改进AR递推算法在低频振荡模式辨识中的应用

提出采用一种基于自回归模型并加入可变遗忘因子的加权递推最小二乘算法对电力系统类噪声信号进行低频振荡模式辨识,并采用估计AR谱的方法以提取低频振荡的主导模式。New-England 39节点系统的时域仿真测试验证了该算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性,其辨识精度及计算速度满足工程要求,适合于低频振荡在线监测。     

基于解相关LMS自适应滤波算法的低频振荡模式在线辨识

为提高电力系统低频振荡现象的实时监测水平,提出一种基于横向滤波器模型的解相关最小均方误差递推算法进行低频振荡模式辨识。该改进算法在原有最小均方自适应滤波算法的基础上,解除输入信号之间的相关性,提高了算法辨识的精度和收敛速度。通过对New-England 10机39节点系统的仿真数据分析以及南方某电网实测线路的辨识计算,其结果验证了该改进算法对低频振荡模式辨识的有效性。并通过与基本的LMS（最小均方）算法以及传统ARMA（自回归-滑动平均）算法辨识效果的比较,验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度,更具有实际的工程意义。     

永磁同步电机在线参数辨识方法研究

针对在永磁同步电机参数辨识过程中,由于"数据饱和"和噪声影响,导致传统的递推最小二乘法存在参数估计误差大和收敛慢的问题。利用改进的递推最小二乘法提高参数辨识的精度和收敛速度,以满足伺服系统在不同工况下动态性能。首先,结合永磁同步电机数学模型,设计了一种折息递推最小二乘辨识算法,通过在传统的最小二乘法中引入"折息因子"增强了算法的灵活性。然后,通过对存在白噪声干扰的永磁同步电机模型进行辨识算法的动态仿真。最后,利用搭建的实验测试平台进行算法的实验验证。仿真和实验结果表明提出的折息递推最小二乘算法,在参数辨识过程中降低了旧数据对辨识结果的影响,增强了算法对噪声干扰的鲁棒性,提高参数辨识结果的准确性和实时性。     

基于ARMA模态辨识的低频振荡性质区分

针对目前尚未完全解决负阻尼低频振荡和强迫功率振荡性质定量区分的现状,通过低频振荡机理分析得出2种振荡在振荡频率和阻尼比方面的区别,提出定量区分低频振荡性质的判据.采用基于加权递推最小二乘算法的ARMA模态辨识对振荡数据进行动态加窗辨识,根据辨识所得振荡模态的频率和阻尼比的变化判别低频振荡类型.算例分析表明该方法是可行和有效的.     

基于改进EEMD滤波原理及TLS-ESPRIT算法的低频振荡模式识别

针对不稳定信号PRONY辨识的噪声敏感和辨识精度低的局陷,提出一种改进的低频振荡模式辨识方法,实现了在复杂噪声于扰情况下的低频振荡模式的准确辨识.该方法基于EEMD算法设计改进了EEMD滤波器,可以有效滤除噪声,保留更多的信号模态特征.对滤波后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行参数辨识,从而获取低频振荡各个模式信息.通过算例仿真验证了该方法的有效性.     

电力系统阻尼控制中的在线递推闭环子空间辨识

提出了电力系统阻尼控制中状态空间模型的在线递推闭环子空间辨识算法。在闭环条件下,基于广域测量信息,在线地辨识了包含主导低频振荡模式的系统降阶状态空间模型,并依此在线设计和更新线性二次最优部分输出辅助区间阻尼控制器以抑制区间低频振荡模式。算法具有良好的数值稳定性和较低的时间复杂度,能够实现系统模型的递推更新和辅助阻尼控制器参数的在线调整。8机36节点系统的仿真验证了算法的有效性。     

低频振荡模式在线辨识的最小平均M估计自适应滤波算法

研究了常规最小均方二乘自适应滤波算法应用于低频振荡的基本原理,以及最小平均M估计(least meanM-estimate,LMM)算法的基本原理。首次将LMM算法应用于低频振荡模式的在线辨识,采用新英格兰-39节点系统时域仿真数据和某电网的同步相量装置(phasormeasurement unit,PMU)实测数据对所提方法进行了测试,验证了LMM算法在低频振荡模式在线辨识的鲁棒性和有效性,对稳态类噪声数据和动态数据均可辨识,并能消除异常数据对辨识结果的影响。     

