同步发电机短路故障参数的扩充Prony算法辨识

针对同步发电机短路故障问题,在分析同步发电机短路电流信号特点的基础上,提出了基于扩充Prony算法的同步发电机三相短路电流分段分析方法,建立了同步发电机突然三相短路电路模型。通过仿真分析得到拟合误差曲线以及A、B两相短路电流的模态信息。仿真结果表明:算法能够有效的提取各相电流信号的幅值、频率、相位和阻尼参数等模态信息,信号拟合精确度在10-5以上,是一种有效的同步发电机短路电流分析算法。     

基于Prony算法的发电机励磁系统参数辨识

阐述了发电机励磁系统参数辨识的原理。基于Prony算法提出了一种工程上便于应用的发电机励磁系统参数辨识新方法。指出该方法的优点是根据励磁系统输入、输出响应信号直接在时域上实现参数的辨识。在Matlab/Simulink中的仿真结果表明,该算法能准确的辨识出励磁系统各个环节的参数,具有精度好、运算率高、程序通用性强等优点。     

基于粒子群游算法的同步发电机参数辨识

将一种新的进化算法－粒子群游应用于发电机参数辨识，根据粒子群游算法的特点，提出了一种同步发电机参数辨识的计算框架，算例表明，这种参数辨识算法无需提取电机数学模型，直接利用稳定计算程序，简单实用、具有可行性。     

Prony算法在电力系统参数辨识中的应用

电力系统安全稳定计算的关键之一是建立准确的系统数学模型以及获取符合实际的系统动态参数。系统辨识技术在电力系统中有着重要的应用价值。提出了一种基于Prony算法的参数辨识方法,首先验证了其在电力系统传递函数辨识方面的有效性,再将其进行拓展,对汽轮机调节系统参数辨识进行了研究。该方法能准确辨识出系统传递函数和模型参数,计算速度快,辨识精度高,具备在线应用的潜力。仿真结果表明,该算法在电力系统参数辨识方面是有效可行的。     

同步发电机参数辨识方法综述

综述了同步发电机参数辨识的方法，对比分析了这些方法的优缺点，为即将开展的同步发电机参数辨识工作奠定基础。     

系统辨识技术在同步发电机参数测定中的应用综述

结合国内外的研究动态,介绍并评述了系统辨识技术在同步发电机参数测定中的应用和研究情况,提出了在这方面有待解决的问题和应努力的方向。     

Prony扩展谐波分析法在发电机突然短路故障中的应用

本文利用Prony扩展谐波分析法对发电机三相突然短路后的故障电流进行分解,分解结果充分反映了发电机短路后的电流变化特征,说明Prony算法的有效性。在此基础上,利用各分解量,对发电机的参数进行辨识,辨识的结果与设计值吻合得很好,拓展了该方法的应用范围。     

基于Park模型的同步发电机参数辨识

指出实用参数的非独立性可能导致基于实用模型的参数辨识的困难,提出直接基于Park 模型辨识电路参数,必要时转换为实用参数。分析基于Park模型的同步发电机参数的可辨识性问题。对于q轴电路参数来说,其参数是唯一可辨识的。但对于d轴电路参数来说,仅利用扰动前稳态及动态过程的数据时,其参数是无穷不可辨识的;如果再利用扰动后稳态,则d轴电路参数均可唯一辨识。提出在励磁参考电压上施加阶跃扰动,先根据前后稳态条件辨识出同步发电机的部分电路参数,然后根据动态过程数据采用蚁群算法辨识其余参数。在实时数字仿真系统(real-time digital simu- lator,RTDS)上进行测试,结果表明,与采用实用模型辨识实用参数相比,该文所提方法能有效地改善参数辨识精度及其平稳性。     

