Fortrat J.O. 2, б.м. : Autonomic Neuroscience: Basic & Clinical, 2001 г., Т. 87. p. 258-267.

62. Преобразование Чои-Вильямса и атомарные функции в цифровой обработке сигналов. Кравченко В.Ф., Лазоренко О.В., Пустовойт В.И., Черногор Л.Ф. 6, б.м. : Доклады академии наук, 2007 г., Т. 423. с. 750-753.

63. Wigner-Ville distribution and its application in seismic attenuation estimation. Yandong L., Xiaodong Z. . 4, б.м. : Applied Geophisics, 2007 г., Т. 4. p. 245-254.

64. Time/frequency mapping of the heart rate, blood pressure and respiratory signals. Novak P., Novak V. 2, б.м. : Medical and Biological Computing, 1993 г., Т. 31. p. 103-110.

65. Нагрев плазмы при параметрическом возбуждении звуковых колебаний в корональных магнитных петлях. Зайцев В.В., Кислякова К.Г. 4, б.м. : Астрономический журнал, 2010 г., Т. 87. с. 410-416.

66. Кашкин В.Б., Рублева Т.В. Применение сингулярного спектрального анализа для выделения слабо выраженных трендов, б.м. : Известия Томского политехнического университета, №5, 2007.

67. Twining C.J., Taylor C.J. Kernel Principal Component Analysis and the Construction of Non-Linear Axtive Shape Models. б.м. : Proceeding of the 12th British Machine Vision Conference (BMVC2001) - BMVA Press, 2001.

68. Norden E. Huang, Samuel S.P. Shen. The Hilbert-Huang transform and its applications. б.м. : World Scientific Publishing Со. Pte. Ltd. 5 Toh Tuck. Link, Singapore.

69. Обобщенный метод эмпирической модовой декомпозиции для идентификации низкочастотных колебаний. Бердин А.С., Захаров Ю.П., Семенова Л.А., Коваленко П.Ю. . Оренбург: труды всероссийской научно-технической конференции «Энергетика: состояние, проблемы, перспективы», 2012 г.

70. Кубическая сплайновая интерполяция и аппроксимация для мониторинга переходных режимов в энергетических системах. Бердин А.С., Захаров Ю.П., Коваленко П.Ю., Семенова Л.А. Екатеринбург: труды III международной научно-технической конференции «Электроэнергетика глазами молодежи», 2012 г.

71. Алгоритм локализации экстремумов в обобщенном методе эмпирической модовой декомпозиции. Ерохин П.М., Захаров Ю.П., Коваленко П.Ю., Семенова Л.А. . Екатеринбург: труды III международной научно-технической конференции «Электроэнергетика глазами молодежи», 2012 г.

72. Использование обобщенного метода эмпирической модовой декомпозиции для анализа низкочастотных колебаний в

электроэнергетических системах. Бердин А.С., Ерохин П.М., Филинков А.Н., Захаров Ю.П., Коваленко П.Ю. . Екатеринбург: труды III международной научно-технической конференции «Электроэнергетика глазами молодежи», 2012 г.

73. Методы исследования нелинейных и нестационарных свойств низкочастотных колебаний в энергосистеме. Бердин А.С., Герасимов А.С., Захаров Ю.П., Коваленко П.Ю., Шубин Н.Г. Екатеринбург : труды конференции "Современные направления развития систем релейной защиты и автоматики энергосистем", 2013 г.

74. Identification of Electromechanical Modes in Power Systems, б.м. : IEEE, 2012.

75. J.W. Pierre, D.J. Trudnowski, M.K. Donnely. Initial results in electromechanichal mode identification from ambient data. 1997 : IEEE Transactions on Power Systems, vol. 12, no. 3.

76. Power System Stability and Control. Kundur, P.S. б.м. : McGraw-Hill Professional, 1994 r. 1176 p..

77. J. Rommes, N. Martins, F. Damasceno Freitas. Compiting Rightmost Eigenvalues for Small-Signal Stability Assessment of Large Scale Power Systems, б.м. : IEEE Transactions on Power Systems vol. 25, no 2, 2010.

