用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。     

基于约束EKF的低频振荡模态参数辨识

低频振荡已成为限制电力系统区域间功率传输能力的突出问题,严重影响了电力系统的安全稳定运行。为了准确有效地提取低频振荡信号所包含的特征信息,分析低频振荡信号模态构成的特点,在扩展卡尔曼滤波(extended Kalman filter,EKF)算法的基础上,结合信号自身的物理约束,提出一种低频振荡模态参数辨识方法,实现了约束条件下的低频振荡模态参数实时在线辨识。所提方法能有效避免运用EKF算法进行低频振荡模态参数辨识时收敛性差和参数越界的问题,提高低频振荡模态参数辨识的精度。最后,对不同的低频振荡信号进行仿真测试分析,结果表明该约束EKF方法不但能够实现低频振荡模态参数的约束辨识,而且较EKF算法具有更好的收敛性和更高的辨识精度。     

基于ICA和WVD的电力系统低频振荡参数辨识

为了提高电力系统中的低频振荡参数辨识的精度,提出一种基于独立分量分析ICA(independent compo?nent analysis)和Wigner-Ville分布WVD(Wigner-Ville distribution)相结合的在线辨识方法。以广域测量系统WAMS(wide area measurement system)监测到的数据为原始输入信号,采用ICA算法对信号进行降噪处理,再应用Wigner-Ville分布研究信号的频率、幅值及能量分布特点。仿真分析和应用实例研究表明,该方法相较于传统Prony辨识算法而言,具有较强的抗噪能力和较好的辨识结果,可以更好地反映电力系统中非平稳信号的局部特性,提高了电力系统低频振荡参数在线辨识的准确性。     

基于广域测量系统的电力系统低频振荡的抑制研究

提出了一种基于广域测量系统的附加励磁阻尼控制器(Supplementary Excitation Damping Controller,SEDC),以提高电网系统振荡阻尼的方法。对于电力系统低频振荡信号的非线性、非平稳的特性,采用改进的HHT(Hilbert-Huang Transform)方法在线辨识低频振荡的模态,根据在线辨识结果利用粒子群优化算法对控制器中的电力系统稳定器(Power System Stabilizer,PSS)进行参数优化,从而在暂态运行的情况下提供有效阻尼,抑制低频振荡。通过仿真结果证明,此控制器可以更好的提高系统的稳定性。     

Prony和HHT算法在低频振荡在线辨识中的适用性比较

Prony算法和Hilbert-Huang变换（HHT）算法是目前实际应用于低频振荡信号辨识的两种算法。Prony算法对于无噪声干扰的平稳信号的分辨率和准确性较高。HHT算法具有时频分析和滤除高频分量的能力,抗噪声性能好,计算速度快,并可以分析主导模式随时间改变的非平稳信号。从准确性、稳定性、完备性、快速性四个方面比较了两种算法在低频振荡在线辨识中的适用性,指出增加前置滤波环节的Prony算法可以满足低频振荡在线监测的要求,而实现强迫振荡扰动源定位则必须采用可进行时频分析的HHT算法。通过实际算例验证了两     

采用特征值法和Prony法相结合的PSS自适应控制

随着互联电力系统的规模日益增大,系统互联引发的低频振荡问题已成为危及电网安全运行、制约电网传输能力的最主要因素之一.通常采用离线配置电力系统稳定器(PSS)来实现抑制低频振荡的目的.但是由于电力系统的实时性,在发生大扰动时,事先整定好的PSS对电力系统低频振荡的抑制效果并不理想,因此考虑采用PSS的自适应控制.提出一种采用特征值分析法和Prony分析方法相结合的PSS自适应控制.低频振荡发生后,通过滑动数据窗的方法缩短Prony辨识时间,先辨识得到频率较高的振荡模式,选取主导振荡模式在线配置PSS,在Prony方法辨识出振荡模式之前采用离线配置参数.克服了Prony在线辨识在低频振荡应用中的局限性.通过对4机2区系统的分析,得出在线配置PSS相对于离线配置PSS的优越性.验证了通过Prony方法在线配置PSS参数的可行性.     

