本发明涉及电力系统自动化，具体涉及一种多频主导相量自动监测方法、系统、设备及介质。
背景技术：
1、随着以新能源为主体的新型电力系统推广建设，电力电子设备比例不断升高，机电与电磁暂态相互作用变强，出现中高频间谐波与谐波信号等新形态的高频扰动问题，严重威胁系统安全运行。行业内针对出现新形态信号的辨识问题，提出了电网信号统一监测技术，可以实现0～2500hz电网基波、间谐波和谐波的统一测量，采用预先设置固定门槛值的方式对分析的无效信号进行过滤，基于固定长度的采样数据时间窗监测电网扰动信号，测量计算监测延迟固定，时长一般为1s及以上，采用固定的方式识别电网模态成分。然而，新型电力系统中的新能源并网、直流输电及近区厂站、牵引站等场景下的电网扰动信号相互干扰，信号与噪声等分界点不明显，模态成分复杂，现有预设静态的固定门槛值过滤方式易导致识别的有效分量被误判，也无法根据电网扰动信号的特征来自动监测主导分量，适应电网不同模态成分的辨识要求。同时现有0～2500hz范围的测量数据尚不能完全覆盖柔直工程中新出现的3600hz左右的扰动分量的监测，在测量的宽频域范围内的电压、电流相量信号多，电压与电流频点未匹配，造成使用困难。
2、文献一分析了基于工频同步相量广域测量系统监测技术在振荡监测存在的问题和局限，提出0～2500hz宽频振荡实时监测技术方案。从高频采集及滤波、宽频信号分类处理分析、振荡告警及长录波、站域存储与分析和信息传输等方面对宽频振荡实时监测的关键环节进行了分析，并对宽频振荡实时测量的效果进行了仿真验证，验证了所提方案的可行性。
3、文献二提出一种基于同步相量轨迹拟合的电力系统次同步/超同步振荡的实时参数辨识方法，该方法依据100-200ms的同步相量数据序列可实现0-100hz范围内的次/超同步振荡的实时快速参数辨识。
4、文献三针对新能源大规模接入，电力系统不同区域的转动惯量、频率特性、支撑能力发生了较大变化，基于源-网-荷全景同步测量系统的大量实测数据，分析了频率与交流电网结构相关的分群现象，提出了基于皮尔逊相关系数的频率空间相关性辨识方法为惯量评估、频率控制、网络安全等分析提供基础。
5、综上，目前在电网0～2500hz宽频振荡监测、信号快速测量、电网频率信号特征分析等方面开展了研究，研究的重点内容是实现电网0～2500hz宽频振荡实时监测、0～100hz频率范围的次/超同步数据快速测量、新能源场景下的电网频率特征辨识，采用固定的计算数据窗周期方式识别电网频率成分等内容。然而，电力电子化电网的中的信号成分复杂，信号之间还存在干扰，如何实现面向新型电力系统下有效识别确定性分量，对中高频的电网信号模态成分自动辨识，实现0～5000hz范围内确定性分量自动监测，满足涉网扰动事件动态行为的监测与分析等方面尚未见报道。
6、文献一：《电网宽频振荡实时监测技术方案》，电力系统自动化，2023，47(10):135-143.
7、文献二：《基于同步相量轨迹拟合的电力系统次同步/超同步振荡的实时参数辨识》，中国电机工程学报，2023，43(4)：1413-1425.
8、文献三：《基于实测数据的电网频率信号特征分析与提取方法》，电力系统自动化，2023，47(10):135-143.
