Frequency Response of Windowed DFT Phasor Estimation: Impact on Oscillation Observability

Dieser Beitrag analysiert den Einfluss der Fensterung bei der DFT-basierten Phasor-Schätzung auf die Beobachtbarkeit von Oszillationen, leitet die vollständige komplexe Frequenzantwort ab und stellt eine Methode zur Korrektur von Amplituden- und Phasenverzerrungen in PMU-Daten vor.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Arzt, der das Herz eines riesigen Kraftwerks überwacht. Die Phasor-Messgeräte (PMUs) sind dabei wie hochpräzise Stethoskope, die den elektrischen „Herzschlag" des Stromnetzes abhören. Ihr Job ist es, kleine Unregelmäßigkeiten – sogenannte Oszillationen (Schwingungen) – zu erkennen, bevor sie zu einem Blackout führen.

Das Problem, das diese Forscher (Yang, Wu et al.) untersucht haben, ist wie folgt: Diese Stethoskope sind nicht perfekt. Sie nutzen eine bestimmte Methode, um die Daten zu verarbeiten, die man wie einen Fotofilter vorstellen kann.

Hier ist die einfache Erklärung der Studie, unterteilt in drei Teile:

1. Das Problem: Der „Fotofilter" verzerrt das Bild

Stellen Sie sich vor, Sie nehmen ein Foto von einem schnell wackelnden Objekt auf. Wenn Sie das Foto mit einer langen Belichtungszeit machen (ein langer „Fenster"-Filter), wird das Wackeln unscharf oder verschwindet ganz. Wenn Sie mit einer kurzen Belichtungszeit fotografieren, sehen Sie das Wackeln scharf.

In der Stromnetz-Technik heißt dieser Filter „Windowed DFT".

• Der Fehler: Je nachdem, wie lang dieser „Fenster"-Filter eingestellt ist (kurz für schnelle Messungen, lang für sehr genaue), verändert er das Signal.
• Die Folge:
  1. Lautstärke wird gedämpft: Eine echte Schwingung, die stark ist, erscheint auf dem Messgerät viel schwächer, als sie wirklich ist.
  2. Zeitverschiebung: Die Schwingung erscheint auf dem Bildschirm etwas später oder früher, als sie tatsächlich passiert ist.
  3. Das „Todesloch": Bei bestimmten Frequenzen (wie bei einem Rastermuster) löscht der Filter die Schwingung komplett aus. Das Gerät zeigt dann „Ruhe", obwohl das Netz eigentlich wild wackelt. Das ist gefährlich, weil die Operateure denken, alles sei in Ordnung.

2. Die Entdeckung: Wir kennen die „Geometrie" des Filters

Die Forscher haben nun die komplette „Landkarte" dieses Filters erstellt. Sie haben mathematisch berechnet, genau wie stark der Filter jede einzelne Frequenz dämpft und wie sehr er die Zeit verschiebt.

Stellen Sie sich vor, der Filter ist wie ein Trichter mit einem bestimmten Muster.

• Wenn Sie einen Eimer Wasser (die Schwingung) durch diesen Trichter gießen, wissen die Forscher nun genau: „Bei Frequenz X fließt nur noch die Hälfte durch, und bei Frequenz Y fließt gar nichts durch."
• Bisher dachten viele, das Messgerät zeige die Wahrheit. Jetzt wissen wir: Das Messgerät zeigt eine verzerrte Version der Wahrheit.

3. Die Lösung: Die „Rückrechen-Maschine"

Das Beste an dieser Studie ist, dass sie nicht nur das Problem gefunden, sondern auch eine Lösung hat. Da die Forscher die genaue Form des Trichters (die mathematische Formel) kennen, können sie das Bild zurückrechnen.

• Die Methode: Wenn das Messgerät eine schwache Schwingung anzeigt, nehmen die Operateure die bekannte „Filter-Formel" und sagen: „Aha, dieser Filter macht bei dieser Frequenz die Hälfte aus. Also muss die echte Schwingung doppelt so stark gewesen sein."
• Das Ergebnis: Man kann die echten Werte (wie stark die Schwingung wirklich ist und wann sie genau passiert ist) aus den verzerrten Daten wiederherstellen.