78. Применение модального анализа для исследования низкочастотных колебаний в энергосистемах. Бердин А.С., Захаров Ю.П., Коваленко П.Ю., Лагуткина М.А., Семенова Л.А., Юдин А.В. . 67, Санкт-Петербург : Известия НТЦ единой энергетической системы, 2012 г., Т. 2.

79. Применение модального анализа для исследования низкочастотных колебаний. Жуков А.В., Захаров Ю.П., Коваленко П.Ю., Лагуткина М.А., Опалев О.Л., Шубин Н.Г., Юдин А.В. . Екатеринбург : труды III международной научно-технической конференции «Электроэнергетика глазами молодежи», 2012 г.

80. Модальный анализ низкочастотных колебаний в энергосистеме. Жуков A.B., Захаров Ю.П., Коваленко П.Ю., Опалев O.JL, Юдин A.B. Екатеринбург : труды конференции "Современные направления развития систем релейной защиты и автоматики энергосистем", 2013 г.

81. A.B., Иванов-Смоленский. Электрические машины (в 2 томах) 3-е издание. Москва : издательский дом МЭИ, 2006.

82. Оценка участия синхронного генератора в демпфировании низкочастотных колебаний по данным синхронизированных векторных измерений. Бердин A.C., Герасимов A.C., Захаров Ю.П., Коваленко П.Ю., Моисейченков А.Н. 2, б.м. : Вестник Южно-Уральского государственного университета, серия "Энергетика", 2013 г., Т. 13.

83. Оценка участия синхронного генератора в демпфировании низкочастотных колебаний. Бердин A.C., Герасимов A.C., Захаров Ю.П., Коваленко П.Ю., Мойсейченков А.Н. Новочеркасск: труды IV международной научно-технической конференции "Электроэнергетика глазами молодежи", 2013 г.

ПРИЛОЖЕНИЕ 1 - СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

IF0DG1£IIШШШ ВДЦрИРАЩШШ

ЙДШ йШ Ks ш т ш

СВИДЕТЕЛЬСТВО

о государственной регистрации про!раммы для ЭВМ

№ 2013613918

IIO мониторинга низкочастотных колебаний

11 ратюбяалател ь( л и) Открытое акционерное общество ■* Системный оператор Единой энергетической системы»- (КО)

Автор(ы): Бердин Александр Сергеевич (RU), Коваленко Павел Юрьевич (RV), Семенова Людмила Анатольевна (RU), Захаров Юрий Павлович (RU), Дубинин Дмитрий Михайлович (RU), Опалев Олег Леонидович (RU), Уткин Дмитрий Николаевич (RU)

Заявка№ 2013611847

. ..¿j. ■ Дата поступления 01 марта 2013 г.

JajHM нстрировано в Реестре программ для ЭВМ

Ш^ШШ /в апреля 2013 г.

ill '■ Руководитель Федеральной службы

по интеллектуальной собственности

К. П. Симонов

мШ

ПРИЛОЖЕНИЕ 2 - РУКОВОДСТВО ТЕХНОЛОГА ПО

МНЧК

ПО МНЧК

(РАБОТА С НИЗКОЧАСТОТНЫМИ КОЛЕБАНИЯМИ)

На 15 листах

Назначение и системные требования программы Назначение

Программа «Oscilloscope Studio» (далее — программа) предназначена для работы в режиме offline с информацией, полученной от регистраторов СМПР (далее — регистраторы).

Программа позволяет:

- просматривать записи данных с регистраторов из архива;

- выполнять анализ данных.

Системные требования

Минимальные требования к рабочей станции системы представлены в Таблица 3.

Таблица 3 - Рабочая станция системы для работы Oscilloscope Studio

CPU Pentium 3 1 ГГц

RAM 2 Гбайт ОЗУ

Storage 10 Гбайт

OS Microsoft Windows ХР (с установленным пакетом исправлений Service Pack 3) или выше

Рабочая станция должна поддерживать сетевое взаимодействие с кластером КС со скоростью не ниже 100 Мбит/с.

