基于分解降階模型的雙饋異步發(fā)電機模態(tài)估計方法

王 清，薛安成，畢天姝，霍建東

?

基于分解降階模型的雙饋異步發(fā)電機模態(tài)估計方法

王 清1，薛安成1，畢天姝1，霍建東2

(1.華北電力大學新能源電力系統(tǒng)國家重點實驗室，北京 102206；2.國網天津市電力公司，天津 300399)

了解雙饋異步發(fā)電機的本征特性對于揭示其對電力系統(tǒng)穩(wěn)定性影響的機理具有重要意義。傳統(tǒng)本征特性研究方法基于雙饋異步發(fā)電機詳細模型分析模態(tài)，方程階數高、計算量大，且分析結果缺乏有效驗證手段。根據狀態(tài)變量特征及其耦合特性，提出基于分解降階模型的重要模態(tài)估計方法。首先基于機械傳動鏈模型和異步發(fā)電機模型方程，分析了機械傳動鏈和異步發(fā)電機狀態(tài)變量與雙饋異步發(fā)電機系統(tǒng)其他狀態(tài)變量的多時間尺度和耦合特性。在此基礎上，提出了基于分解降階模型的軸系扭振和定轉子磁鏈振蕩模態(tài)的估計方法，并利用奇異攝動理論揭示了該降階模態(tài)估計方法的內在本質。最后，通過對比分析分解降階模態(tài)估計、詳細模型模態(tài)分析結果，驗證了分解降階模態(tài)估計方法的正確性。

雙饋異步發(fā)電機；本征特性；模態(tài)分類；模態(tài)降階估計；奇異攝動理論

0 引言

隨著電網中風電機組裝機容量的日益擴大，特別是并網雙饋異步發(fā)電機的不斷增加，其對電力系統(tǒng)穩(wěn)定性的影響愈發(fā)突出[1-4]。

揭示并網雙饋風電對電力系統(tǒng)穩(wěn)定性的影響機理，首先需要了解雙饋異步發(fā)電機的動態(tài)行為特征。值得注意的是，雙饋異步風機/風場與傳統(tǒng)同步發(fā)電機具有顯著的結構差異，上述結構差異帶來了非線性模型及其動力學行為本征特征的改變。因此，諸多學者致力于研究雙饋異步發(fā)電機的本征特性。

在宏觀特征方面，研究表明，對于雙饋異步發(fā)電機，在擾動中起主要作用的仍然是系統(tǒng)本征結構決定的主導振蕩模態(tài)，即主導振蕩模態(tài)將顯著影響擾動后系統(tǒng)動態(tài)行為特性和穩(wěn)定性[5-7]。

在研究方法上，雙饋異步發(fā)電機的本征特性研究主要采用時域仿真法[8-11]和模態(tài)分析法[12-20]。其中，由于模態(tài)分析法可以從本征模態(tài)的角度定性和定量分析雙饋異步發(fā)電機的特性而得到廣泛應用。文獻[12-15]分別針對雙饋異步發(fā)電機的簡化、詳細數學模型，采用模態(tài)分析法分析了發(fā)電機平衡運行點、風力機參數、發(fā)電機參數、控制器參數對其模態(tài)特性的影響。文獻[16-18]針對雙饋異步發(fā)電機的詳細數學模型進行了模態(tài)分析，并以參與因子大小作為忽略部分模態(tài)的依據對雙饋異步發(fā)電機模型進行了降階分析。文獻[19]采用模態(tài)分析對DFIG控制器參數進行優(yōu)化設計，從而改善DFIG的動態(tài)特性。文獻[20]利用模態(tài)分析，研究了無刷雙饋異步發(fā)電機的穩(wěn)定運行域及發(fā)電機、控制器參數等對穩(wěn)定域的影響。

現有文獻在雙饋異步發(fā)電機的本征特性研究方面取得了重要成果，但其研究都基于雙饋異步發(fā)電機的詳細模型，模型階數高，計算量大，需要已知模型的完整參數，且計算結果的驗證主要通過仿真定性校驗，缺乏理論支撐。對于如何根據狀態(tài)變量特征及其相互耦合特性，簡化分析模型，獲得重要模態(tài)鮮有涉及。有鑒于此，本文提出基于雙饋異步發(fā)電機分解降階模型的模態(tài)估計方法，該方法能夠以較小的計算量得到雙饋異步發(fā)電機的重要本征振蕩模態(tài)，對于了解其本征特性和校驗小擾動穩(wěn)定分析或動態(tài)穩(wěn)定分析中模態(tài)分析結果的正確性具有重要實用價值。