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。     

HHT算法在电力系统低频振荡模态辨识中的应用

针对电力系统低频振荡信号的非线性、非平稳特征,提出了一种新的处理方法——希尔伯特-黄变换(HHT)。该方法能够克服传统分析难以处理非平稳信号的缺点;利用其中的经验模态分解(EMD)对信号模态分量的有效分离,对分量进行Hilbert变换,得到相应的参量。通过计算实现对振荡信号的模态参数的辨识与提取,因此该方法能够应用到阻尼控制器的设计中。仿真结果表明该控制器能有效地抑制电力系统低频振荡,提高了系统的安全稳定性。     

HHT和Prony算法在电力系统低频振荡模态识别中的应用

电力系统的大规模互联使低频振荡现象越来越突出,如何准确识别低频振荡模式成为需要解决的重点问题。将Hillbert-Huang变换(HHT)与Prony算法的优点相结合,先利用HHT将实测信号分解为若干个本征模态函数(IMF)分量,再利用Prony算法在含有低频振荡信息的IMF分量中提取模态参数。通过算例分析确认,HHT与Prony算法相结合,可以有效提取出系统的低频振荡参数,效果优于仅应用单一变换或算法。     

基于实测信号的电力系统低频振荡模态辨识

广域相量测量系统的应用为基于量测的电力系统稳定性分析提供了有力支持。基于动态量测信息准确地辨识电力系统低频振荡模态参数及振型,对提高电力系统低频振荡的实时监测与控制至关重要。结合经验模态分解与随机子空间辨识算法,基于发电机有功功率的动态量测信息,开展了电力系统低频振荡辨识与分析的研究。该方法能够在较短的时间从含噪信号内提取原系统真实准确的振荡信息,同时能够得到各振荡模式相应的振型,有效地克服Prony算法和自回归滑动平均算法受噪声、系统实际阶数的影响大,以及单一随机子空间辨识算法难以处理非线性、非平稳振荡信号的缺点。测试系统及仿真结果验证了该方法在电力系统低频振荡分析中的可行性。     

电力系统低频功率振荡研究回顾

以低频功率振荡为特征的电力系统小干扰功角稳定性问题在半个多世纪以来得到了系统、深入的研究,大力推进了现代电力系统的发展。以时间为主线,对五十多年来电力系统低频振荡问题研究的历史进行了简单的回顾。首先介绍了早期同步发电机转子运动摆动现象的发现和解决过程,并总结了单机无穷大系统低频振荡问题的理论和实验研究。其次,围绕电力系统低频振荡阻尼控制分析的理论和方法,对模式分析和阻尼转矩分析在低频振荡研究领域的应用做了讨论与回顾。最后,介绍了近年来对大规模风电接入影响电网小干扰功角稳定性研究的进展。     

基于广域测量系统的电力系统低频振荡分析及抑制综述

随着电力工业的迅猛发展,电力系统的规模越来越大,在获得更高的可靠性和经济性的同时,大型互联电力系统的低频振荡严重危及了系统的安全运行。而基于全球定位系统(GPS)的广域测量系统(WAMS)的发展和应用为在线分析区间低频振荡模式乃至控制提供了新契机。简要介绍了电力系统广域测量系统的特点,低频振荡的产生机理以及基于WAMS的低频振荡在线分析和抑制方法,并指出了未来的研究发展方向,构建基于WAMS技术的大规模互联电力系统的广域安全监测及控制系统将是很有意义的研究方向。     

运行中的GIS不同部位盘式绝缘子超宽频带局部放电特性试验研究

采用超宽频带局部放电测试系统,研究了玉泉变运行中的110kV电压等级GIS各关键部位盘式绝缘子的超宽频带局部放电信号。试验结果发现,运行中的GIS不同部位的盘式绝缘子具有各不相同的局部放电特征,且放电频率主要集中在300MHz频率段以下,为今后GIS在线监测提供了数值依据。     

基于广域测量信息在线辨识低频振荡

全国电网的互联使区域间的低频振荡成为威胁系统稳定的关键因素之一,而基于全球定位系统（GPS）的广域测量系统（WAMS）的发展和应用为在线分析区间低频振荡模式乃至控制提供了新契机.因而,研究区间低频振荡模式的在线辨识算法成为实现低频振荡在线监测以及进行阻尼控制的重要理论问题.该文在讨论Prony方法本质的基础上,给出了一种新的模型阶数估计方法,提出根据广域测量系统（WAMS）的测量信息,采用多机组的功角及转速变量进行低频振荡辨识.结合工程实际提出了基于（WAMS）的研究低频振荡问题的实现方案,包括启动判据、数据预处理、阶次估计、模式提取和综合分析等步骤.8机36节点的算例结果表明：该方案具有系统性、直接性、噪声干扰小的特点,为低频振荡的监测和控制创造了条件.     