基于递推随机子空间的电力系统低频振荡辨识

为实时提取低频振荡模式信息,采用基于随机子空间的低频振荡递推辨识方法。引入基于双边迭代的子空间递推方法实现随机子空间递推辨识,以提高辨识快速性和灵活性。利用递推误差并结合低频振荡数据的特点,提出一种能够保证快速平稳递推的遗忘因子和加权因子选择策略。对理想数据、仿真数据和WAMS数据分别采用所提方法进行分析,验证了该方法的可行性。     

基于已知激励响应的低频振荡信息在线辨识

当前电力系统常采用日常小扰动响应在线辨识获取低频振荡模式信息,这对大电网低频振荡的分析和抑制具有重要价值。针对低频振荡信息在线辨识,给出了两段最小二乘法,与常规递推自回归滑动平均方法相比,其具有较高的迭代收敛速度与辨识准确度。在介绍小扰动下的已知激励响应信号和环境激励响应信号基本原理的基础上,对比得出2种信号在激励与响应、信号成分和数据量大小方面存在的区别,提出低频振荡在线模式信息辨识方案,进一步在10机39节点系统中通过仿真获取已知激励响应信号和环境激励响应信号,对2种信号的功率谱与辨识结果进行对比分析。分析结果表明在确定激励位置、观测点选择和响应模式间对应关系时已知激励响应信号的辨识效果更好,在该情况下可以将已知激励响应辨识作为低频振荡信息在线辨识的主要手段。     

一种抑制超低频振荡的水电机组调速器参数协调优化方法研究

基于最小二乘法实现了在线拟合发电机机械转矩阻尼系数,可准确评估机组对超低频振荡的贡献度。同时提出一种抑制超低频振荡方法,该方法首先对系统状态子空间进行辨识,并结合改进粒子群算法协调优化机组调速器PI参数,实现了对超低频振荡的抑制。最后,利用PSASP软件在改进的EPRI 36节点模型进行了仿真验证,结果表明所提方法能有效抑制超低频振荡。     

基于Prony算法的低频振荡在线辨识与分析

提出了基于Prony算法的低频振荡在线辨识与分析算法,不仅给出主导振荡模式特征量（振幅、频率、阻尼比、相位）,而且提供与主导振荡模式强相关的发电机组,通过仿真和实际电网应用验证了算法的有效性。该算法已成功应用于云南电网低频振荡安全预警及辅助决策系统。     

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...     

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法（LS）用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘（AFFRLS）改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘（VFFRLS）进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。     

磁悬浮电励磁三相直线同步电机离线参数辨识

建立磁悬浮电励磁三相直线同步电机(MSEE-TPLSM)的连续时间参数型状态空间方程数学模型,利用前向一阶差分方法将连续时间数学模型离散化成离散时间参数型状态空间方程数学模型,再利用z变换写成递推最小二乘算法标准形式的数学模型。利用递推最小二乘算法在初级转子静止状态下辨识出MSEE-TPLSM的电阻及自感参数。利用计算机数值仿真软件仿真MSEE-TPLSM参数的离线辨识算法,得到MSEE-TPLSM的初级与次级电阻与电感时域辨识曲线,仿真曲线收敛速度较快且辨识精度较高。仿真结果验证了该参数离线辨识算法的有效性。     

基于正交投影与多新息RLS的PMSM参数辨识

针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。     

基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略

针对永磁电机系统反馈信号测量噪声无法确保为白噪声的问题,基于传统递推最小二乘法只在面向的数学模型是ARX模型时才能保证其无偏性,提出基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略。通过电机电气方程辨识定子电阻、电感、转子磁链,通过机械方程辨识转动惯量、粘性摩擦系数、负载转矩,解决了传统递推最小二乘辨识方法适用数学模型具有局限性的问题。最后通过MATLAB Simulink验证了所提算法在参数突变时辨识性能良好。     

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.     

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。     

建立冷水机组能耗模型几种方法的比较与分析

通过对中央空调系统中冷水机组的运行分析,采用最小二乘法、递推最小二乘法、广义最小二乘法及广义递推最小二乘法建立冷水机组的能耗模型。以西安建筑科技大学智能建筑研究所的变风量中央空调系统的运行数据为样本,比较并分析了不同辨识方法对辨识精度的影响,确定了适用于冷水机组历史运行数据辨识的方法。结果表明,采用广义最小二乘法辨识冷水机组模型参数,提高了冷水机组能耗模型的辨识精度,为系统进一步优化提供了可靠依据。     

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.