本文首先分析雙饋異步發(fā)電機系統(tǒng)狀態(tài)變量的多時間尺度和耦合特性，在此基礎上提出軸系扭振模態(tài)和定轉子磁鏈振蕩模態(tài)的分解降階估計方法，并利用奇異攝動理論揭示該方法的降階本質，最后結合詳細模型模態(tài)分析驗證計算結果的正確性。

1 ?雙饋異步發(fā)電機系統(tǒng)詳細模型

圖1為雙饋異步發(fā)電機-無窮大系統(tǒng)，其中雙饋異步發(fā)電機機械傳動鏈、異步發(fā)電機、背靠背變換器、變換器控制、槳矩角控制和電網接口模型采用文獻[5]中模型，鎖相環(huán)采用文獻[7]中二階模型，該系統(tǒng)動態(tài)模型可用以下緊湊型一階微分代數方程組描述。

式中：狀態(tài)變量=[,t,r,b,ds,qs,d,q,DC,1,2,3,4,5,6,7,PLL,PLL]T；代數變量=[e,dr,qr,dr,qr,dg,qg,meas,meas,ds,qs,dg,qg,PLL]T；輸入變量=[ref,t,,ref,ref,qg_ref,DC_ref]T。PLL為鎖相環(huán)輸出相位，PLL為鎖相環(huán)狀態(tài)變量，PLL為鎖相環(huán)角速度，其他變量的含義參考文獻[5]。

機械傳動鏈和異步發(fā)電機數學模型描述如圖1。

圖1 雙饋異步發(fā)電系統(tǒng)

1.1 機械傳動鏈模型

雙饋異步發(fā)電機的機械傳動鏈采用2質量塊等效模型時，其數學模型為

1.2 異步發(fā)電機模型

同步旋轉坐標下，采用電動機慣例，異步發(fā)電機暫態(tài)模型可表示為

式中，r為發(fā)電機轉子角速度，其他變量含義參考文獻[5]。

2 ?多時間尺度及耦合特性分析

對于雙饋異步發(fā)電機系統(tǒng)模型，即式(1)，其中機械傳動鏈對應狀態(tài)變量變化慢，時間尺度為幾秒；變換器控制和鎖相環(huán)狀態(tài)變量時間尺度為幾十到幾百毫秒；定轉子磁鏈和直流支撐電容狀態(tài)變量變化較其他狀態(tài)變量快，其時間尺度為幾毫秒甚至更短。同時，結合方程(2)和e表達式可知機械傳動鏈狀態(tài)變量t、r、b僅與異步發(fā)電機狀態(tài)變量ds、qs、d、q耦合；異步發(fā)電機狀態(tài)變量ds、qs、d、q僅與狀態(tài)變量1、2、3、4、PLL、PLL耦合。綜上可知，雙饋異步發(fā)電機系統(tǒng)狀態(tài)變量時間尺度范圍很廣，各組成部分的時間尺度如表1所示，且各部分對應狀態(tài)變量間具有不同的相互耦合作用。

表1 DFIG各組成部分時間尺度

對雙饋異步發(fā)電機系統(tǒng)模型式(1)在平衡點處進行線性化并將代數變量增量方程Δ代入可得

其中

式中，為單位陣。

根據表1所示雙饋異步發(fā)電機各組成部分狀態(tài)變量的多時間尺度特性，可將式(4)改寫為

式中：1=[t,r,b]T為慢狀態(tài)變量；2=[ds,qs,d, Δq]T為快狀態(tài)變量；3=[,DC,1,2,3,4,5,6,7,PLL,PLL]T為中狀態(tài)變量或與1和2弱耦合的狀態(tài)變量。

另一方面，狀態(tài)變量的時間尺度特性及耦合特性可由雙饋異步發(fā)電機系統(tǒng)線性化模型的狀態(tài)矩陣特征值、參與因子和矩陣元素體現。其中，特征值實部或虛部絕對值較大，其對應主導狀態(tài)變量為快狀態(tài)變量；特征值實部或虛部絕對值較小，其對應主導狀態(tài)變量為慢狀態(tài)變量。同時，若狀態(tài)矩陣中元素很小或為零，則對應狀態(tài)變量間為弱耦合。