Prony算法在汽轮机调节系统参数辨识中的应用

在动态频率异常和频率不稳定性研究中,建立原动机及其调节系统准确的数学模型是极其重要的。原动机调节系统模型建立应借助于辨识建模。基于这种考虑,针对汽轮机调节系统,提出一种基于Prony算法的参数辨识方法,利用Prony算法辨识系统传递函数原理,通过对系统特征根和留数进行分析以达到对汽轮机调节系统进行参数辨识的目的。利用该方法编制了程序,并将其应用于所建调节系统模型中,在Matlab及其Simulink中进行了仿真分析。辨识结果表明,这种辨识算法具有计算速度快、辨识精度高、程序通用性强等优点,为汽轮机调节系统的参数辨识提供了一种有效的方法。     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

Prony算法在谐波、间谐波参数辨识中的应用

准确有效地确定信号中各次谐波及间谐波分量的参数,对于改善电能质量具有重要的意义。文中提出了一种应用于谐波和间谐波在线参数辨识的Prony算法改进方案。该方案由于使用QR分解算法求解方程组,减小了算法的计算耗时,提高了算法的稳定性。其次文中提出了自适应采样频率的方法、模型阶数和时间窗的选取原则,以及提取真实频率成分的可靠方法,使Prony算法具有更高的辨识性能和可靠性。经过电弧炉电流信号的分析说明,文中所提出的方法可以大大缩短Prony算法的计算耗时,提高Prony算法在线谐波参数辨识的可靠性。     

基于SSI-LS的同步电机参数辨识新方法

为精确检测出同步电机参数,提出了基于随机子空间辨识(stochastic subspace identification,SSI)与最小二乘(least square,LS)法的同步电机参数辨识新方法。该方法可以从强噪声背景下的短路电流数据中准确提取基波分量和直流分量,然后对其进行分析,以得到同步电机的瞬态和超瞬态参数,从而实现同步电机参数的准确检测。仿真计算和试验数据分析均验证了该方法的可行性与有效性。     

基于 EMD 和 Prony 算法的同步电机参数辨识

Prony 算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高.鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony 算法相结合的方法应用到同步电机参数辨识中.利用EMD 的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声 IMF 分量,然后用 Prony 准确辨识出同步电机的瞬态和超瞬态参数.仿真试验结果表明该方法具有精度高、抗噪性强等特点.     

基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识

由于传统Prony算法对噪声极为敏感,因此采用互补集合经验模态分解(CEEMD)和小波包变换(WPT)相结合的去噪方法改善信号,提高Prony参数辨识的精度。首先对信号进行CEEMD分解得到固有模态函数(IMF),并对得到的IMF分量计算其排列熵(PE)值,根据排列熵值提取出含噪声较大的分量进行小波包去噪。然后将去噪重构后的IMF分量与剩余IMF分量重构信号。最后用Prony算法辨识重构后信号的参数。对所提算法进行仿真,并与已发表文献中的结果进行比较。仿真与比较结果表明,该算法是有效的,而且具有较好的辨识结果。     

同步发电机参数辨识的蚁群算法及扰动分析

以发电机5阶实用模型为研究对象,利用励磁电压参考值的变化产生动态响应,采用蚁群算法辨识同步发电机参数,分析干扰的大小和类型对发电机参数辨识的影响.在RTDS仿真机组上验证了蚁群算法的可行性,结果表明,从扰动的大小上看,扰动越大,参数辨识的精度越高;从扰动的类型上看,白噪声激励下辨识精度较好,该激励更有利于激发同步发电机的次暂态过程;无论是哪种扰动方式,稳态参数的精度没有大的变化,改善的主要是次暂态参数的辨识精度.     

同步发电机辨识参数对数据误差的敏感性分析

为了从理论上描述参数辨识结果受数据误差的影响程度,针对同步发电机六阶模型,给出了一种参数对数据误差的敏感性分析方法。基于稳态参数与暂态参数的辨识模型,分别构造了同步发电机稳态参数、暂态参数与数据误差的关系式,给出了参数对数据误差的上界估计。基于实测PMU数据,利用该分析方法,以电流误差为例,进行了计算参数对数据误差估计式的实例分析。结果表明,同步发电机参数受到电流数据误差的影响程度依次为稳态、暂态、次暂态参数。