На рабочей станции должен быть установлен Microsoft.NET Framework 4.0. Порядок установки Oscilloscope Studio и назначения прав пользователю

Oscilloscope Studio описаны отдельно. Термины и аббревиатуры

Таблица 4 - Термины и аббревиатуры, используемые в документе, и их

расшифровка

Понятие Расшифровка

Программа Oscilloscope Studio

СМПР Система мониторинга переходных режимов

Регистратор регистратор СМПР

НЧ низкочастотный

НЧК низкочастотные колебания

Понятие Расшифровка

Событие запись данных с одного или нескольких регистраторов СМПР, соответствующих определенному временному промежутку и рассматриваемых как единый синхронизированный временной ряд

ЕМй Empirical Mode Decomposition (Эмпирическая Модовая Декомпозиция), метод разложения сигнала на эмпирические моды (модовые функции)

Модовая функция (Мода) функция, обладающая следующими свойствами: количество локальных экстремумов (максимумов и минимумов) и количество пересечений нуля отличаются не более чем на единицу; в любой точке функции среднее значение огибающих, определенных локальными максимумами и минимумами, равно нулю

Итерация одна из последовательности операций поиска одной эмпирической моды

Интервал количество последовательных точек данных, по которым выполняется параболическая аппроксимация с целью поиска локальных экстремумов

Шаг смещение каждого интервала относительно предыдущего (в точках данных) при выполнении процедуры поиска экстремумов

ТИ телеизмерение

ЭР энергетический режим

Предварительные действия Запуск программы

Для того, чтобы выполнить запуск программы, необходимо выбрать пункт меню «Пуск —> Все программы —► TSG —► Oscilloscope Studio». Программа автоматически выполнит проверку обновлений и предложит их установить. После проведенных действий откроется окно программы, изображенное на Рисунок 7).

Окно программы содержит меню выбора данных (примечание 1 на рисунке 1) и область просмотра (примечание 2 на рисунке 1).

(длмчме m амбраиы)

Рисунок 7. Основное окно программы

Просмотр данных

Выбор события из архива данных

Используя функцию «Выбор события из архива данных», пользователь осуществляет выбор записи из архива. Для того, чтобы выбрать событие, необходимо:

1) выбрать пункт События в меню выбора данных (примечание 1 к Рисунок 8). В области просмотра откроется вкладка «Все события» (примечание 2 к Рисунок 8) с таблицей событий, содержащихся в архиве программы.

Рисунок 8. Таблица событий, содержащихся в архиве программы

Описание содержимого вкладки «Все события» приведено в таблице 3. Вкладка «Все события» может быть отсортирована по столбцам.

Таблица 5 - Столбцы вкладки «Все события»

Название Описание

Название название, под которым событие внесено в базу данных

Тип тип события (если известен)

Начало дата и время начала события (в формате ДД.ММ. ГГГГ ЧЧ:ММ:СС)

Окончание дата и время окончания события (в формате ДД.ММ.ГГГГ ЧЧ:ММ:СС)

Записей количество срезов данных во времени (замеров) в событии

Название Описание

Примечание краткое описание события

2) выбрать нужное событие;

3) нажать клавишу «Открыть» на верхней панели «События» (примечание 3 к Рисунок 8) или клавишу Пробел.

Откроется вкладка запрошенного события, изображенная на Рисунок 9. Она содержит вкладки, позволяющие выполнять анализ данных измерений: Телеметрия (примечание 1 к рисунку 3), Фазовые траектории (примечание 2 к рисунку 3) и Декомпозиция (примечание 3 к рисунку 3). По умолчанию открывается вкладка Телеметрия.

Рисунок 9. Вкладка запрошенного события

Для того чтобы закрыть вкладку события, необходимо нажать клавишу (Закрыть), расположенную в правом верхнем углу окна программы.

Выбор события из календаря

Используя функцию «Выбор события из календаря», пользователь осуществляет выбор записи из архива программы, представленного в форме календаря. Для того, чтобы выбрать запись события из календаря, необходимо:

1) выбрать вкладку «Календарь» (примечание 1 на Рисунок 10) в меню выбора данных. В области просмотра откроется вкладка «Все данные» (примечание 2 на Рисунок 10) с отображением событий, содержащихся в архиве программы, в форме календаря.

