基于数据驱动的方法用于识别低频振荡的主要贡献者
系统与控制
2025-10-23 v2 系统与控制
摘要
我们提出了一种纯粹数据驱动的方法，用于 pinpoint 发电厂如何显著贡献于 poorly damped 振荡，这是 post-event 分析的一部分。首先，对来自 interconnection (POI) 的 PMU 数据应用 Extended Dynamic Mode Decomposition (EDMD)，以获得有限维的 Koopman 算子。随后，对简化后的 Koopman 算子进行模态分析，以提取时空模式。数据驱动的特征值和特征向量在不要求任何系统模型信息的情况下量化每台发电厂对关键振荡模式的贡献。我们通过对修改后的 IEEE 39 节点和 WECC 179 节点测试系统进行仿真案例研究，将数据驱动结果与 ground-truth 模型进行基准测试。其性能进一步通过来自 ISO-New England 系统的真实振荡事件的 PMU 数据得到验证。该数据驱动方法为 planning-stage 仿真和 post-event 分析提供了实用工具，使能够有效缓解。
引用
@article{arxiv.2505.14267,
title = {A Data-Driven Method to Identify Major Contributors to Low-Frequency Oscillations},
author = {Youhong Chen and Debraj Bhattacharjee and Balarko Chaudhuri},
journal= {arXiv preprint arXiv:2505.14267},
year = {2025}
}
备注
10 pages, 11 figures, Journal paper.Submitted to IEEE Transactions on Power System