基于MM-ARMA算法的次同步振荡模态参数辨识

传统电力系统次同步振荡的辨识方法存在对噪声敏感、辨识精度不高的局限性。为此,提出了一种基于数学形态学自回归移动平均(MM-ARMA)算法的辨识方法,实现了在有噪声干扰下对次同步振荡模态的准确辨识。该方法利用形态滤波器可以有效抑制噪声的特性对次同步振荡信号进行消噪处理,保留信号的主要特征信息;对消噪后的信号建立基于加权递推最小二乘法参数估计的ARMA模型,根据估计的模型参数计算次同步振荡模态参数,完成次同步振荡模态辨识。与传统的Prony算法和自回归移动平均(ARMA)算法辨识结果进行的对比分析结果表明,所提次同步振荡模态辨识方法能快速、准确地辨识出模态参数,且具有较强的抗噪能力。     

基于阻尼正弦原子分解的次同步振荡模态辨识

现有的线性化方法难以有效辨识电力系统次同步振荡模态。提出一种处理非线性、非平稳信号的阻尼正弦原子分解方法。该方法在过完备阻尼正弦原子库基础上,采用匹配追踪(matching pursuit,MP)算法对次同步振荡信号进行原子分解,并通过改进粒子群算法(improved particle swarmoptimization,IPSO)降低MP搜索过程的时间复杂度,得到表征次同步振荡信号的阻尼正弦原子参变量,完成整个次同步振荡模态参数辨识,并与改进Prony算法及快速傅里叶变换的辨识结果进行对比分析。结果表明,基于阻尼正弦原子分解的次同步振荡模态辨识方法能快速准确地辨识次同步振荡模态,且具有良好的时频特性。     

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。     

基于深度残差网络的SSO模态参数辨识

针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警。     

基于可调Q因子小波变换与稀疏时域法的电力系统低频振荡模态辨识

对于目前电力系统低频振荡模式识别和参数提取中的噪声干扰等问题,提出一种新的提取低频振荡关键模态参数的方法,将可调Q因子小波变换(Tunable Q factor Wavelet Transform, TQWT)和稀疏时域法(Sparse Time Domain method, STD)进行联合。首先运用TQWT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,达到降噪的目的。而后将处理后的信号作为新的输入信号,利用稀疏时域法进行振荡模态及其参数的辨识,其输入信号的采集既可单点测量也可多点测量。通过对测试信号和EPRI-36机系统仿真验证了所提方法的优越性,能够在信噪比较低的环境下对噪声进行有效抑制而准确地辨识出系统的振荡模态参数。与传统方法相比具有更好的抗噪能力,所提方法辨识过程中所需时间更短且辨识出的参数也更为准确。     

基于改进矩阵束的次同步振荡模态参数辨识方法研究

由于传统的矩阵束算法存在极点提取精确度不高的缺点,因此将互相关处理(Cross-correlation,CC)方法和改进矩阵束(Improved Matrix Pencil,IMP)算法结合应用于电力系统次同步振荡模态辨识,并在仿真算例中与传统的矩阵束算法和特征值法辨识结果进行了比较。对比结果表明:该方法在准确地辨识次同步振荡模态参数的同时,具有拟合度高、抗噪声能力强的特点,有助于强噪声背景下深入分析电力系统次同步振荡特性,从而有效抑制振荡。     

利用环境激励下的发电机组转子动态响应识别次同步振荡模态的方法

通过实时测量运行中的发电机组受电网负荷波动及噪声随机激励下的微弱转子转速响应,可以将机网振荡的模态参数(包括模态频率、阻尼和幅值)在线辨识出来。采用随机减量技术处理环境激励下的转子角位移差分信号,从而获取随机减量特征信号,该信号包含机网系统结构振荡的自由衰减响应分量;采用窄带频率滤波算法从所述的随机减量特征信号中获得各个次同步分量的时域衰减特征曲线,进而计算出当前运行方式下的不同频率的振荡模态的阻尼。采用该方法对绥中电厂1 000 MW机组的实测数据进行计算,有效辨识出绥中电厂及高岭直流区域电网的次同步振荡阻尼等模态参数。基于该方法可以实现实时的次同步振荡安全监测。     

基于希尔伯特—黄变换的次同步振荡检测研究

针对目前电力系统次同步振荡的辨识局限于线性化方法,提出了一种非线性、非平稳信号的处理方法:希尔伯特—黄变换。首先对振荡信号进行滤噪和时延补偿预处理,然后用黄变换辨识出模态参数,最后与改进的PRONY算法及快速傅里叶变换的辨识结果对比分析。仿真结果表明,经验模态分解可以滤除信号中的噪声干扰,为模态参数的准确分析奠定了基础;并且黄变换方法能有效分解出频率不接近的振荡模态,进而准确的辨识出模态参数,得到振荡模态的时频特性。鉴于此方法会出现频率模态漏分解的情况,在实际工程中可同时使用改进PRONY法、快速傅里叶变换和黄变换以提高次同步振荡辨识的准确度。     

基于FastICA-MP算法的次同步振荡模态参数辨识

WAMS在电力系统中的应用越来越广,使得电力系统次同步振荡模态参数在线辨识成为可能。但系统中存在大量电力电子设备,造成了WAMS采样信号中存在较强的噪声干扰,影响了振荡模态参数辨识的准确性。鉴于快速独立分量分析可以实现噪声信号与原始信号的有效分离,提出首先通过快速独立分量分析对采样信号进行预处理,然后将滤噪后的信号通过矩阵束算法进行辨识得到振荡模态参数。通过此方法可以进一步提高矩阵束的辨识准确度。通过理想仿真算例和国内某特高压直流输电系统作为实际仿真算例进行分析。仿真结果表明,快速独立分量分析可有效分离噪声信号,提高了矩阵束辨识准确性,为后续阻尼控制器的设计奠定了基础。     

基于改进矩阵束的高压直流次同步振荡检测

矩阵束是一种可以用来进行振荡模态参数辨识的算法。鉴于传统的矩阵束算法在有噪声情况下模态阶数辨识效果不理想,提出将信息熵引入矩阵束进行改进,进而将改进的矩阵束算法用于高压直流的次同步振荡模态的辨识。然后与改进Prony法和矩阵束算法对比分析,证明了基于信息熵的矩阵束算法的有效性。仿真结果表明,此算法可以快速、准确地辨识出次同步振荡模态参数,且该算法抗噪声能力强,可用于电力系统次同步振荡在线检测。