Рисунок 10. События, содержащиеся в архиве программы, представленные в виде

календаря

Отображение событий в форме календаря представляет собой точечный график, по горизонтальной оси которого приведены дата и время события (в формате ДД.ММ.ГГГГ ЧЧ.ММ), а по вертикальной оси - объекты, содержащиеся в данных о топологии сети.

Примечание

Маркерами красного цвета обозначены события, сохраненные во вкладке «События» (п. 0), маркерами синего цвета - события, недоступные из вкладки События.

Для графика доступно изменение масштаба. Для того, чтобы увеличить какую-либо область, необходимо выделить ее мышью. Увеличение происходит по горизонтальной оси (оси времени). Для возврата к предыдущему виду необходимо нажать клавишу Ш

(«Уменьшить»), расположенную слева от горизонтальной полосы прокрутки.

Примечание

Доступно последовательное многократное увеличение и уменьшение.

2) выбрать нужное событие; После выбора откроется вкладка запрошенного события, изображенная на

Рисунок 11. Она содержит вкладки, позволяющие выполнять анализ

данных измерений: Телеметрия (примечание 1 на Рисунок 11), Фазовые

траектории (примечание 2 на Рисунок 11) и Декомпозиция (примечание

3 на Рисунок 11). По умолчанию открывается вкладка Телеметрия.

Слравочпиь* Типы событий

Загдоет-ые

Рисунок 11. Вкладка запрошенного события

Для того чтобы закрыть вкладку события, необходимо нажать клавишу £ («Закрыть»), расположенную в правом верхнем углу окна программы.

Анализ данных

Инициализация процесса декомпозиции

Для того, чтобы выполнить декомпозицию сигнала необходимо:

1) открыть событие, как описано в разделе 0;

2) перейти на вкладку «Декомпозиция»;

На вкладке располагаются параметры декомпозиции, а также

область вывода результата, содержащая вкладки «График» (примечание 1 на Рисунок 12) и «Лог декомпозиции» (примечание 2 на Рисунок 12).

СоЬлш . очй' VI ...... I Ц

Рисунок 12. Вкладка «Декомпозиция», общий вид

3) выбрать «Объект» (примечание 3 на Рисунок 12), «Устройство» (примечание 4 на Рисунок 12) и «Сигнал» (примечание 5 на Рисунок 12), для которых необходимо выполнить декомпозицию сигнала;

4) нажать клавишу «Нарисовать» (примечание 6 на Рисунок 12) для отображения графика запрашиваемого сигнала в области вывода. График будет нарисован в области вывода.

5) установить «Начало» (примечание 7 на Рисунок 12) и

«Окончание» (примечание 8 на Рисунок 12) декомпозируемого сигнала. Установить их возможно путем выбора времени из выпадающих

списков или мышью на графике аналогично процедуре масштабирования.

В поле «Точек» (примечание 9 на Рисунок 12) будет показано количество точек данных в заданной выборке.

6) задать параметры: «Интервал» (примечание 10 на Рисунок 12),

«Шаг» (примечание 11 на Рисунок 12), «Итераций» (примечание 12 на

Рисунок 12), «Мод» (примечание 13 на Рисунок 12).

«Интервал» и «Шаг» - параметры, регулирующие процесс поиска

локальных экстремумов функции. Примечание

«Интервал», согласно процедуре ЕМБ, должен быть задан нечетным. «Шаг» не рекомендуется задавать более половины интервала.

«Итераций» и «Мод» - параметры итерационного процесса, ограничивающие число итераций и мод, соответственно. Остановка итераций внутри вычисления одной моды происходит автоматически либо по количеству, заданному параметром «Итераций» (в зависимости от того, что будет достигнуто раньше). Остановка работы всего алгоритма происходит автоматически либо по количеству, заданному параметром «Мод» (в зависимости от того, что будет достигнуто раньше).

Примечание

Рекомендуется вводить заведомо большие значения (например, оставить их равными 20, как задано по умолчанию). Тогда, вероятнее всего, процесс будет останавливаться автоматически. Типичное количество мод в процессе разложения, как правило, не превышает 12. Количество итераций в каждой моде, как правило, оказывается в пределах 4-8.

