随着正在进行的电力市场的反调节(deregulation)，从遥远的 发电机到本地用户的负载输送以及电力运转已经变成惯例。作为优化 资产的新兴需要和公用事业(utility)之间竞争的结果，增长的电功 率量通过现有的网络进行输送，这样总是造成部分输电系统的过剩， 输送瓶颈和/或振荡。在这个方面上，输电网络非常动态。总的来说， 包括几个交流发电机的电力系统中的电磁振荡频率小于几赫兹，并且 只要它们可以衰减，就认为可以接受。它们由系统负载中正常的小变 化发起，并且它们是任何电力系统的特性。然而，在电力系统的工作 点改变时，例如，由于随着发电机，负载和/或输电线的连接或断开所 带来的功率流的新分配而引起的改变，将发生不充分的阻尼振荡。同 样地，即使它们互连之前后者不单独出现任何严重阻尼振荡，几种现 有电网的互连将发生不足够的阻尼振荡。在这些情况下，几兆瓦的输 电功率的增加在稳定振荡和不稳定振荡之间形成差别，其中不稳定振 荡的电位使得系统崩溃或者导致失同步，失互连，并且最终不能提供 电功率给用户。对电力系统进行适当的监控可有助于网络工作人员精 确地评定电力系统状态，通过像连接特定设计的振荡阻尼设备那样采 取适当的动作来避免总停电。
在专利申请EP-A 1 489 714中，电力系统中机电振荡的适应性检 测基于线性时变模型。采样像例如网络选择节点上的电压或电流的幅 值或角度之类的系统量或信号，并且通过卡尔曼滤波技术估计表示电 力系统性能(behavior)的线性模型参数。这个过程以递归方式进行， 也就是说，每次测量系统量的新值时，更新模型参数。最后，从模型 的估计参数中推导出例如频率或阻尼之类的振荡模型的参数，并将这 些参数呈现给工作人员。这种适应性识别过程可以进行电力系统当前 状态的实时分析，尤其包括主要的功率振荡模式的阻尼ξ以及频率f， 该主要的功率振荡模式就是具有最低相对阻尼率的模式。
为了使得这种动态模型参数的估计正确运行，必须由一组适当选 择的调谐参数对该估计进行初始化，这些调谐参数例如动态模型的阶， 过程和测量噪声，信号预先滤波的截止频率等等。总的来说，调谐参 数的值取决于监控的特定电力系统以及选择成监视算法输入的特定信 号。然后通过调试工程师进行调节或调谐，其中调试工程师分析每个 输入信号并确定下一步的估计过程的输出，即，被估计的主频率以及 阻尼，足够快速地响应并且相对于测量噪声不是太敏感。特别地，调 试工程师不得不这样调节调谐参数的值：由被测信号和例如由上述线 性时变模型预期的信号之间的差所给定的估计误差最小，并且采用尽 可能小阶的动态模型来足以精确估计感兴趣的捕获振荡模式。结果是 这种调谐程序时间密集，并且要求调试工程师具有一定程度的知识和 经验。
为了识别电力系统中的振荡，诸如电压，电流和功率流的幅值或 相角之类的不同系统量可用作所提出的识别程序的输入。然而，这种 信号相对于它们的诸如幅值和信号方差的统计性质不同。为了简化调 谐程序，即，为了找到要求启动估计算法的调谐参数的最佳初始值， 上述欧洲专利申请提出引入信号调整用于从监控的电力系统得到的所 有可容许测量值。

本发明的目的是增加检测和监控电力系统中的机电功率振荡的灵 活性，而不增加调试的工程复杂性或者工作量。这些目的可通过根据 权利要求1和5的初始化电力系统参数模型的模型参数估计的方法以 及监控电力系统的系统来实现。进一步的优选实施例从专利的从属权 利要求中可以明显得到。
根据本发明，从以下事实得到优势：对于同一个电力系统而言， 多个不同的系统量可用，即，不同位置上测量的不同信号。然而，在 这些不同的输入信号中，可观察到相同的动态现象，例如机电振荡现 象。因此，例如，为了地理或者时间上跟踪某个振荡模式，可从一个 信号交换到另一个信号上，其中某个振荡模式例如中间区域模式可从 第一位置的测量电压并且可从电力系统的另一位置的电流信号中可观 察到，或者例如可随着输电线或发电机的连接或断开而切换。
