基于丹麦实测振荡数据的面向数据驱动事后分析
系统与控制
2025-11-27 v1 系统与控制
摘要
本文展示了如何利用扩展动态模式分解 (EDMD)——基于库伯曼算子理论——有效识别电网中主要贡献者。我们使用来自丹麦某实测 0.15 Hz 振荡事件的数据进行事后分析。为此，EDMD 算法仅处理来自电网不同电压等级下 19 个 PMU 的电压和电流相量。在无额外系统信息的盲测设置下，EDMD 准确 pinpoint 了 0.2 Hz 振荡的主要贡献者位置，与 Energinet 确认该有问题 IBR 厂商的位置一致，其根本原因是控制系统问题。传统方法，如用于 ISO-NE OSL 工具的耗散能量流 (DEF) 方法未能清晰识别该厂商。该联合验证与 Energinet 的合作，强化了使用仿真 IBR 主导系统和来自 ISO-NE 的实测 PMU 数据的先前研究，凸显了 EDMD 基于事后分析在识别主要振荡贡献者方面的潜力，从而实现针对性的同步同步失 (SSO) 缓解。
引用
@article{arxiv.2511.20939,
title = {Data-Driven Post-Event Analysis with Real-World Oscillation Data from Denmark},
author = {Youhong Chen and Debraj Bhattacharjee and Balarko Chaudhuri and Mark O Malley and Nan Qin and Adrian Pilkaer Expethit},
journal= {arXiv preprint arXiv:2511.20939},
year = {2025}
}
备注
5 pages, 6 figures, real power network event data, submitted to IEEE General Meeting 2026