Was bedeutet das für die Praxis? (Die „Take-Away"-Botschaft)

1. Nicht blind vertrauen: Wenn ein Messgerät keine Schwingung anzeigt, heißt das nicht, dass das Netz ruhig ist. Es könnte einfach sein, dass die Schwingung genau in einem „Todesloch" des Filters lag.
2. Kürzere Fenster sind besser: Für das Erkennen von schnellen, gefährlichen Schwingungen (sub-synchrone Oszillationen) sollten die Messgeräte eher auf kurze „Fenster" (wie ein Blitzlicht) eingestellt werden, damit sie die schnellen Bewegungen nicht verwischen.
3. Korrektur ist möglich: Mit den neuen Formeln können Ingenieure die alten und neuen Daten korrigieren und so die wahre Gefahr des Stromnetzes besser einschätzen.

Zusammenfassend: Die Forscher haben gezeigt, dass unsere „Brille" für das Stromnetz verzerrt ist. Aber sie haben uns auch die Anleitung gegeben, wie wir diese Brille absetzen oder wie wir das Bild durch eine Brille hindurch richtig interpretieren können, um sicherzustellen, dass wir keine Gefahr übersehen.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Titel: Frequenzgang der phasorbezogenen Schätzung mittels Fenster-DFT: Auswirkungen auf die Beobachtbarkeit von Oszillationen

1. Problemstellung

Phasormessgeräte (PMUs) sind ein Standardwerkzeug zur Überwachung von Sub-Synchron-Oszillationen in Stromnetzen, insbesondere durch den zunehmenden Einsatz invertiererbasierter Ressourcen (IBRs). Ein kritisches, aber oft übersehenes Problem besteht darin, dass die meisten PMU-Ausgaben durch eine fensterbasierte diskrete Fourier-Transformation (DFT) verarbeitet werden, um die Phasoren zu schätzen.

Die Wahl der Fensterlänge (kurz für P-Klasse, lang für M-Klasse gemäß IEEE C37.118.1) führt zu unterschiedlichen Frequenzgängen. Die Autoren zeigen, dass dieser Prozess die Oszillationskomponenten verzerrt, indem er:

• Eine frequenzabhängige Dämpfung der Amplitude verursacht.
• Eine phasenverschiebung einführt.

Wenn diese Effekte ignoriert werden, können Oszillationen vollständig übersehen werden (wenn sie in einem "Nullpunkt" des Frequenzgangs liegen) oder ihre Schwere wird stark unterschätzt. Bisherige Arbeiten behandelten oft nur die Amplitudendämpfung oder betrachteten nicht die komplexe Frequenzantwort unter sowohl Amplituden- als auch Phasenmodulation.

2. Methodik

Die Autoren leiten eine vollständige analytische Herleitung des komplexwertigen Frequenzgangs des fensterbasierten DFT-Phasorschätzers her.

• Signalmodelle: Es werden zwei gängige Oszillationsmodelle betrachtet:
  1. Amplitudenmodulation: Der Spannungspegel wird sinusförmig moduliert.
  2. Phasenmodulation: Der Phasenwinkel wird sinusförmig moduliert.
• Demodulation und Zerlegung: Das Eingangssignal wird in ein synchron rotierendes Koordinatensystem verschoben (Demodulation). Die Autoren zerlegen das resultierende Signal in eine Gleichkomponente und mehrere exponentielle Terme mit unterschiedlichen Frequenzen (DC, $\pm \Omega_m$, und Terme bei $-2\omega_0 \pm \Omega_m$).
• Analyse des Frequenzgangs: Durch Einsetzen eines allgemeinen Testsignals in die DFT-Gleichung wird die komplexe Verstärkung $H_1(e^{j\lambda})$ des Fensters hergeleitet. Diese Funktion beschreibt, wie das Fenster auf jede Frequenzkomponente wirkt.
• Vereinfachung: Terme, die durch die Demodulation entstehen und bei hohen Frequenzen liegen (Bildfrequenzen), werden als vernachlässigbar klein betrachtet oder können durch Tiefpassfilterung unterdrückt werden.
• Wiederherstellung (Recovery): Basierend auf dem analytisch bekannten komplexen Gewinn wird ein Verfahren vorgeschlagen, um die wahren Oszillationsparameter (Amplitude und Phase) aus den verzerrten PMU-Daten zurückzugewinnen.