技术实现思路
1、本发明的目的在于提供一种多频主导相量自动监测方法、系统、设备及介质，以克服现有技术存在的缺陷，本发明能够自动辨识单个模态与多个模态确定性分量的幅值、相位和频率，满足电网0～5000hz范围内的主导相量监测要求，提高电网运行控制的安全稳定性。
2、为达到上述目的，本发明采用如下技术方案：
3、多频主导相量自动监测方法，包括如下步骤：
4、采集电网间隔测量点的采样数据；
5、对采样数据进行频谱分析得到频谱数据，对频谱数据进行分析得到电网中多频主导相量，对多频主导相量的频率范围内的频谱数据的幅值进行求解搜索得到若干个频谱极值，对频谱极值进行辨识，形成若干主导相量确定量数据；
6、对每个主导相量确定量数据的模态成分进行识别，将主导相量确定量数据分为单模态成分数据和多模态成分数据；
7、对不同模态成分的主导相量确定量数据进行幅值、相位和频率计算得到监测数据。
8、进一步地，所述采集电网间隔测量点的采样数据，具体为：
9、利用在场站布置的一台或多台多频监测装置采集电网间隔测量点的采样数据，所述采样数据包括三相瞬时电压和瞬时电流；
10、在获取采样数据后，通过构建短采样数据缓存接口服务和长采样数据缓存接口服务对采样数据进行存储。
11、进一步地，所述对采样数据进行频谱分析得到频谱数据，具体为：
12、基于加窗插值方法对采样数据进行频谱分析得到频谱数据，所述频谱数据包含频谱复数值和频谱序号；
13、所述加窗插值方法所采用的数据窗为余弦组合窗，加窗插值方法所采用的加窗函数为汉宁窗函数，数据窗的长度等于短采样数据缓存接口服务的采样数据长度。
14、进一步地，所述多频主导相量的频率范围为dc～5000hz，频率的分辨率f1＝fs/ns，其中，fs为采样频率，ns为短采样数据缓存接口服务的采样数据长度。
15、进一步地，所述对多频主导相量的频率范围内的频谱数据的幅值进行求解搜索得到若干个频谱极值，具体为：
16、1)基于多频主导相量的频率的分辨率f1计算5000hz范围内频谱数据的谱线数量num，num＝5000/f1；
17、2)从第k1个谱线为起点开始搜索求解频谱数据幅值的极大值，极大值对应的谱线号为k；以极大值对应的谱线号k为起点搜索求解频谱数据幅值的极小值，极小值对应的谱线号为k2，k2搜索结束后，将极大值和极小值作为1个频谱极值的求解结果，将该频谱极值记为m(i)，i为频谱序号；
18、3)判断k2是否小于num，若是，将k1更新为k2加1，并重复步骤2)继续求解搜索下一个频谱极值，否则进入步骤4)；
19、4)结束频谱极值的求解搜索，获得m个频谱极值；
20、5)构建一个频谱极值m(i)属性关联联合体，属性包括极大值对应的谱线号，开始搜索的谱线号、极小值对应的谱线号和频谱复数值；
21、6)将m个频谱极值及对应属性构建形成频谱极值数据集mdataset。
22、进一步地，所述对频谱极值进行辨识，形成若干主导相量确定量数据，具体为：
23、通过门槛值v0对频谱极值数据集mdataset中的m个频谱极值进行确定性辨识，所述门槛值v0基于频谱数据进行自适应的动态跟踪调整，动态跟踪调整的公式为：
24、v0＝v+k*σ
25、其中，v为频段范围内所有频谱数据幅值的平均值，σ为频段范围内所有频谱数据的标准差，k为门槛值调节系数；
26、将频谱极值数据集mdataset中的每个频谱极值m(i)的极大值与门槛值v0比较，将低于门槛值v0的频谱极值从频谱极值数据集mdataset中剔除，将高于或等于门槛值v0的频谱极值保留在频谱极值数据集mdataset中，频谱极值数据集mdataset中m个频谱极值经辨识后形成n个主导相量确定量数据，n≤m。
27、进一步地，所述门槛值动态跟踪调整的流程具体为：
28、1a)初始化门槛值调节系数k，并将频段范围内所有的频谱数据视为集合s；
29、2a)计算集合s的平均值v和标准差σ，基于门槛值调节系数k、集合s的平均值v和标准差σ计算门槛值v0；
30、3a)判断集合s中是否存在幅值超过门槛值v0的频谱数据，若存在，则将存在幅值超过门槛值v0的频谱数据从集合s剔除，更新集合s并返回步骤2a)；否则结束迭代过程，确定自适应门槛值为v0。
31、进一步地，所述对每个主导相量确定量数据的模态成分进行识别，将主导相量确定量数据分为单模态成分数据和多模态成分数据，具体为：
32、将n个主导相量确定量数据记为主导相量确定量数据集y，对主导相量确定量数据集y内的每个主导相量确定量数据的模态成分进行自动识别，识别的方法为：
33、1b)确定主导相量确定量数据集y的数据数组y_data的长度为n，数据数组用于存放频谱极值m(i)；