为了避免在采用例如最初所述的检测机电振荡的方法时对每个系 统量单独进行调谐，仅单独确定第一或者参考系统量的调谐参数。然 后可通过复制或者重新使用全部或部分上述的调谐参数并通过确定足 够的重新缩放因子作为信号调节增益而简化第二或者其他的系统量的 初始化程序，其中第二或其他的系统量可例如为某个振荡模式提供更 好的可观察性。后者可通过比较第一和第二系统量来确定，其能承受 兼容的不同输入信号并且是源自第一系统量的调谐参数值能成功再使 用的前提。然后应用包括所述调节增益的调谐参数值复制组，以根据 第二系统量的一系列测量值来识别代表电力系统性能的模型参数。
优选的是，通过比较包含在被测信号中的统计信息来确定调节增 益，这些被测信号例如第一和第二系统量的多个测量值的最大信号功 率，平均值或者均方根值。可以实时设置缩放因子的适应性。
在有利的实施例中，在上述信号调节之前为第二系统量的测量值 提供带通滤波器。该滤波器可基于被跟踪的振荡的一般知识，或者基 于(即围绕)第一或参考系统量从以前的分析中得到的主要机电振荡 频率进行限定。
上述简化的参数估计调谐过程的使用涉及诸如电力系统中主要振 荡模式的频率或阻尼之类的信息从被估计的动态模型参数中的推导。 为此，动态模型参数优选地由卡尔曼滤波技术确定。
附图说明
下文中参考附图示出的优选示意性实施例详细解释了本发明的主 题，其中：
图1示意性地示出电力系统，
图2示出估计模型参数的过程的流程图，
图3是根据第一系统量y1分析电力系统的结果，
图4是根据第二系统量y2并且采用相同的调谐参数初始化分析相 同的电力系统的结果。
附图中所用的附图标记以及它们的含义在附图标记列表中以概括 的形式列出。原则上，相同的部件在附图中采用相同的参考标记。

图1示出电力系统1，包括两个发电机10，10’和分别由汇流排 (busbar)11，11’，11’’表示并由多个传输线互连的几个变电站。 诸如电压或电流的相角和/或幅值，频率，功率流等之类的系统量y1， y2，y3由位于电力系统1上不同变电站或节点上的合适测量单元20， 20’，20’’进行测量。将测量单元20，20’，20’’测量的信号发 送到振荡监控中心21中并在其中进行使用。总的来说，几个测量单元 20，20’，20’’可在一个单独的设备中实现，此外其不需要成为专 用设备，相应的测量功能同样可由为系统1中的保护和控制任务所设 的智能电子设备来执行。此外，监控中心21可以与其中一个测量单元 20相同。
如上所述，模型参数的适应性估计的适当初始化要求递归计算所 用的调谐参数的调谐或者离线调节。举例来说，在上述欧洲专利申请 EP-A 1 489 714中所提出的程序中，选择离散时间自回归模型的动态 阶n是最重要的一个方面，其中这个阶等于将要估计的参数数量。如 果这个阶太低，在频域中得到的频谱将高度平滑，并且在频谱中具有 低值尖峰的感兴趣的振荡被掩盖。另一方面，如果阶n太高，伪低值 尖峰将被引入到频谱之中。此外，测量噪声Qm和过程噪声Qp的相关矩 阵表示其他较不敏感的调谐参数。其他调谐参数是系统量y的连续测 量值之间的采样时间Ts，信号预先滤波的截止频率f1，f2以及信号调 节因子或增益G，如下面将要详细描述的。
图2示出了上述欧洲专利申请EP-A 1 489 714中所述的电力系统 振荡监控的适应性实时算法的有利改进，其中该欧洲专利申请公开的 内容在此引入以供参考。在初始化步骤30中，根据本发明确定与系统 量y2一起使用的调谐参数tp2，即，为不同的系统量y1事先确定的调谐 参数tp1进行复制。步骤30包括例如基于考虑中的系统量y1，y2的有 限数量的测量值{y1’}，{y2’}的离线分析最初确定调节增益G2， 并包括下面所述的滤波和统计步骤。在该算法的重复执行过程中，在 测量步骤31中采用1/Ts的采样或更新频率测量第二系统量y2的新值 y2(k)。然后在滤波步骤32中对这一系列测量值y2(k)进行带通滤波， 其中作为调谐参数的截止频率f1，f2已经在上面介绍，从而产生y2(k) 的一系列滤波值。这一系列滤波值的统计度量在统计步骤33中针对调 节增益G2的最后更新而确定。最后，在缩放步骤34中，y2(k)的该系 列滤波值采用调节增益G2的实际值重新缩放。如果最后测量的，滤波 的并且缩放的值y2(k)超过了特定阈值，和/或如果某个计数器显示出 这样，在模型参数更新步骤35中进一步采用y2(k)的该系列滤波的缩 放的值，如本领域中已知的那样。