3. Wichtige Beiträge

• Vollständige komplexe Frequenzantwort: Das Paper liefert erstmals eine geschlossene analytische Formel für den Frequenzgang unter Berücksichtigung sowohl von Amplituden- als auch von Phasenmodulation.
• Quantifizierung der Verzerrung: Es wird gezeigt, dass das Fenster nicht nur die Amplitude dämpft (Faktor $G = |H_1|$), sondern auch eine frequenzabhängige Phasenverschiebung ($\theta = \angle H_1$) einführt.
• Identifikation von "Kamm-Nullstellen": Die Analyse offenbart, dass bei bestimmten Oszillationsfrequenzen und Fensterlängen die Verstärkung null wird. An diesen Frequenzen werden Oszillationen im PMU-Datenstrom vollständig ausgelöscht.
• Recovery-Methode: Ein praktischer Algorithmus wird vorgestellt, um die wahren Oszillationsparameter zu rekonstruieren, sofern die Frequenz nicht exakt auf einer Nullstelle liegt ($A_{rec} = A_{meas}/G$ und $\phi_{rec} = \phi_{meas} - \theta$).

4. Ergebnisse

Die theoretischen Modelle wurden durch Zeitbereichssimulationen mit einer Abtastrate von 960 Hz und verschiedenen Fensterlängen ($h = 1, 2, 4, 8$ Zyklen) validiert.

• Niedrige Frequenzen: Bei sehr niedrigen Oszillationsfrequenzen (z. B. 0,1 Hz) haben die verschiedenen Fensterlängen kaum Einfluss; die Dämpfung ist vernachlässigbar.
• Hohe Frequenzen und Nullstellen: Bei höheren Frequenzen (z. B. 15 Hz) führt eine Fensterlänge von $h=4$ oder $h=8$ zu einer vollständigen Unterdrückung des Signals, da die Frequenz auf eine Nullstelle des Frequenzgangs fällt.
• Verzerrung bei 20 Hz: Bei 20 Hz ist eine progressive Dämpfung der Amplitude und eine signifikante Phasenverschiebung in Abhängigkeit von der Fensterlänge $h$ sichtbar.
• Validierung: Die gemessenen Werte stimmen hervorragend mit den theoretischen Vorhersagen überein. Kleine Abweichungen in der Phase bei niedrigeren Abtastraten (60 fps) wurden auf das Aliasing von Bildfrequenzen zurückgeführt, was bei höheren Raten (240 fps) oder durch Filterung eliminiert wird.

5. Bedeutung und Schlussfolgerung

Die Arbeit hat erhebliche praktische Implikationen für den Betrieb von Stromnetzen:

• Warnung vor Fehlinterpretation: Das Fehlen von Oszillationen in PMU-Daten garantiert nicht, dass das Netz stabil ist. Oszillationen könnten durch die Fensterlänge des PMUs maskiert worden sein.
• Unterschätzung der Schwere: Selbst wenn Oszillationen detektiert werden, kann ihre tatsächliche Amplitude aufgrund der Dämpfung unterschätzt werden.
• Empfehlungen für die Praxis:
  • Für die Überwachung von Sub-Synchron-Oszillationen sind kürzere DFT-Fenster vorzuziehen, da diese weniger stark dämpfen und weniger Nullstellen im relevanten Frequenzbereich aufweisen.
  • Es wird empfohlen, Anti-Aliasing-Filter vor der Downsampling-Phase zu verwenden, um störende Bildfrequenzen zu unterdrücken.
  • Die vorgeschlagene Wiederherstellungsmethode sollte angewendet werden, um aus PMU-Daten die tatsächliche Oszillationsstärke zu ermitteln.

Zusammenfassend liefert das Paper ein essenzielles theoretisches Fundament, um die Limitierungen von PMU-Messungen bei der Oszillationsdetektion zu verstehen und korrigierende Maßnahmen zu ergreifen.