34、2b)获取数据数组y_data第j个频谱极值对应的谱线号k1和谱线号k2，其中j的范围为[1,n]，第j个频谱极值为y_data[j-1]；
35、3b)计算频谱极值y_data[j-1]中极大值与极小值之间的所有谱线的相角，记为theta(l)，l的范围为[k1,k2]；
36、4b)计算频谱极值y_data[j-1]中极大值与极小值之间的所有相邻谱线的相角差：delt theta(l)＝theta(l+1)-theta(l)，l的范围为[k1,k2]，并计算delt theta(l)与圆周率π的绝对差值：alpha(l)＝abs(delt theta(l)-π)，通过比较匹配得到y_data[j-1]中所有相邻谱线的最大相角差maxalpha，abs表示绝对值函数；
37、5b)如果最大相角差maxalpha小于等于模态成分辨识阈值deltthetav，第j个频谱极值为单模态成分数据，否则第j个频谱极值为多模态成分数据；
38、6b)如果j+1小于n则将j更新为j+1，并重复执行步骤2b)，反之则退出主导相量确定量的模态成分识别，对于单模态成分数据赋予标记ys，对于多模态成分数据赋予标记ym。
39、进一步地，所述对不同模态成分的主导相量确定量数据进行幅值、相位和频率计算得到监测数据，具体为：
40、依次获取主导相量确定量数据集y中n个主导相量确定量数据，判断每个主导相量确定量数据的模态成分数据标记；
41、基于能量守恒机制对模态成分数据标记为ys的主导相量确定量数据进行幅值、相位和频率计算，得到单模态主导分量相量估算修正监测数据；
42、对模态成分数据标记为ym的多模态成分数据进行精细化分析，得到多模态成分数据精细化频谱数据，基于能量守恒机制对主导相量确定量数据的多模态成分数据精细化频谱数据进行幅值、相位和频率计算，得到多模态主导分量相量估算修正监测数据。
43、进一步地，所述对多模态成分数据进行精细化分析，得到多模态成分数据精细化频谱数据，具体为：
44、估算多模态成分数据中心约略频率f，中心约略频率f为极大值对应的谱线号k乘以频率分辨率f1，表达式为：f＝k*f1；
45、对长采样数据缓存中采样数据进行向左移频处理，移动的频率值为f，得到新采样数据x(n)；
46、构建低频滤波器对新采样数据x(n)进行滤波得到滤波后的采样数据x’(n)，低频滤波器的截止频率为fc＝fs/(2*d)，d为频率分辨率精细化倍数；
47、对滤波后的采样数据x’(n)进行重新采样，采样频率fs’＝fs/d，重新采样后得到ns个采样数据；
48、基于加窗插值方法对ns个采样数据进行频谱分析得到精细化频谱数据，精细化频谱数据的频率分辨率为fs’/n＝fs/(n*d)；
49、对精细化频谱数据进行频率向右移动，恢复到多模态成分数据的中心频率f处，得到多模态成分数据精细化频谱数据。
50、多频主导相量自动监测系统，包括：
51、数据采集模块：用于采集电网间隔测量点的采样数据；
52、分析模块：用于对采样数据进行频谱分析得到频谱数据，对频谱数据进行分析得到电网中多频主导相量，对多频主导相量的频率范围内的频谱数据的幅值进行求解搜索得到若干个频谱极值，对频谱极值进行辨识，形成若干主导相量确定量数据；
53、识别模块：用于对每个主导相量确定量数据的模态成分进行识别，将主导相量确定量数据分为单模态成分数据和多模态成分数据；
54、计算模块：用于对不同模态成分的主导相量确定量数据进行幅值、相位和频率计算得到监测数据。
55、进一步地，所述数据采集模块中，采集电网间隔测量点的采样数据，具体为：
56、利用在场站布置的一台或多台多频监测装置采集电网间隔测量点的采样数据，所述采样数据包括三相瞬时电压和瞬时电流；
57、在获取采样数据后，通过构建短采样数据缓存接口服务和长采样数据缓存接口服务对采样数据进行存储。
58、进一步地，所述分析模块中，对采样数据进行频谱分析得到频谱数据，具体为：
59、基于加窗插值方法对采样数据进行频谱分析得到频谱数据，所述频谱数据包含频谱复数值和频谱序号；
60、所述加窗插值方法所采用的数据窗为余弦组合窗，加窗插值方法所采用的加窗函数为汉宁窗函数，数据窗的长度等于短采样数据缓存接口服务的采样数据长度。
61、进一步地，所述多频主导相量的频率范围为dc～5000hz，频率的分辨率f1＝fs/ns，其中，fs为采样频率，ns为短采样数据缓存接口服务的采样数据长度。
62、进一步地，所述对多频主导相量的频率范围内的频谱数据的幅值进行求解搜索得到若干个频谱极值，具体为：