3 ?模態(tài)降階估計

根據線性化模型式(4)可計算雙饋異步發(fā)電機系統(tǒng)所有特征值，然而該方程階數高、計算量大。根據第2節(jié)可知機械傳動鏈及異步發(fā)電機狀態(tài)變量與雙饋異步發(fā)電機控制其弱耦合，且機械傳動鏈與異步發(fā)電機狀態(tài)變量時間尺度具有顯著差異。因此，本節(jié)將根據上述多時間尺度及弱耦合特性，在保留原系統(tǒng)本質特征的前提下，對軸系扭振模態(tài)和定轉子磁鏈振蕩模態(tài)進行降階估計。

3.1 軸系扭振模態(tài)的降階估計

軸系扭振模態(tài)由傳動鏈模型式(2)決定，其相關狀態(tài)變量為1=[t,r,b]T。由于式(2)中自阻尼系數t、r很小，可忽略不計，因此，式(2)可簡化為

將式(6)線性化，并化為矩陣形式的增量方程，則

(7)

式中，為微分算子。進一步，根據式(7)的特征方程可得其非零特征值為

式(8)表明兩質塊模型中存在頻率為n的扭振，n如式(9)。

(9)

3.2 定轉子磁鏈振蕩模態(tài)的降階估計

定轉子磁鏈振蕩模態(tài)由異步發(fā)電機模型式(3)決定，其相關狀態(tài)變量為2=[ds,qs,d,q]T。

正常運行時，考慮到DFIG中鎖相環(huán)能夠快速跟蹤電網頻率，即有PLL≈s。同時，由于定轉子磁鏈暫態(tài)遠快于DFIG轉子轉速的變化及轉子側變換器控制的響應速度，因此可以忽略r、qr、dr的變化，進而根據雙饋異步發(fā)電機定轉子電磁暫態(tài)4階微分方程式(3)，并對其線性化，可得定轉子磁鏈暫態(tài)的增量方程為

根據微分方程組(10)，可得其特征方程為

(11)

求解特征方程式(11)，即可得到定轉子磁鏈暫態(tài)振蕩模態(tài)的估計值。

4 ?模態(tài)降階估計合理性分析

本節(jié)采用奇異攝動理論對上述模態(tài)降階估計的合理性進行分析。

為驗證軸系扭振模態(tài)降階估計的正確性，定義=Δ1、=[Δ2T, Δ3T]T(驗證定轉子磁鏈振蕩模態(tài)時定義=[Δ1T, Δ3T]T、=Δ2)，根據奇異攝動理論[21-22]可將式(5)改寫為以下雙時間尺度系統(tǒng)

式中：為一小參數，且有=；=Δ。

為了研究式(12)的模態(tài)特性，根據奇異攝動理論，將狀態(tài)變量和中的快速和慢速運動分別記以下標和，從而可將式(12)分解為兩低階子系統(tǒng)。

首先，令=0，忽略快狀態(tài)變量變化對慢狀態(tài)變量動態(tài)的影響，即認為在慢狀態(tài)變量的過渡過程中，快狀態(tài)變量的過渡過程早已達到了“擬穩(wěn)態(tài)”，從而可得

(14)

其次，考慮到快動態(tài)過程中，慢變量變化很微小，即認為在快變量的過渡過程中，慢變量還未來得及發(fā)生變化，=s=常數，從而可得

由于f=-s，f=-s，f=-s，因此可得快子系統(tǒng)為

(16)

從而式(12)中狀態(tài)變量特性可由子系統(tǒng)(14)和(16)綜合得到。

(1)?軸系扭振模態(tài)估計

令=Δ1、=[Δ2T, Δ3T]T，則由式(14)和式(16)可得式(2)中機械傳動鏈慢狀態(tài)變量的動態(tài)可近似為

其中

(18)

忽略自阻尼系數t、r，可知狀態(tài)矩陣0與式(6)中狀態(tài)矩陣相等。因此，軸系扭振模態(tài)可由慢子系統(tǒng)狀態(tài)矩陣0估計得到。

(2)?定轉子磁鏈振蕩模態(tài)估計

其中

(20)

5 ?算例分析

在Matlab中搭建了圖1所示DFIG-無窮大系統(tǒng)詳細模型，DFIG及控制器參數和穩(wěn)態(tài)運行初值見附錄。

根據系統(tǒng)狀態(tài)矩陣可得與機械傳動鏈狀態(tài)變量相關和與異步發(fā)電機狀態(tài)變量相關的矩陣分別如圖2和圖3所示。

圖2中矩陣第1、8~18行的元素為零，表明狀態(tài)變量1=[t,r,b]T與狀態(tài)變量q及3=[,DC,1,2,3,4,5,6,7,PLL,PLL]T不耦合。僅有第2~7行的元素為不為零，表明狀態(tài)變量1=[t,r,b]T僅與狀態(tài)變量ds、qs和d耦合。這與第2節(jié)的分析一致。

