基于EMD-TEO及信号能量分析法的主导低频振荡模式识别

提出了一种识别电力系统主导低频振荡模式的新方法。该方法综合了经验模态分解(EMD)、Teager能量算子(TEO)及信号能量分析法,借助经验模态分解处理非平稳信号,不需考虑定阶问题,扩展了信号能量分析法的应用范围;利用Teager能量算子的快速响应能力及健壮性,提高了频率辨识精度;根据二阶模型下的信号能量分析法,提出了一种阻尼比的简化算法。分别在WEPRI-36系统和实际电网中进行了验证,并与Q-R特征值分析法及Prony算法进行了准确性比较。结果表明,新方法对非线性系统的适应性比Prony算法强,可用于低频振荡主导模式的有效识别。     

基于MEMD和HHT的电力系统低频振荡模式识别方法研究

提出了一种基于多元经验模态分解(Multivariate empirical mode decomposition,MEMD)和希尔伯特黄变换(Hilbert-Huang Transform,HHT)相结合的电力系统低频振荡模式辨识新方法。针对经验模态分解(Empirical Mode Decomposition,EMD)只适用于单通道模式辨识的局限性,以及存在模式混叠和辨识效率低的缺点,引入MEMD方法对多通道量测信号进行分解处理,获取各通道中表征不同频率尺度的固有模态函数(Intrinsic Mode Functions,IMF)分量,实现多通道量测信息的协同分解。在此基础上,引入Teager能量算子筛选出含主导振荡模式的关键IMF。针对主导振荡模式在振荡过程的时变特性,借助HHT追踪各主导振荡模式的瞬时振荡频率和阻尼比。最后,通过16机68节点测试系统仿真数据和辽宁电网PMU实测数据对所提方法进行分析、验证。结果表明了所提方法的准确性和有效性。     

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Prony算法的电力系统低频振荡模式识别

提出了一种新的改进Prony算法,该算法将待求振荡幅值作为权值,基于神经网络进行训练,实现对电力系统低频振荡模式的识别。该算法避免了Prony算法在实际计算中矩阵呈病态以及通过矩阵求逆计算幅值和相位时精度不高的问题,克服了传统Prony算法抗干扰较差的问题。仿真结果表明,该改进Prony算法能有效去除干扰,能可靠、准确地识别主导模式,计算量少,适用于识别含有噪声且采样点数多的振荡信号。     

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.     

基于EEMD-NExT的低频振荡主导模式工况在线辨识与预警

结合集合经验模式分解(EEMD)和自然激励技术(NEx T),基于广域测量系统(WAMS)的动态量测信息,提出低频振荡主导模式识别方法。该方法借助EEMD处理非平稳信号,利用EEMD时空滤波器、互相关系数和信号能量权重筛选出主导模式分量;通过NEx T求互相关函数,并利用Teager能量算子识别时变幅值和频率,采用信号能量分析法辨识阻尼比并应用于预警系统。算例仿真结果表明,所提方法能够实时准确地辨识出系统的主导模式信息,且无需人工激励并剔除虚假模式,同时具有较强的抗噪性能。     

基于EMD盲源分离算法的电力系统低频振荡模式识别

针对广预测量系统低频振荡过程中的高斯噪声干扰和定阶问题,提出了基于EMD(empirical mode decomposition)盲源分离(blind source separation,BSS)算法的单通道低频振荡信号的模式分析方法。首先将信号利用经验模态分解得到一系列本征模函数分量组合的新信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号,并利用独立分量分析消除模态混叠的有效方法;然后利用盲源分离技术--二阶盲辨识算法(second order blind identification,SOBI),处理多通道观测信号矩阵,从中提取出不同的单模式信号;最后将去噪、定阶后的信号运用最小二乘-旋转不变技术(TLS-ESPRIT)算法辨识,得到低频振荡模态参数。数值算例仿真、IEEE四机两区域仿真实验表明该算法能够有效分离源信号,相比于其他方法具有抗噪性能好、拟合精度高等优点。     

基于广义形态滤波与改进矩阵束的电力系统低频振荡模态辨识

针对当前互联电力系统中越来越严重的低频振荡现象,提出一种高精度低频振荡模式辨识方法来克服现有方法的一些不足。该方法基于广义形态开、闭运算设计了新型广义形态滤波器,可以有效地去除噪声,较好地保留信号的原有特征;低频振荡信号通过该滤波器滤波后再使用改进矩阵束算法进行模式辨识,可以获得高精度的各个模式参数。对于辨识算法的关键定阶问题,采用归一化奇异熵定阶方法,该方法能在系统拟合精度指标相差不大的情况下使模态阶数的估计值更加接近真实值,提高了辨识的准确性。通过仿真算例、测试系统及电网实际案例验证了本文提出的方法的有效性和可行性,为电力系统阻尼控制和电网的稳定运行提供了有效依据。     