63、1)基于多频主导相量的频率的分辨率f1计算5000hz范围内频谱数据的谱线数量num，num＝5000/f1；
64、2)从第k1个谱线为起点开始搜索求解频谱数据幅值的极大值，极大值对应的谱线号为k；以极大值对应的谱线号k为起点搜索求解频谱数据幅值的极小值，极小值对应的谱线号为k2，k2搜索结束后，将极大值和极小值作为1个频谱极值的求解结果，将该频谱极值记为m(i)，i为频谱序号；
65、3)判断k2是否小于num，若是，将k1更新为k2加1，并重复步骤2)继续求解搜索下一个频谱极值，否则进入步骤4)；
66、4)结束频谱极值的求解搜索，获得m个频谱极值；
67、5)构建一个频谱极值m(i)属性关联联合体，属性包括极大值对应的谱线号，开始搜索的谱线号、极小值对应的谱线号和频谱复数值；
68、6)将m个频谱极值及对应属性构建形成频谱极值数据集mdataset。
69、进一步地，所述对频谱极值进行辨识，形成若干主导相量确定量数据，具体为：
70、通过门槛值v0对频谱极值数据集mdataset中的m个频谱极值进行确定性辨识，所述门槛值v0基于频谱数据进行自适应的动态跟踪调整，动态跟踪调整的公式为：
71、v0＝v+k*σ
72、其中，v为频段范围内所有频谱数据幅值的平均值，σ为频段范围内所有频谱数据的标准差，k为门槛值调节系数；
73、将频谱极值数据集mdataset中的每个频谱极值m(i)的极大值与门槛值v0比较，将低于门槛值v0的频谱极值从频谱极值数据集mdataset中剔除，将高于或等于门槛值v0的频谱极值保留在频谱极值数据集mdataset中，频谱极值数据集mdataset中m个频谱极值经辨识后形成n个主导相量确定量数据，n≤m。
74、进一步地，所述门槛值动态跟踪调整的流程具体为：
75、1a)初始化门槛值调节系数k，并将频段范围内所有的频谱数据视为集合s；
76、2a)计算集合s的平均值v和标准差σ，基于门槛值调节系数k、集合s的平均值v和标准差σ计算门槛值v0；
77、3a)判断集合s中是否存在幅值超过门槛值v0的频谱数据，若存在，则将存在幅值超过门槛值v0的频谱数据从集合s剔除，更新集合s并返回步骤2a)；否则结束迭代过程，确定自适应门槛值为v0。
78、进一步地，所述识别模块中，对每个主导相量确定量数据的模态成分进行识别，将主导相量确定量数据分为单模态成分数据和多模态成分数据，具体为：
79、将n个主导相量确定量数据记为主导相量确定量数据集y，对主导相量确定量数据集y内的每个主导相量确定量数据的模态成分进行自动识别，识别的方法为：
80、1b)确定主导相量确定量数据集y的数据数组y_data的长度为n，数据数组用于存放频谱极值m(i)；
81、2b)获取数据数组y_data第j个频谱极值对应的谱线号k1和谱线号k2，其中j的范围为[1,n]，第j个频谱极值为y_data[j-1]；
82、3b)计算频谱极值y_data[j-1]中极大值与极小值之间的所有谱线的相角，记为theta(l)，l的范围为[k1,k2]；
83、4b)计算频谱极值y_data[j-1]中极大值与极小值之间的所有相邻谱线的相角差：delt theta(l)＝theta(l+1)-theta(l)，l的范围为[k1,k2]，并计算delt theta(l)与圆周率π的绝对差值：alpha(l)＝abs(delt theta(l)-π)，通过比较匹配得到y_data[j-1]中所有相邻谱线的最大相角差maxalpha，abs表示绝对值函数；
84、5b)如果最大相角差maxalpha小于等于模态成分辨识阈值deltthetav，第j个频谱极值为单模态成分数据，否则第j个频谱极值为多模态成分数据；
85、6b)如果j+1小于n则将j更新为j+1，并重复执行步骤2b)，反之则退出主导相量确定量的模态成分识别，对于单模态成分数据赋予标记ys，对于多模态成分数据赋予标记ym。
86、进一步地，所述对不同模态成分的主导相量确定量数据进行幅值、相位和频率计算得到监测数据，具体为：
87、依次获取主导相量确定量数据集y中n个主导相量确定量数据，判断每个主导相量确定量数据的模态成分数据标记；
88、基于能量守恒机制对模态成分数据标记为ys的主导相量确定量数据进行幅值、相位和频率计算，得到单模态主导分量相量估算修正监测数据；
89、对模态成分数据标记为ym的多模态成分数据进行精细化分析，得到多模态成分数据精细化频谱数据，基于能量守恒机制对主导相量确定量数据的多模态成分数据精细化频谱数据进行幅值、相位和频率计算，得到多模态主导分量相量估算修正监测数据。