7) нажать клавишу «Декомпозиция»;

После нажатия клавиши «Декомпозиция» необходимо дождаться, пока система выполнит команду. В правой части области задания параметров отобразится строка прогресса обработки данных.

В области вывода будет отображён результат разложения сигнала, как показано на Рисунок 13.

Просмотр и обработка результатов декомпозиции

Исходный сигнал и остаток разложения приводятся на верхнем графике в масштабе, а моды - на нижнем, также в масштабе. Соотношение между областями возможно изменять, передвигая границу, разделяющую графики, мышью.

В правой части области вывода приводится список графиков, доступных для отображения: Исходный сигнал, Остаток, Мода 0, Мода 1 и т.д. По умолчанию после выполнения процесса декомпозиции выводятся все графики. Часть из них для удобства просмотра можно отключить, сняв галочки напротив соответствующих наименований.

Примечание

При отключении отображения какой-то из мод на графике, она не будет выводиться в таблицу общей информации (Табл. 6) на вкладке Лог декомпозиции.

Под номером каждой моды приводится ее краткая характеристика: максимальное и минимальное значения, а также период.

.:•...•■>...------ —

Рисунок 13. Результаты декомпозиции сигнала

1) Для просмотра отображаемых значений в виде 1Цт1-таблицы

перейдите на вкладку Лог декомпозиции.

В левой части области вывода приведено древо декомпозиции.

Выбирая соответствующие пункты, в области вывода можно увидеть

подробную информацию о процессе обработки сигнала.

Когда выбран пункт Декомпозиция, в левой части области вывода

приводятся данные об исходном сигнале, полученных модах и остатке, а

также, последовательно, всех промежуточных остатках, полученных в

процессе разложения сигнала. В Табл. 6 представлена информация о

содержании столбцов таблицы общей информации.

Табл. 6 Столбцы таблицы Лог декомпозиции, общая информация

Название Описание

Дата дата и время замера (в формате ДЦ ММ ГГГГ ЧЧ:ММ:СС.МС)

X универсальная координата

Значение значение исходного сигнала

Мода N значение моды с номером N

Разница N значение остатка после вычисления моды номер N

В правой части области вывода приведена статистическая информация по всем модам, полученным в результате работы алгоритма.

В Табл. 7 представлена информация о содержании столбцов таблицы общей статистики.

Табл. 7 Столбцы таблицы Лог декомпозиции, общая статистика

Название Описание

Номер указание эмпирических мод, здесь под Итерацией понимается одна итерация всего процесса декомпозиции, а не поиска одной моды

Экстремумов общее количество экстремумов (максимумов и минимумов) в данной моде

Вход - мин минимальное значение входного сигнала: для первой моды - исходного, для остальных - полученного вычитанием из сигнала предыдущей моды

Вход - макс максимальное значение входного сигнала, для первой моды - исходного, для остальных - полученного вычитанием из сигнала предыдущей моды

Вход - среднее среднее значение входного сигнала: для первой моды - исходного, для остальных - полученного вычитанием из сигнала предыдущей моды

Вход - СКО среднеквадратическое отклонение значений входного сигнала: для первой моды - исходного, для остальных - полученного вычитанием из сигнала предыдущей моды

Мода - мин минимальное значение моды

Мода - макс максимальное значение моды

Мода - среднее среднее значение моды

Мода - СКО среднеквадратическое отклонение значений моды

Разность - мин минимальное значение выходного сигнала, получаемого как разность входного сигнала и моды

Разность - макс максимальное значение выходного сигнала, получаемого как разность входного сигнала и моды

Разность - среднее среднее значение выходного сигнала, получаемого как разность входного сигнала и моды

Разность - СКО Среднеквадратическое отклонение значений выходного сигнала, получаемого как разность входного сигнала и моды

Развернув пункт древа Декомпозиция, можно получить доступ к

информации о каждой из мод. Для этого нужно выбрать требуемую моду. В левой части области вывода приводятся данные о последовательном вычислении моды по итерациям: график среднего значения на итерации и сигнала, передающегося в следующую итерацию. В Табл. 8 представлена информация о содержании столбцов таблицы информации о вычислении моды.