基于滑窗FFT算法的低频振荡主导模式识别

通过分析加窗截断低频振荡信号的频谱分布,提出了基于滑窗FFT算法的主导模式识别方法。该方法通过对滑窗前后相应谱分量变化的分析,就能识别出模式的衰减特性(即阻尼特性);并针对FFT算法特有的栅栏效应现象,提出了相应的模式识别方法和步骤。仿真结果表明,该方法可以有效的识别低频振荡特征参数,计算量较少,并对含白噪声的信号具有较好的鲁棒性。     

电力系统振荡模态的矩阵束辨识法

利用广域测量系统(WAMS)提供的数据进行电力系统振荡模态的在线辨识，对于及时监测系统的阻尼情况并及时实施有效的控制具有重要意义。分析了如何利用测量数据构造矩阵束并进行电力系统振荡模态辨识的方法。该方法可以由不同测点提供的系统响应数据快速检测出不同振荡模态的振荡频率、阻尼系数、振荡幅值和相对相位等有关信息。利用辨识出的模态信息，可以在线监测大规模电力系统阻尼薄弱区域并及时发现故障发生区域。EPRI-36节点仿真算例和某省网实际系统分析结果表明，矩阵束方法能够准确地估计系统的振荡模态，并具有较强的抗噪声能力，是一种适于在线应用的振荡模态信息辨识方法。     

基于EMD-SG和信息熵矩阵束的同步电机参数辨识

为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处理,借此提高其信噪比;为较好识别短路电流模态阶数,将信息熵引入矩阵束并将此改进矩阵束算法用以提取预处理后的短路电流各分量的频率和阻尼,进而识别出同步电机的瞬态参数。同步发电机三相突然短路仿真与试验参数辨识结果均表明,该方法在信噪比低于24 d B时,仍能快速、精确地辨识同步电机参数。     

基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

基于形态滤波和Prony算法的低频振荡模式辨识的研究

针对传统Prony方法对噪声敏感导致辨识精度不高的问题,提出了一种基于形态滤波和Prony算法相结合的低频振荡模式辨识的方法,实现了在有混合噪声干扰情况下低频振荡模式的准确辨识。基于数学形态学,设计了一种基于半圆形结构元素的形态滤波器,在选取合适的元素尺寸情况下,可以有效滤除混合噪声。对于去噪声之后的信号采用Prony算法进行辨识,可准确获取低频振荡各个模式参数。通过Matlab进行算例仿真,表明了对电力信号进行预处理的必要性以及所提出的方法能相对精确地进行振荡模式辨识,验证了其有效性。     

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。     

基于最小二乘矩阵束的励磁涌流识别方案

准确、快速地切除变压器故障直接影响电力系统能否持续安全稳定运行,励磁涌流的鉴别正是变压器保护中的重要一环。为了有效辨识励磁涌流与故障电流,避免变压器差动保护的不正确动作,利用变压器励磁涌流与短路故障电流频域信息的差异,提出了一种基于最小矩阵束算法的励磁涌流识别新方案,以变压器两侧的差动电流作为信号量,通过矩阵束算法分析采样信号中不同频率的分量,计算含衰减因数的电流能量信息熵识别励磁涌流。仿真试验证明了新判据具有原理清晰、抗干扰能力强等优点,能够正确区分励磁涌流和故障电流,为后续研究及工程应用提供借鉴和参考。     

基于广域信息的发电机电压控制抑制区间低频振荡方法

为了在线抑制区间低频振荡,提出了一种基于广域信息的发电机电压控制方法。在发电机机端电压调整对系统振荡模式阻尼影响机理基础上,分析了电压控制对局部振荡模式和区域振荡模式的影响。基于发电机主导振荡模式下参与因子计算进行控制点选取;通过参与振荡的发电机分群计算两群机组振荡相角的均值,判别相角均值大的机群为领前群并提升领前群机组的电压;基于机组的调度区域属性区分局部振荡模式和区域振荡模式。南方电网算例分析结果表明,该方法能有效抑制低频振荡,证明了方法的正确性和有效性。