圖2 與機械傳動鏈狀態(tài)變量Δx1相關的矩陣

圖3 與異步發(fā)電機狀態(tài)變量Δx2相關的矩陣

圖3中矩陣第1、2、4、9、14~16行的元素均為零，表明狀態(tài)變量ds、qs、d、q與狀態(tài)變量、t、b、DC、5、6、7不耦合。僅有第3、5~8、10~13、17~18行的元素為不全為零，表明狀態(tài)變量ds、qs、d、q僅與狀態(tài)變量r、1、2、3、4、PLL、PLL耦合。這與第2節(jié)的分析一致。

通過Matlab對圖1所示系統(tǒng)詳細模型進行小擾動分析可得其軸系扭振模態(tài)為?0.640?4±17.160?4i，其模值小于0.1倍定轉子磁鏈振蕩模態(tài)?2.3521±314.04i的模態(tài)，表明傳動鏈狀態(tài)變量t、r、b時間尺度遠小于異步發(fā)電機狀態(tài)變量ds、qs、d、q。因此，采用奇異攝動理論獲得慢子系統(tǒng)過程中可假設攝動參數=|?0.640?4±17.160?4i|/|?2.352?1±314.04i|=1/18.3，進而得到機械振蕩模態(tài)估計值。

同樣地，與定轉子磁鏈振蕩模態(tài)耦合的模態(tài)中，模值最大為|-76.400?8|，因此，采用奇異攝動理論獲得快子系統(tǒng)過程中可假設攝動參數=|-76.400?8|/|?2.352?1±314.04i|=1/4.1，進而得到定轉子磁鏈振蕩模態(tài)估計值。

由降階模型計算得到的振蕩模態(tài)估計值與根據詳細模型計算得到的結果對比情況如表2所示。

表2結果表明：根據式和式得到的軸系扭振模態(tài)和定轉子磁鏈振蕩模態(tài)估計值與詳細模型的Maltab特征值計算誤差很小，從而，驗證了振蕩模態(tài)估計的正確性，并從一定程度上驗證了雙饋異步發(fā)電機組詳細模型模態(tài)分析的正確性。

表2 軸系扭振和定轉子磁鏈振蕩模態(tài)計算結果對比

6 ?結論

本文根據雙饋異步發(fā)電機系統(tǒng)狀態(tài)變量多時間尺度及耦合特性，提出了基于分解降階模型的雙饋異步發(fā)電機重要模態(tài)估計方法，并通過奇異攝動理論揭示了該方法的內在本質，最后，通過對比分析分解降階模態(tài)估計結果和詳細模型模態(tài)分析結果驗證了該方法的正確性。研究表明雙饋異步發(fā)電機軸系扭振模態(tài)與定轉子磁鏈振蕩模態(tài)間具有時間尺度解耦特性，其中軸系扭振模態(tài)主要與慢狀態(tài)變量相關，可由慢子系統(tǒng)降階模型估計；定轉子磁鏈振蕩模態(tài)主要與快狀態(tài)變量相關，可由快子系統(tǒng)降階模型估計。

本文提出的分解降階模態(tài)估計對于校驗動態(tài)穩(wěn)定分析中特征值計算結果的正確性具有重要參考價值，同時能夠一定程度上了解雙饋異步發(fā)電機系統(tǒng)主導振蕩模態(tài)特性，有助于揭示擾動沖擊下雙饋異步發(fā)電機的動力學行為本征特性。

附錄

在圖1所示雙饋異步發(fā)電機-無窮大系統(tǒng)中，風電機組額定功率B=1.5 MW，B=690 V，機組及控制系統(tǒng)參數如表3所示。

表3 雙饋異步發(fā)電機及其控制器參數

風電機組穩(wěn)態(tài)運行初值(標幺值)如表4所示。

表4 雙饋變速風力風電機-無窮大系統(tǒng)參數

[1] SLOOTWEG J G, KLING W L. The impact of large scale wind power generation on power system oscillations[J]. Electric Power Systems Research, 2003, 67(1): 9-20.

