基于数据驱动随机子空间方法在低频振荡辨识中的应用

根据WAMS实测数据,对电力系统低频振荡模式进行辨识,对基于数据驱动随机子空间（SSI）辨识方法进行了研究。首先通过小波技术消去信号中的噪声分量,然后消去直流分量。利用处理后的数据构造Hankel矩阵,通过QR分解、SVD分解,利用卡尔曼滤波估计得到系统的随机状态模型,再对状态矩阵进行特征值分解,最终得到系统低频振荡模式参数。利用该方法分别对理想信号、仿真信号、电力系统实测数据进行分析。分析结果表明,基于数据驱动随机子空间方法能够准确辨识出系统主导振荡模式,可以应用于低频振荡模式的在线辨识。     

基于实测信号的电力系统低频振荡模态辨识

广域相量测量系统的应用为基于量测的电力系统稳定性分析提供了有力支持。基于动态量测信息准确地辨识电力系统低频振荡模态参数及振型,对提高电力系统低频振荡的实时监测与控制至关重要。结合经验模态分解与随机子空间辨识算法,基于发电机有功功率的动态量测信息,开展了电力系统低频振荡辨识与分析的研究。该方法能够在较短的时间从含噪信号内提取原系统真实准确的振荡信息,同时能够得到各振荡模式相应的振型,有效地克服Prony算法和自回归滑动平均算法受噪声、系统实际阶数的影响大,以及单一随机子空间辨识算法难以处理非线性、非平稳振荡信号的缺点。测试系统及仿真结果验证了该方法在电力系统低频振荡分析中的可行性。     

基于小波预处理技术的低频振荡Prony分析

提出了一种利用改进的小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用Prony算法提取低频振荡信号特征的分析方法。在分析Prony算法原理的基础上,分析了参数选择对算法的分析速度与精度有较大影响,提出了Prony算法主要参数的选择策略,即信号抽样频率应大于信号最高频率的2倍,以避免频谱混叠;信号时间长度应包含2个周期最低频率的振荡,以提高参数估计精度;模型初始阶数应远大于信号中实际包含的指数项个数,以使最优子集分量逼近观察到的数据。仿真和动模实验结果表明,基于小波预处理技术的Prony算法具有分辨率高、拟合效果好的优点,能满足电力系统低频振荡特征分析的需要。     

工况模态分析在低频振荡辨识中的应用初探

工况模态分析是结构动力学工程模态辨识的前沿课题,初步探讨了这一概念应用于电力系统低频振荡特性在线辨识的可能性。论述了电力系统低频振荡和一般振动力学数学模型的相似性,利用随机子空间算法辨识低频振荡的频率、阻尼和振型。 随机子空间算法无须人工激励电力系统,利用日常负荷的随机波动激励系统,通过相量测量单元（PMU）采集发电机功角摇摆轨迹数据,识别电力系统振荡特征参数。在Matlab仿真平台上,通过对一个3机电力系统的实例分析, 证明所提方法对振荡频率、阻尼比和振型识别的有效性。     

工况模态分析在低频振荡辨识中的应用初探

工况模态分析是结构动力学工程模态辨识的前沿课题,初步探讨了这一概念应用于电力系统低频振荡特性在线辨识的可能性.论述了电力系统低频振荡和一般振动力学数学模型的相似性,利用随机子空间算法辨识低频振荡的频率、阻尼和振型.随机子空间算法无须人工激励电力系统,利用日常负荷的随机波动激励系统,通过相量测量单元(PMU)采集发电机功角摇摆轨迹数据,识别电力系统振荡特征参数.在Matlab仿真平台上,通过对一个3机电力系统的实例分析,证明所提方法对振荡频率、阻尼比和振型识别的有效性.     

基于FSSI的环境激励下机电振荡特征参数快速识别方法研究

环境激励作用下的电力系统随机响应蕴含丰富的系统动态信息。随着广域测量系统的广泛应用,基于随机响应信号的低频振荡分析具有良好的应用前景。在对电力系统随机响应数据特征分析的基础上,提出了基于快速随机子空间辨识算法(Fast Stochastic Subspace Identification,FSSI)的电力系统机电振荡参数识别方法。FSSI算法利用LQ分解取代了传统随机子空间算法中的奇异值(SVD)分解过程,在保证SSI算法在振荡频率、阻尼比及模态振型识别精度的同时,极大地提高了分析计算的速率。IEEE 4机2区域系统和16机68节点系统仿真计算结果表明文中提出的方法具有较高的识别精度和计算速率。     

随机子空间法在低频振荡分析中的应用

电网规模的日益扩大使得低频振荡成为电力系统稳定运行中备受关注的问题之一,文中将随机子空间法应用于电力系统低频振荡模式辨识.以状态空间模型为基础,通过随机子空间辨识得到系统的状态矩阵,由其特征值可求得信号的频率和阻尼比,再由最小二乘法可得到各分量的幅值和相角.通过一合成信号验证了算法的正确性,再利用四机两区系统的仿真数据...     