更详细地，重新缩放之前的带通滤波步骤32去掉了例如0.1赫兹 的较低截止频率f1以下的DC分量以及例如2赫兹的较高截止频率f2 之上的高频。电力系统振荡的一般频率是已知的事实，允许限定如所 指示的带通范围，然而，如果例如递归算法的结果显示这样做，那么 任何时刻可以调节截止频率f1，f2。
在被认为初始化或更新调节增益G2的周期T中测量的值的带通滤 波序列s(k)的统计度量包括例如最大信号功率，平均值，或者均方根 值，如下：
$S_r=\underset{0<k<T}{\max }s\left(k\right)$ (最大值)
$S_r=\frac{1}{T}\underset{k=1}{\overset{T}{\Sigma }}\left|s\left(k\right)\right|$ (平均值)
$S_r=\sqrt{\frac{1}{T}\underset{k=1}{\overset{T}{\Sigma }}s{\left(k\right)}^2}$ (均方根值)
调节增益G2可根据考虑的第一和第二系统量y1，y2的相应统计度 量Sr1，Sr2通过除法：G2＝Sr1/Sr2而计算得到。
在低信噪比的情形下，例如在测量单元故障的情况下，输入信号 (即系统量的一些随后的测量值)可临时构成噪声，其平均值接近零 而不是实际数据。这样考虑所有测量值确切等于零是有益的，否则估 计的是噪声的主频率而不是被测信号的被测信号的主频率。基于平均 信号功率的观察，固定阈值，并且如果实际信号功率低于该阈值，将 估计的模型参数冻结(不更新)。
下面，一个实例示出所提出的程序的效果，其中选择两个完全不 同的信号并且采用所开发的用于检测振荡的工具进行分析。实际测量 的数据包括在Ts＝0.05秒的时间间隔采样的1600个值y1 k，y2 k的两个 序列，对应于80秒的短数据采集时间间隔。
第一系统量y1：输入信号是RMS幅值为400kV±2kV或者以传统符 号表示为1p.u.±0.005的交流电压，其中1p.u.＝400kV。这在图3 中的第一曲线图上示出。第二个曲线图上，示出经过滤波的信号。采 用特定组的总共19个调谐参数tp1，随后的适应性程序导致主频率f 以及其相对阻尼ξ的估计，如图3的第三曲线图和第四曲线图示出， 在所示的时间间隔内收敛到值f≈0.45Hz，ξ≈17％。当事先没有包括 其他的信息并且估计的全部模型参数(a1，a2，...)从任何初始值(这 里为零)开始并且快速收敛到它们的正确值时，两个底部曲线图中的 初始尖峰由模型参数估计算法的瞬态性能所导致。
第二系统量y2：输入信号是功率线路中的功率流，其值为图4中 的第一曲线图所示的1350MW±60。这种信息在收集几个采样值并运行 第一分析之后立即对调试工程师可用。根据本发明，基于功率流测量 的第二系统量的调谐参数tp2根据电压测量从第一组进行复制。这种情 况中经过滤波的第二信号所用的调节增益G2可计算成G2＝ 0.005/60＝8.3e-5。结果，采用第二系统量y2，所估计的振荡参数频率 和相对阻尼，显然以与基于第一系统量y1(图3)根据递归计算的参数 类似的速度收敛(图4，第三和第四曲线图)。因此，这种简化的初始 化实际上使得工作时间以及调谐过程最小化，而不负面地影响结果的 质量。
附图标记列表：
1电力系统
10发电机
11汇流排
20测量单元
21振荡监控中心