[2]王境彪, 希望·阿不都瓦依提, 晁勤, 等. 雙饋風電場接入交流或交直流混合系統(tǒng)低頻振蕩模態(tài)對比分析[J]. 電力系統(tǒng)保護與控制, 2015, 43(13): 23-29.

WANG Jingbiao, XIWANG Abuduwayiti, CHAO Qin, et al.Modal contrastive analysis of the low-frequency oscillation of AC and AC/DC hybrid system integrated by DFIG- based wind farms[J]. Power System Protection and Control, 2015, 43(13): 23-29.

[3] 邊曉燕, 耿艷, 李學武, 等. 風電并網系統(tǒng)小干擾概率穩(wěn)定性分析與改善[J]. 電力系統(tǒng)保護與控制, 2015, 43(20): 1-7.

BIAN Xiaoyan, GENG Yan, LI Xuewu, et al. Probabilistic small-signal stability analysis and improvement of power system with wind farm integration[J]. Power System Protection and Control, 2015, 43(20): 1-7.

[4] GAUTAM D, VITTAL V, HARBOUR T. Impact of increased penetration of DFIG-based wind turbine generators on transient and small signal stability of power systems[J]. IEEE Transactions on Power Systems, 2009, 24(3): 1426-1434.

[5] WU F, ZHANG X P, GODFREY K. Small signal stability analysis and optimal control of a wind turbine with doubly fed induction generator[J]. IET Generation, Transmission & Distribution, 2007, 1(5): 751-760.

[6] ZHU S, VITTAL V, KLIEMANN W. Analyzing dynamic performance of power systems over parameter space using normal forms of vector fields — part 2: comparison of the system structure[J]. IEEE Transactions on Power Systems, 2001, 16(3): 451-455.

[7] 王志文, 沈沉, 劉鋒. 不同鎖相機制的雙饋電機對電力系統(tǒng)小干擾穩(wěn)定的影響分析[J]. 中國電機工程學報, 2014, 34(34): 6167-6176.

WANG Zhiwen, SHEN Chen, LIU Feng. Analysis on impact of doubly fed induction generations with different phase lock mechanism on power system small signal stability[J]. Proceedings of the CSEE, 2014, 34(34): 6167-6176.

[8] EKANAYAKE J B, HOLDSWORTH L, WU X G, et al. Dynamic modeling of doubly fed induction generator wind turbines[J]. IEEE Transactions on Power Systems, 2003, 18(2): 803-809.

[9] 齊尚敏, 李鳳婷, 何世恩, 等. 具有低電壓穿越能力的集群接入風電場故障特性仿真研究[J]. 電力系統(tǒng)保護與控制, 2015, 43(14): 55-62.

QI Shangmin, LI Fengting, HE Shien, et al. Research on fault characteristics of grid-connected large scale wind farms with LVRT capability[J]. Power System Protection and Control, 2015, 43(14): 55-62.

[10]劉其輝, 韓賢歲. 雙饋風電機組的通用型機電暫態(tài)模型及其電磁暫態(tài)模型的對比分析[J]. 電力系統(tǒng)保護與控制, 2014, 42(23): 89-94.

LIU Qihui, HAN Xiansui. Comparative study on electromechanical and electromagnetic transient model for grid-connected DFIG[J]. Power System Protection and Control, 2014, 42(23): 89-94.

[11] HAO Z H, YAO Z Q, et al. The contribution of double-fed wind farms to transient voltage and damping of power grids[J]. Technical Gazette, 2015, 22(1): 43-49.

[12]田春箏, 李瓊林, 宋曉凱. 風電場建模及其對接入電網穩(wěn)定性的影響分析[J]. 電力系統(tǒng)保護與控制, 2009, 37(19): 46-51.

TIAN Chunzheng, LI Qionglin, SONG Xiaokai. Modeling and analysis of the stability for the power system considering the integration of the wind farms[J]. Power System Protection and Control, 2009, 37(19): 46-51.

[13]MEI F, PAL B. Modal Analysis of grid-connected doubly fed induction generators[J]. IEEE Transactions on Energy Conversion, 2007, 22(3): 728-736.

[14]MISHRA Y, MISHRA S, LI F X, et al. Small-signal stability analysis of a DFIG-based wind power system under different modes of operation[J]. IEEE Transactions on Energy Conversion, 2009, 24(4): 972-982.