90、进一步地，所述对多模态成分数据进行精细化分析，得到多模态成分数据精细化频谱数据，具体为：
91、估算多模态成分数据中心约略频率f，中心约略频率f为极大值对应的谱线号k乘以频率分辨率f1，表达式为：f＝k*f1；
92、对长采样数据缓存中采样数据进行向左移频处理，移动的频率值为f，得到新采样数据x(n)；
93、构建低频滤波器对新采样数据x(n)进行滤波得到滤波后的采样数据x’(n)，低频滤波器的截止频率为fc＝fs/(2*d)，d为频率分辨率精细化倍数；
94、对滤波后的采样数据x’(n)进行重新采样，采样频率fs’＝fs/d，重新采样后得到ns个采样数据；
95、基于加窗插值方法对ns个采样数据进行频谱分析得到精细化频谱数据，精细化频谱数据的频率分辨率为fs’/n＝fs/(n*d)；
96、对精细化频谱数据进行频率向右移动，恢复到多模态成分数据的中心频率f处，得到多模态成分数据精细化频谱数据。
97、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述多频主导相量自动监测方法的步骤。
98、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述多频主导相量自动监测方法的步骤。
99、与现有技术相比，本发明具有以下有益的技术效果：
100、首先，基于分析的频谱成分动态的生成有效频谱的门槛值，自适应的辨识主导相量确定量数据，解决固定门槛值无法满足现场不同工况有效频谱数据筛选的问题；其次，基于扰动信号特征，对主导相量确定量数据单模态成分或多模态成分进行自动辨识，实现不同模态成分的扰动信号全面准确自动识别，避免扰动信号模态识别的遗漏或混叠。
101、进一步地，对于单模态成分扰动信号的场景采用数据窗(数据窗的长度等于短采样数据缓存接口服务的采样数据长度)进行快速测量计算得到主导分量相量，扰动信号监测延迟小于200ms，对于多模态成分扰动信号的场景采用精细化的分析方法精确分析多个主导分量相量，对于多模态的扰动信号精细化分析频率分辨率小于0.25hz，实现0～5000hz范围内的电压、电流等主导相量准确监测。
102、进一步地，对0～5000hz范围划分频段，对每个频段中的电网中电压、电流的相量模态信号进行匹配和按照幅值大小排序分频段的获取主导分量相量，避免信号过多导致使用复杂，满足新型电力系统下涉网动态行为的监测与分析等要求。
1.多频主导相量自动监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的多频主导相量自动监测方法，其特征在于，所述采集电网间隔测量点的采样数据，具体为：
3.根据权利要求2所述的多频主导相量自动监测方法，其特征在于，所述对采样数据进行频谱分析得到频谱数据，具体为：
4.根据权利要求3所述的多频主导相量自动监测方法，其特征在于，所述多频主导相量的频率范围为dc～5000hz，频率的分辨率f1＝fs/ns，其中，fs为采样频率，ns为短采样数据缓存接口服务的采样数据长度。
5.根据权利要求1所述的多频主导相量自动监测方法，其特征在于，所述对多频主导相量的频率范围内的频谱数据的幅值进行求解搜索得到若干个频谱极值，具体为：
6.根据权利要求5所述的多频主导相量自动监测方法，其特征在于，所述对频谱极值进行辨识，形成若干主导相量确定量数据，具体为：
7.根据权利要求6所述的多频主导相量自动监测方法，其特征在于，所述门槛值动态跟踪调整的流程具体为：
8.根据权利要求5所述的多频主导相量自动监测方法，其特征在于，所述对每个主导相量确定量数据的模态成分进行识别，将主导相量确定量数据分为单模态成分数据和多模态成分数据，具体为：
9.根据权利要求8所述的多频主导相量自动监测方法，其特征在于，所述对不同模态成分的主导相量确定量数据进行幅值、相位和频率计算得到监测数据，具体为：
10.根据权利要求9所述的多频主导相量自动监测方法，其特征在于，所述对多模态成分数据进行精细化分析，得到多模态成分数据精细化频谱数据，具体为：
11.多频主导相量自动监测系统，其特征在于，包括：
12.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至10任一项所述多频主导相量自动监测方法的步骤。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至10任一项所述多频主导相量自动监测方法的步骤。
