低频振荡模态参数辨识新算法

TLS-ESPRIT算法的实质是通过对信号子空间进行奇异值分解(SVD),辨识出信号的频率和阻尼比。SVD虽然可以抑制部分噪声影响,但噪声过强时就会影响TLS-ESPRIT算法的辨识精度;而且SVD易把较弱信号滤除,丢失真实模态而引入虚假模态。针对此结合数学形态学能够在时域内对信号进行滤波,且滤波后信号的几何特征保持不变的特点,将实测信号先经数学形态学滤波再通过TLS-ESPRIT进行模态辨识,可以最大限度地降低噪声的影响,使辨识精度更加精确。仿真结果验证了所提算法的可行性、有效性和强抗噪性。     

基于自然激励技术和TLS-ESPRIT方法的低频振荡模式辨识

提出了一种利用系统随机响应信号辨识低频振荡模式的方法。利用自然激励技术(NEx T)从系统随机响应信号中获得自由振荡信号,采用总体最小二乘—旋转不变技术的信号参数估计(TLS-ESPRIT)方法对所获得的自由振荡信号进行模式辨识,得到低频振荡模式的频率和阻尼比。采用16机系统仿真数据和四川电网实测数据验证了所提方法的有效性;与随机减量技术(RDT)结合Prony方法对比表明,所提方法对阻尼比估计更准确且抗噪性更强。     

白噪声激励下的低频振荡模态参数辨识方法

提出一种白噪声激励下的低频振荡模态参数辨识方法,该方法可以代替人工短路和投切电网元件等措施的扰动方式,使辨识过程更加安全经济.首先以白噪声为输入信号,根据输出与输入之间的互相关函数估计脉冲响应函数;然后利用估计的脉冲响应函数,并采用特征系统实现算法辨识电力系统的多输入多输出状态空间模型,进而识别出系统特征值和模态振型向量.在模态参数识别时,虚假模式的产生不可避免,通过对观测量的功率谱分析,可以校验哪些是真实模式,哪些是虚假模式.并以一个4机电力系统的实例仿真检验所提出的方法在每一个步骤的有效性.最后,通过模型交叉确认,进一步证明了辨识得到的状态空间模型是精确的.     

基于广域时空随机响应的低频振荡模态辨识

针对利用单通道信号无法准确辨识多个振荡模态,且不能估计振荡振型的问题,提出一种基于广域时空随机响应的振荡模态辨识方法。讨论了广域时空随机响应的向量自回归模型与系统振荡模态之间的联系,采用QR分解实现向量自回归模型参数的最小二乘估计;计算出振荡模态的模式参数,并通过系统随机响应的功率谱峰值确定系统的主导模态;通过新英格兰系统的蒙特卡罗仿真对模态辨识方法进行测试分析,结果表明利用广域时空随机响应能同时准确估计多个主导振荡模态的模式参数和振荡振型,与子空间辨识方法相比所提方法计算更简单有效;最后利用WECC系统的实测信号验证了所提模态辨识方法的适应性。     

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。     

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。     

基于NExT-ERA与SSI-DATA环境激励下的低频振荡辨识方法比较

随着广域测量系统的应用,采用环境激励下相量测量单元量测得到的类噪声信号进行低频振荡在线模态辨识具有很好的应用前景。针对NEx T-ERA以及SSI-DATA 2种环境激励下的低频振荡辨识方法进行性能评估。简要回顾2种算法的基本原理;基于算法中关键参数以及仿真条件设置不同的评估标准,通过仿真算例的模态参数辨识对2种算法的性能进行分析比较;对2种算法各自的优点和适用性进行评估与总结。     

基于原子稀疏分解的低频振荡模态参数辨识方法

为克服传统特征分析法不适合分析大规模高阶系统,而傅里叶算法和Prony算法等线性化方法又难以处理非平稳信号的缺点,本文将一种新的处理非线性、非平稳信号方法——原子稀疏分解法应用于电力系统低频振荡模态参数识别。该方法利用匹配追踪(MP)算法将初始信号从Gabor原子库中分解得到最佳匹配原子,并采用伪牛顿法对参变量进行优化,进而求出衰减正弦量原子的参变量,最终完成整个低频振荡模态参数的提取过程。仿真结果表明该方法的可行性和有效性,为电力系统稳定分析提供一种全新的途径和方法。     

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,FastICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signa...     