110kV高压电缆的局部放电在线监测

为了及时、准确地掌握电缆绝缘故障情况,有必要对电缆线路进行在线监测.介绍了超高频局部放电在线监测系统的信号采集装置、测量原理及数据传输原理.通过运用该系统对110 kV五凌七线电缆进行局部放电在线监测,准确地找出了电缆绝缘缺陷,检测效果较好.     

灯泡贯流式水轮发电机组的局放在线监测

针对水轮发电机组结构及汇流母线排走线方式的特点,选择发电机每相高压出线处为系统监测点,利用双安装传感器定向耦合实现干扰脉冲抑制。该系统分别在电站6台发电机主引出线上安装近、远端两路传感器(6只/每台机组),耦合放电信号,经过信号的选通、滤波处理后进入监测系统,利用软件进行时延幅值判别,提取放电信号,并进行二维、三维谱图分析。对比分析了现场测到的放电信号与干扰信号在时域及幅值上的差别,验证了抗干扰方法的有效性。自第一台机组并网发电以来,系统运行稳定、操作方便,所测结果与预试数据基本一致。     

基于物联网的电缆局部放电分布式监测系统设计与实现

电力电缆的局部放电监测是保证电缆安全运行的重要技术手段。然而,传统有源有线的局部放电在线监测方法难以适用于敷设结构复杂、分布区域广且对成本较为敏感的电缆网络。针对此问题,设计了一种基于物联网技术的低功耗分布式电缆局部放电在线监测系统。在考虑传感网络可扩展性和可接入性基础上,设计了电缆局部放电监测物联网络的总体框架;为满足传感器节点低功耗、长续航的要求,对高频电流传感器、低功耗信号处理和电源管理、数据通信等物联传感网络基本要素进行了优化设计。根据上述研究实现了基于物联网的电力电缆的局部放电分布式监测系统的设计与应用。     

HSB-2型发电机局部放电在线监测系统的研究与应用

基于射频检测分析的旋转电机局部放电在线监测方法,具有实施的简便性、历史经验的可比性、信号分析的可视性和配备专家咨询系统的可行性.介绍了宝钢电厂HSB-2型基于嵌入式集成前端的发电机局部放电在线监测装置的研究与应用效果.     

局部放电UHF脉冲干扰的排除与信号的聚类分析

为了排除变压器局部放电信号中的各种信号干扰中的脉冲干扰信号,提出了利用内外信号对比法及相间信号对比法排除外部脉冲型干扰信号,并应用于500kV三相分体式变压器的局部放电现场监测。通过提取工频周期上特高频检波脉冲信号的特征参数,选取脉冲初始相位、平均脉冲幅值、脉冲次数3个特征参数,采取灰聚类与模糊聚类相结合的方法对排除干扰后的数据进行了聚类分析,实现了对部分干扰信号的排除以及特高频信号的分类。对分类后的疑似放电信号的现场特高频检波信号进行统计分析,通过分析PRPD谱图对变压器的局部放电活动做出了诊断说明。通过分析表明,提出的方法能够有效排除干扰信号,便于提取局部放电故障信息。     

Maximum likelihood estimation of synchronous machine parametersfrom flux decay data

A time-domain system identification procedure to estimate the parameters of a 5 kVA salient pole synchronous machine from standstill test measurements is proposed. The test consists of a DC flux decay signal applied to the d-axis and q-axis of the machine. From the recorded responses to this signal, the admittance transfer function models and the standstill frequency response equivalent circuit models are identified. The maximum likelihood algorithm is used to estimate the model parameter values, and the Akaike Criterion is used to select the best-fit model. The performance of the standstill models in the dynamic environment is studied through simulation of an on-line small-disturbance test. The results are compared with measured data