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。     

基于数学形态学滤波技术和TLS-ESPRIT算法的低频振荡模式辨识研究

针对传统Prony方法对噪声敏感和辨识精度不高的局限性,提出一种新的低频振荡模式辨识方法,实现了在有噪声干扰情况下低频振荡模式的准确辨识。该方法基于数学形态学设计出一种多结构元素的并行复合形态滤波器,可有效滤除多种噪声,保留更多的有用信息。对消噪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)算法进行辨识,从而获取低频振荡各个模式参数。通过算例仿真,说明所提出的方法是可行和有效的。     

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...     

利用随机响应的低频振荡模式估计方法比较分析

电力系统随机响应中蕴含着低频振荡模式信息。比较了自相关分析、自然激励技术和随机减量技术等三种方法从随机响应中提取系统自由振荡响应的应用,然后结合特征系统实现算法估计振荡模式频率和阻尼比。通过四机两区域系统和新英格兰系统的蒙特卡洛仿真,从时间窗长、噪声水平、模式阻尼状态及多通道随机响应的模式估计方面,对比分析了三种方法的估计性能和适用性。仿真结果表明,基于自相关分析的自由振荡响应提取方法具有更好的适应性,模式估计精度优于基于自然激励技术和随机减量技术的估计方法。     

基于改进TLS-ESPRIT的电力系统低频振荡模态辨识

现有基于实测信号的电力系统低频振荡模态辨识方法大都只考虑了高斯白噪声,对高斯色噪声的考虑不足,对此,提出一种改进最小二乘–旋转不变技术(TLS-ESPRIT)的模态辨识方法;该方法首先利用FOMMC来对辨识信号进行预处理,抑制信号中的色噪声;接着,利用TLS-ESPRIT对信号进行辨识。通过构建的数值信号和电力系统中实测的信号进行测试,其结果表明,该方法对色噪声具有较强的抑制作用,同时辨识的速度和精度更高。     

基于环境激励的低频振荡分析方法综述

在大型区域互联电网中,低频振荡已成为影响系统的广域安全稳定运行的重大问题。随着广域相量测量系统WAMS的投入,低频振荡的在线分析成为可能。通过在线模式辨识可以实现低频振荡在线监测以及施加适当的阻尼控制。本文主要讨论基于环境激励的低频振荡在线分析方法,对这类方法的原理、特点、应用做了系统的阐述,并探讨存在的问题和进一步研究的方向。     

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。     

电力系统低频振荡的在线辨识

本文介绍了首次应用辨识方法于电力系统实时在线测试低频振荡。利用这种方法可以随时研究运行系统的低频振荡情况，１９９１年１０月试验证实了网络中的ＳＸＫ电厂是该系统的低频振荡源。     

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。     

基于改进的Prony算法在线辨识电力系统低频排振荡模式

基于传统的Prony算法对输入信号要求较高,同时对分析数据的噪声非常敏感,提出了一种改进的Prony算法,对在线获取的信号进行快速拟合,从而分析出信号的振幅、阻尼比、频率和相角等信息.改进的Prony算法的拟和精度在36节点的多机系统中进行验证,该算法输入信号是基于广域测量系统提供的各机组功角变量.仿真计算结果表明,该改进算法可实现低频振荡主导模式的在线辨识.     

基于双协方差随机子空间识别的类噪声数据低频振荡辨识

低频振荡可能会给电力系统的安全稳定带来极大危害,因此在线监测和分析低频振荡参数十分重要。为了有效地从类噪声数据中获取低频振荡模态参数,基于双协方差随机子空间识别(stochastic subspace identification,SSI)算法提出了一种低频振荡模态辨识的新方法。在传统SSI算法的基础上,引入双协方差SSI算法和系统聚类算法对物理模态自动拾取、自动定阶,实现低频振荡参数的有效精确辨识。分别应用传递函数和IEEE WSCC 3机9节点系统模型产生的仿真数据进行了测试,结果表明该方法能够实现自动定阶,得到的稳定图较传统SSI算法更清晰,识别结果中不会出现虚假模态,能高精度估计低频振荡模态参数,且抗噪性能良好。     

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。     

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。     

基于不完全S变换的低频振荡在线辨识方法

针对传统的低频振荡辨识方法无法确定低频振荡的起振时间点,不利于调度员分析振荡的起因,提出采用不完全S变换方法进行低频振荡的在线辨识,以提高算法的计算效率。仿真测试以及实例分析的结果表明基于不完全S变换的低频振荡在线辨识方法的辨识结果准确、抗噪能力强,能够有效地识别振荡模式个数以及振荡的起振时间点,具有很好的实用价值。     

基于类噪声数据的电力系统低频振荡模式辨识方法及应用

低频振荡的监测对于电力系统的安全稳定运行是一个巨大的挑战。提出了基于类噪声数据的低频振荡模式在线辨识方法,该方法将类噪声PMU数据经过预处理后,以ARMA方法计算得到单测点低频振荡模式信息,然后通过聚类方法得到系统振荡模式信息。结合实际发生的一次低频振荡事故,通过比较扰动前和扰动过程中低频振荡模式差异判断振荡类型,并通过势能增量分布法予以验证。     

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.