Табл. 8 Столбцы таблицы Лог декомпозиции, информация о вычислении моды

Название Описание

Дата дата и время замера (в формате ДД.ММ ГГГГ ЧЧ:ММ СС.МС)

Название Описание

X универсальная координата

Значение значение исходного сигнала

Среднее N среднее значение (по огибающим сигнала) на итерации с номером N

Разница N значение остатка после вычитания среднего из сигнала на итерации с номером N

В правой части области вывода сведены статистические сведения об итерациях вычисления данной моды. В Табл. 9 представлена информация о содержании столбцов таблицы статистики вычисления моды.

Табл. 9 Столбцы таблицы Лог декомпозиции, статистика вычисления моды

Название Описание

Номер указание итераций вычисления моды

Вход - мин минимальное значение входного сигнала на данной итерации

Вход - макс максимальное значение входного сигнала на данной итерации

Вход - среднее среднее значение входного сигнала на данной итерации

Вход - С КО среднеквадратическое отклонение значений входного сигнала на данной итерации

Мода - мин минимальное значение сигнала на итерации

Мода - макс максимальное значение сигнала на итерации

Мода - среднее среднее значение сигнала на итерации

Мода - СКО среднеквадратическое отклонение значений сигнала на итерации

Разность - мин минимальное значение выходного сигнала итерации, получаемого как разность входного сигнала и среднего значения огибающих сигнала

Разность - макс максимальное значение выходного сигнала итерации, получаемого как разность входного сигнала и среднего значения огибающих сигнала

Разность - среднее среднее значение выходного сигнала итерации, получаемого как разность входного сигнала и среднего значения огибающих сигнала

Разность - СКО среднеквадратическое отклонение значений выходного сигнала итерации, получаемого как разность входного сигнала и среднего значения огибающих сигнала

Сигма параметр, используемый в качестве критерия остановки итерационного процесса поиска моды

Развернув пункт требуемой моды, можно получить детальную информацию о каждой итерации ее вычисления, для этого необходимо выбрать интересующую итерацию. В левой части приведены данные о входном сигнале данной итерации, огибающих сигнала, среднем значении и выходном сигнале. Их описание представлено в Табл. 10.

Табл. 10 Столбцы таблицы Лог декомпозиции, информация об итерации

Название Описание

Дата дата и время замера (в формате ДД.ММ.ГГГГ ЧЧ:ММ:СС.МС)

X универсальная координата

Значение значение исходного сигнала

Верхняя значение верхней огибающей сигнала на данной итерации

Нижняя значение нижней огибающей сигнала на данной итерации

Среднее среднее значение (по огибающим сигнала) на данной итерации

Разность значение остатка после вычитания среднего из сигнала на данной итерации

В правой части приведена служебная информация о результатах поиска экстремумов в сигнале и построении огибающих. Для экспортирования данных в Microsoft Excel можно выделить нужную таблицу (щелчок правой кнопкой мыши - пункт Выделить все) и скопировать данные (с помощью контекстного меню или с помощью сочетаний клавиш Ctrl+C / Ctrl+V).

ПРИЛОЖЕНИЕ 3 - КОПИЯ ПРИКАЗА О ВНЕДРЕНИИ ПО МНЧК В ПРОМЫШЛЕННУЮ ЭКСПЛУАТАЦИЮ

О вводе в промышленную эксплуатацию программного комплекса «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» в части мониторинга низкочастотных колебаний

На основании акта готовности к вводу в промышленную эксплуатацию программного комплекса «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» в части мониторинга низкочастотных колебаний, утвержденного заместителем директора по управлению режимами ЕЭС Жуковым А.В. 18.06.2013, ПРИКАЗЫВАЮ:

1. Ввести в промышленную эксплуатацию программный комплекс «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» в части мониторинга низкочастотных колебаний (далее - ПАК МНЧК) с 18.10.2013.

2. Определить состав программных и аппаратных средств для ПАК МНЧК согласно приложению 1 к настоящему приказу.

3. Утвердить регламент эксплуатация ПАК МНЧК в исполнительном аппарате ОАО «СО ЕЭС» согласно приложению 2 к настоящему приказу.