TLS-ESPRIT算法在低频振荡分析中的应用

提出了一种新的电力系统低频振荡模式辨识方法,即基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法.该算法是一种基于子空间的高分辨率信号分析方法,直接以测量数据构成的数据矩阵为基础,把信号空间分解为信号子空间和噪声子空间,能够高精度地辨识电力系统低频振荡的模式,进而可以为设计阻尼控制器提供依据.文中首先简要介绍了TLS-ESPRIT算法的基本理论,然后通过合成信号、4机2区域系统和新英格兰10机39节点系统3个算例,验证了该算法的正确性和有效性,对实现低频振荡在线/离线监测具有应用价值.     

数学形态学和ESPRIT在低频振荡分析中的应用

为了准确地辨识电力系统低频振荡模态参数,该文提出了基于数学形态学MM(mathematical morphology)和总体最小二乘法的旋转不变技术TLS-ESPRIT (total least squares-estimation of signal parameters via rotational invariance technique)的电力系统低频振荡模态参数识别新方法.首先运用基于数学形态学原理而构成形态滤波器对含有噪声的电力系统低频振荡测量信号进行滤波和平稳化处理,去除噪声,提高辨识精度;然后由TLS-ESPRIT算法辨识出电力系统低频振荡模态参数,该算法把信号分成信号子空间和噪声子空间,能够得到更符合电力系统实际的降阶模型和主导模态,有助于电力系统振荡特性分析和阻尼控制器的设计研究.数值仿真分析表明该方法的可行性和有效性.     

基于改进去噪性能的Prony算法电网低频振荡模态辨识研究

针对电网低频振荡Prony辨识算法对噪声较为敏感、对输入信号要求较高的问题,提出了一种基于小波去噪与扩展Prony算法相结合的高精度低频振荡模态辨识方法。在小波去噪的基础上通过对阈值进行改进,使得小波去噪的阈值随着小波的分解而发生变化,从而对低频振荡信号达到较好的滤波效果,并在此基础上研究扩展Prony算法,对构建的仿真信号运用IEEE4机2区域系统产生低频振荡信号以及实际PMU监测的低频振荡信号进行算法验证。仿真和实验表明提出的方法能够比较准确和快速的辨识电力系统低频振荡信号,且具有较高的精度和较好的鲁棒性,为电力系统低频振荡模态辨识提供了一种行之有效的方法。     

低频振动模态参数辨识方法与预警指标研究

为实现环境激励下多通道随机响应的低频振荡模态辨识及预警,将航空航天领域用于分析航天器结构振动特性的特征系统实现算法(ERA)与随机减量技术(RDT)相结合。利用RDT从随机响应系统中提取自由振荡信号,进而采用ERA算法对得到的信号进行辨识,可获取低频振荡频率,阻尼比等参数,并将其应用于预警系统。通过仿真实验与ESPRIT和Prony方法的对比分析,表明该方法对于多通道信号能一次性进行低频振荡模式识别,并具有更高的计算速度、辨识精度和抗噪能力。该方法给多通道低频振荡模态参数辨识提供了一种更加快速准确有效的手段,能够满足电力系统低频振荡在线辨识与预警的要求,具备很好的应用前景。     

Prony算法的若干改进及其在低频振荡监测中的应用

在广域测量系统（WAMS）下,从多角度改进Prony算法对电力系统低频振荡的监测。提出对采集信号进行分类,利用同类、非同类等多信号分析法对低频振荡进行分析;通过数据预处理和算法样本矩阵阶数控制减少噪声对算法精度的影响;提出模式能量测度分析结果中的主导振荡模式。在EPRI-36系统下进行仿真,结果表明所提方法的有效性。     