[15]李軍軍, 吳政球. 考慮感應電機機械暫態(tài)過程的風電系統(tǒng)的小擾動分析[J]. 電力系統(tǒng)保護與控制, 2011, 39(7): 14-19.

LI Junjun, WU Zhengqiu. Small signal analysis of wind power system considering induction motor mechanical transient process[J]. Power System Protection and Control, 2011, 39(7): 14-19.

[16]ROUCO L, ZAMORA J L. Dynamic patterns and model order reduction in small-signal models of doubly fed induction generators for wind power applications[C] // IEEE Power Engineering Society General Meeting, 2006.

[17]PAL B C, MEI F. Modelling adequacy of the doubly fed induction generator for small-signal stability studies in power systems[J]. IET Proceedings on Renewable Power Generation, 2008, 2(3): 181-190.

[18]舒進, 都勁松, 王靖程, 等. 基于奇異攝動降階的風電接入系統(tǒng)阻尼分析[J]. 電力系統(tǒng)保護與控制, 2014, 42(19): 18-25.

SHU Jin, DU Jinsong, WANG Jingcheng, et al. System damping analysis after wind power integration using singular perturbation system reduction[J]. Power System Protection and Control, 2014, 42(19): 18-25.

[19]林今, 李國杰, 孫元章, 等. 雙饋風電機組的小信號分析及其控制系統(tǒng)的參數優(yōu)化[J]. 電力系統(tǒng)自動化, 2009, 33(5): 86-90.

LIN Jin, LI Guojie, SUN Yuanzhang, et al. Small-signal analysis and control system parameter optimization for DFIG wind turbines[J]. Automation of Electric Power Systems, 2009, 33(5): 86-90.

[20]熊飛, 王雪帆, 張經緯, 等. 無刷雙饋電機的小信號模型穩(wěn)定性分析[J]. 中國電機工程學報, 2009, 29(33): 117-123.

XIONG Fei, WANG Xuefan, ZHANG Jingwei, et al. Stability analysis of small signal model for brushless doubly-fed machine[J]. Proceedings of the CSEE, 2009, 29(33): 117-123.

[21]萬百五, 吳受章. 大系統(tǒng)的模型簡化[J]. 自動化學報, 1980, 6(1): 57-66.

WAN Baiwu, WU Shouzhang. Model reduction of large scale system[J]. Journal of Automation, 1980, 6(1): 57-66.

[22]席裕庚. 動態(tài)大系統(tǒng)方法導論[M]. 北京: 國防工業(yè)出版社, 1988.

(編輯 姜新麗)

A decomposed-reduced model based modes estimation method of DFIG

WANG Qing1, XUE Ancheng1, BI Tianshu1, HUO Jiandong2

(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Source, North China Electric Power University, Beijing 102206, China; 2. State Grid Tianjin Electric Power Corporation, Tianjin 300399, China)

Understanding the intrinsic characteristics of DFIG is of great importance to reveal the influencing mechanism of DFIGs on power system stability. The conventional analysis of intrinsic characteristics is based on the modal analysis for the detail model of DFIG and characterized by high-order equation and heavy computation. Besides, the results of the analysis lack effective validation. A method of reduced-order model based modes estimation is proposed according to the characteristics of state variables and their coupling property. The multi-time scale and coupling properties of the state variables of DFIG system is analyzed. And then, the reduced-order model based modes estimation of mechanical and rotor electrical oscillatory modes is proposed, and the essence of the method is analyzed using singular perturbation theory. In the end, the correctness of the reduced-order model based modes estimation is verified by comparing the mode results from decomposed-reduced model and detail model. This work is supported by National Basic Research Program of China (973 Program) (No. 2012CB215206) and National Natural Science Foundation of China (No. 51477050 and No. 51190103).

DFIG; intrinsic characteristics; modes classification; reduced-order model based modes estimation; singular perturbation theory

10.7667/PSPC150995

國家重點基礎研究發(fā)展計劃項目(973計劃) (2012CB215206)；國家自然科學基金(51477050, 51190103)

2015-06-14；

2015-11-05

王 清(1989-)，男，博士研究生，主要研究方向為電力系統(tǒng)繼電保護與控制等；E-mail:?carowangqing@sina.com薛安成(1979-)，男，博士，副教授，主要研究方向為電力系統(tǒng)分析與保護等；E-mail:?acxue@ncepu.edu.cn 畢天姝(1973-)，女，教授，主要研究方向為電力系統(tǒng)保護與控制、故障診斷等。E-mail:?tsbi@ncepu.edu.cn