4. Службе программно-аппаратных комплексов обеспечить выполнение необходимых мероприятий по поддержанию ПАК МНЧК в

работоспособном состоянии.

5. Генеральному директору Филиала ОАО «СО ЕЭС» ОДУ Урала Павлову В.И. собственным приказом обеспечить ввод ПАК МНЧК в промышленную эксплуатацию в Филиале ОАО «СО БЭС» ОДУ Урала и Филиале ОАО «СО ЕЭС» Тюменское РДУ с 25.10.2013.

6. Контроль за выполнением настоящего приказа возложить на первого заместителя Председателя Правления Шульгинова Н.Г.

ОТКРЫТОЕ АКЦИОНЕРНОЕ ОБЩЕСТВО «СИСТЕМНЫЙ ОПЕРАТОР ЕДИНОЙ ЭНЕРГЕТИЧЕСКОЙ СИСТЕМЫ»

ПРИКАЗ

Москва

№ №

Председатель Правления

Рассылается: первому заместителю Председателя Правления, директору по информационным технологиям, заместителю главного диспетчера по управлению режимами ЕЭС, Департаменту обеспечения безопасности, Службе программно-аппаратных комплексов, Службе внедрения противоаварийной и режимной автоматики, Филиалу ОАО «СО ЕЭС» ОДУ Урала, Филиалу ОАО «СО ЕЭС» Тюменское РДУ.

Д.Н. Уткин, 20-92

Приложение 1 к приказу ОАО «СО ЕЭС» от №

Состав

программных и аппаратных средств для ПАК МНЧК

1. Сервер mrtgnchk-vm-cdu:

- процессор с частотой 3 ГГц;

- оперативное запоминающее устройство 4 Гбайт;

- дисковое пространство 200 Гб;

- операционная система Microsoft Windows Server 2008 R2 Standard;

- система управления базами данных Microsoft SQL Server 2008 R2 Standard Edition;

- программа для электронных вычислительных машин «Антивирус Касперского 8.0 для Windows Server Enterprise Edition».

2. На рабочих местах пользователей:

- процессор с частотой 1 ГГц;

- оперативное запоминающее устройство 1 Гбайт;

- дисковое пространство 20 Мб;

- операционная система Microsoft Windows ХР и выше;

- программа для электронных вычислительных машин Microsoft .NET Framework 4.0;

- базовое программное обеспечение ПАК МНЧК;

- программа для электронных вычислительных машин Kaspersky Endpoint Security 8 для Windows.

Приложение 2 к приказу ОАО «СО ЕЭС» от_№_

Регламент

эксплуатации ПАК МНЧК в исполнительном аппарате ОАО «СО ЕЭС»

1. Общие положения

1.1. Настоящий Регламент определяет режимы работы ПАК МНЧК и порядок взаимодействия структурных подразделений исполнительного аппарата ОАО «СО ЕЭС», ответственных за обеспечение функционирования и эксплуатацию ПАК МНЧК.

1.2. ПАК МНЧК автоматизирует выполнение следующих задач:

- ретроспективный анализ данных синхронизированных векторных измерений;

- разложение сложных колебательных процессов на отдельные составляющие;

- определение параметров низкочастотных колебаний;

- идентификация источника низкочастотных колебаний в энергосистеме по амплитуде колебаний.

1.3. Термины и сокращения.

АС СИ СМПР - программно-аппаратные комплексы «Автоматическая

система сбора информации от регистраторов СМПР в Online режиме», «Автоматическая система сбора информации с регистраторов СМПР в Филиалах ОАО «СО ЕЭС» в off-line режиме», программное обеспечение отображения данных с регистраторов СМПР на рабочем месте технолога; БД - база данных;

Общество - ОАО «СО ЕЭС»;

СВПРА - Служба внедрения противоаварийной и режимной

автоматики;

СПАК - Служба программно-аппаратных комплексов;

сервер СУБД - сервер mrtgnchk-vm-cdu с установленным ПО

Microsof SQL Server 2008 Standard Edition.