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。     

基于自然激励技术的低频振荡模态参数识别

低频振荡是威胁电网安全稳定运行的一个重要因素。传统的基于测量信号的低频振荡模态参数辨识方法难以在系统未发生明显振荡时准确的检测模态参数。提出了一种利用系统正常运行时的白噪声响应识别系统模态参数的方法。首先用自然激励技术从白噪声响应间接获取系统的脉冲响应,再用HHT法对脉冲响应函数进行分析,得到系统各阶模态的频率、阻尼比等模态参数。通过对四机两区系统的仿真分析和实际电网数据的计算验证了方法的有效性。     

低频振荡模态参数辨识的共振稀疏分解SSI分析方法

提出在色噪声背景下,采用共振稀疏分解的随机子空间法进行低频振荡模态参数的辨识,根据信号预知的共振属性实现复杂信号的分离。首先,对含高斯色噪声的低频振荡信号进行分解,得到高共振分量、低共振分量和余项三部分。低频振荡信号具有高共振属性,高共振分量即为提取的持续振荡的低频振荡信号,而高斯色噪声大部分存在于余项中。然后对高共振分量利用SSI进行参数辨识,得到较高参数的辨识准确度。仿真算例和实例说明了所提方法的有效性。     

基于MEEMD与MP的电网低频振荡模态识别

针对目前电力系统低频振荡模态辨识的精确性和抗干扰性问题,提出了一种基于改进集合经验模态分解方法与矩阵束的电网低频振荡模态特征辨识新方法。首先利用改进集合经验模态分解方法将采集到的量测信号分解,从而获得若干个IMF分量序列及其残余量,再将剩余项去除后把其余本征模态函数进行重构,最后把重构信号通过矩阵束的分析来获知各个振荡模式信息。数值信号和EPRI-36节点系统的仿真验证了所提方法的有效性。     

基于振荡分群辨识的低频振荡控制方法

电网因机组原因引发的局部模式低频振荡问题日益突出。快速锁定振荡源并采取相应控制措施是平息振荡的关键。为此文中提出一种基于振荡分群辨识的低频振荡控制方法。该方法首先通过对系统各发电机的同步相量实测有功功率数据进行检测,辨别发生振荡的机组;然后根据各机组间角速度的相关系数将振荡机组分为主动群和被动群,主动群中的机组是引起振荡的主要原因并产生振荡能量,而被动群中的机组被带动振荡并消耗振荡能量以维持系统总能量守恒;最后根据分群结果锁定振荡源机组并采取相应措施控制平抑低频振荡。实际工程应用案例结果表明,该方法能够有效锁定振荡源,并帮助调度人员快速平息低频振荡。     

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。     

基于能量变化率的电力系统低频振荡预警研究

电力系统低频振荡是影响电网安全稳定的重要问题,迅速发展的广域测量系统（WAMS）为低频振荡的预警研究提供了契机。文章从能量角度出发,详细分析了不平衡能量变化率与低频振荡幅度之间的关系,从而提出1种分析低频振荡的新方法。该方法能够简单快速地判断扰动是否会引起增幅低频振荡,并且及时给出预警。在四机两区域系统中进行仿真计算,结果验证了该方法的有效性。     

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。     

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。     

一种低频振荡机组参与程度在线识别方法

发电机组是电力系统低频振荡的主要参与者,在线识别机组在振荡中的参与程度便于进行快速有效的控制。同时低频振荡是一种特殊的电力系统运动形式,振荡过程中伴随着振荡能量的传播和交换,而振荡能量的分布特点一定程度上反映了系统固有的振荡特性。以发电机经典模型为例,建立可描述电力系统低频振荡运动特征的振荡能量表示方法;研究了振荡能量分析方法与传统模式分析方法间的联系,提出了基于振荡能量分布在线识别低频振荡机组参与程度的方法;给出了机组阻尼变化对系统振荡能量的影响;最后通过四机两区域系统与IEEE 10机39节点系统的分析,验证了本文理论和方法的可行性和有效性。