基于改进多信号Prony算法的低频振荡在线辨识

提出了适合低频振荡在线辨识的改进多信号Prony算法。首先通过小波变换消除各信号的噪声，然后消去直流分量，建立多信号的样本函数矩阵，通过奇异值–总体最小二乘法对Prony算法进行改进，分离信号空间和噪声子空间，确定信号的阶数，最后利用最小二乘法进行辨识。利用传统Prony算法、改进单信号Prony算法和改进多信号Prony算法对理想信号、仿真信号以及实际录波信号进行了分析，分析结果表明利用改进多信号Prony算法同时对多信号进行分析能够提高辨识的精度，缩短运算时间，辨识阶数及辨识结果均优于传统算法，适合于低频振荡的在线辨识。     

Prony算法的若干改进及其在低频振荡监测中的应用

在广域测量系统(WAMS)下,从多角度改进Prony算法对电力系统低频振荡的监测.提出对采集信号进行分类,利用同类、非同类等多信号分析法对低频振荡进行分析;通过数据预处理和算法样本矩阵阶数控制减少噪声对算法精度的影响;提出模式能量测度分析结果中的主导振荡模式.在EPRI-36系统下进行仿真,结果表明所提方法的有效性.     

基于改进多信号矩阵束算法的电力系统低频振荡识别

提出了适用于电力系统低频振荡模态识别的改进多信号矩阵束算法。利用奇异值分解（Singular value decomposition,SVD）分离信号和噪声子空间,确定阶数并消除信号噪声。通过建立多信号归一化的样本函数矩阵对矩阵束算法进行改进,辨识电力系统模态。利用原始Prony法、谐波恢复的Prony法和改进的多信号矩阵束法,对理想信号和仿真系统进行分析。结果表明多信号矩阵束法的辨识精度较高,具有一定的抗噪能力,并且通过对多信号归一化的处理避免了不同类型信号叠加时较小信号的湮没,适用于低频振荡在线识别。     

基于改进小波变换方法的电力系统低频振荡参数辨识

基于多点量测数据的低频振荡模态参数辨识方法具有辨识精度高,覆盖模态信息全的特点,但是该方法存在数据量增大,计算时间冗长的问题。针对上述问题,将基于数据缩减技术的改进小波变换参数识别方法应用于电力系统低频振荡参数辨识中。该方法通过对发电机出口有功功率信号的正功率谱密度矩阵进行奇异值分解,有效识别系统的模态阶数。利用奇异值分解将待辨识信号的协方差信号进行数据缩减,充分保留信号的信息量,从而在保证计算合理及精度的前提有效地减少待辨识的数据量,进而利用连续Morlet小波变换识别电力系统低频振荡参数。通过对4机2区域系统和EPRI-36节点系统进行算例对分分析,结果表明改进的小波变换方法能够有在准确提取电力系统低频振荡模态参数的前提下,有效减少计算所用数据量,提高计算效率。     

基于Prony算法的电力系统低频振荡分析

介绍了电力系统中常见的低频振荡现象,指出了各种常用的信号分析方法在分析低频振荡时存在的不足。然后探讨了Prony算法在实际应用中所需要解决的问题,进而提出各种改进措施来提高算法的精度。最后利用特征分析法找出了仿真系统发生低频振荡的某些原因,并采取有效的控制措施抑制低频振荡,保持系统稳定运行。     

基于HHT的电力系统低频振荡分析

论文将一种新的非线性、非平稳信号的处理方法- HHT(Hilbert-Huang transform)方法,应用于电力系统低频振荡分析之中。该方法克服了傅里叶算法和Prony算法难以处理非平稳信号的缺点,并克服了小波算法中小波基难选取的问题。HHT方法可以从非平稳的低频振荡信号中准确地提取动态振荡特性以及丰富的系统故障暂态信息,从而进一步揭示各振荡模式之间的非线性作用。同时该方法具有分辨率高并能有效地处理样本数少的短数据的优点,因此该方法可以用于在线分析和控制器设计之中。仿真结果表明了该方法的有效性。     

基于FastICA和Prony算法的低频振荡参数辨识

传统Prony算法进行参数辨识存在对信号噪声非常敏感的缺点,同时对输入信号有较高的要求。因此,本文首先介绍独立分量分析(Independent Component Analysis,即ICA)和FsatICA基本原理,然后提出将FastICA算法和Prony算法相结合的低频振荡参数辨识方法。该方法首先以广域测量信号作为输入信号,然后利用FastICA方法对输入信号进行预处理而达到降噪,最后利用Prony算法对滤波后的信号进行分析得到电力系统低频振荡参数。通过对理想信号和四机两区算例分析,验证了此方法在FastICA去噪之后,能够提高Prony提取低频振荡参数辨识的准确性、快速性和抗噪能力。     

基于FastICA技术与TLS-ESPRIT方法的电力系统低频振荡模态辨识

对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。