1.4. Работники, обеспечивающие функционирование и эксплуатацию ПАК МНЧК, обязаны руководствоваться положениями настоящего Регламента в части выполняемых ими функций.

2. Архитектура ПАК МНЧК

2.1. ПАК МНЧК функционирует на сервере СУБД (ш^псЬк-уш-сёи) и рабочих местах пользователей.

Сервер СУБД ПК МНЧК

Клиентское место: АС СИ СМПР. ПК МНЧК

Кдосфатиапм сегъ

Сервер КС АС СИ СМПР

2.2. ПАК МНЧК обрабатывает данные в формате CSV, экспортированные из АС СИ СМПР.

3. Режимы работы ПАК МНЧК

3.1. Штатным режимом работы называется такой режим работы ПАК МНЧК, в котором обеспечивается возможность выполнения его основных функций:

3.1.1. Импорт данных в БД ПАК МНЧК.

3.1.2. Чтение данных из БД ПАК МНЧК.

3.1.3. Разложение сигнала на составляющие и расчет амплитудно-частотных характеристик этих сигналов.

3.2. Нештатный режим работы ПАК МНЧК характеризуется возникновением одного или нескольких событий:

3.2.1. Сбой в работе ПАК МНЧК, приводящий к невыполнению функций штатного режима.

3.2.2. Получение от пользователей информации об ошибках или проблемах при работе с ПАК МНЧК.

3.2.3. Иные непредвиденные обстоятельства.

4. Структурные подразделения, ответственные за обеспечение функционирования и эксплуатацию ПАК МНЧК в исполнительном аппарате Общества:

4.1. СВПРА.

4.2. СПАК.

5. Разграничение полномочий структурных подразделений исполнительного аппарата Общества для обеспечения штатного режима работы ПАК МНЧК:

5.1. СПАК осуществляет:

5.1.1. Системное администрирование ПАК МНЧК, в том числе установка и обновление стандартного системного ПО, администрирование СУБД.

5.1.2. Восстановление работоспособности сервера СУБД в случае системных и аппаратных сбоев.

5.1.3. Выполнение резервного копирования БД МНЧК.

5.1.4. Восстановление БД МНЧК в случае системных и аппаратных сбоев.

5.2. СВПРА:

5.2.1. Импортирует данные СМПР из АС СИ СМПР в БД МНЧК.

5.2.2. Использует ПАК МНЧК для анализа данных синхронизированных векторных измерений в случаях, предусмотренных п.7 настоящего Регламента и по необходимости.

5.2.3. Сообщает в СПАК о нештатном режиме работы ПАК МНЧК.

5.2.4. При необходимости делает запрос в СПАК о предоставлении новому пользователю прав доступа к БД МНЧК.

6. Регламентные работы, проводимые с ПАК МНЧК 6.1. Полное резервное копирование сервера СУБД осуществляется 1 раз в месяц. Срок хранения архивов 4 месяца.

7. Применение ПАК МНЧК.

7.1. Обработка данных синхронизированных векторных измерений в ПАК МНЧК производится в следующих случаях:

- при возникновении технологических нарушений и аварийных ситуаций, приводящих к небалансам в ЕЭС 800 МВт и более;

- при выявлении некорректной работы систем возбуждения и автоматических регуляторов возбуждения синхронных генераторов, в том числе при фиксации некорректной работы систем возбуждения и автоматических регуляторов возбуждения системами мониторинга системных регуляторов.

КОНТРОЛЬНЫЙ лист к приказу ОАО «СО ЕЭС»

«О вводе в промышленную эксплуатацию программного комплекса «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» в части мониторинга низкочастотных колебаний»

№ пункта приказа Ответственный исполнитель Срок исполнения Что представляется в качестве отчета (справка, тех. задание, протокол и т.д.)

5 Генеральный директор Филиала ОАО «СО ЕЭС» ОДУ Урала 25.10.2013 Приказ о вводе в промышленную эксплуатацию программного комплекса «Оценка тяжести режима и мониторинга динамических свойств энергосистем на основе данных системы мониторинга переходных режимов» в части мониторинга низкочастотных колебаний

Председатель Правления ——О Б.И. Аюев

Д.Н. Уткин 20-92