基于小波去噪和随机子空间算法的广域低频振荡估计

电网规模的日益扩大使得广域低频振荡成为电力系统稳定运行中备受关注的问题之一,提出了一种利用小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用随机子空间算法提取低频振荡信号特征的分析方法。该方法直接利用在线量测数据识别出系统的低频振荡及其特征参数,有效地克服Prony算法、自回归滑动平均算法及希尔伯特-黄等算法受噪声、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。数值仿真及实例分析均验证了基于小波预处理技术的随机子空间算法在电力系统低频振荡分析中的可行性。     

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。     

Prony算法的若干改进及其在低频振荡监测中的应用

在广域测量系统（WAMS）下,从多角度改进Prony算法对电力系统低频振荡的监测。提出对采集信号进行分类,利用同类、非同类等多信号分析法对低频振荡进行分析;通过数据预处理和算法样本矩阵阶数控制减少噪声对算法精度的影响;提出模式能量测度分析结果中的主导振荡模式。在EPRI-36系统下进行仿真,结果表明所提方法的有效性。     

Prony算法的若干改进及其在低频振荡监测中的应用

在广域测量系统(WAMS)下,从多角度改进Prony算法对电力系统低频振荡的监测.提出对采集信号进行分类,利用同类、非同类等多信号分析法对低频振荡进行分析;通过数据预处理和算法样本矩阵阶数控制减少噪声对算法精度的影响;提出模式能量测度分析结果中的主导振荡模式.在EPRI-36系统下进行仿真,结果表明所提方法的有效性.     

低频振荡主导模式辨识方法探讨

针对传统 Prony算法在分析噪声干扰对算法精确度影响时存在的不足,采用基本不等式确定最佳 Hankel矩阵阶数,提出了利用信噪比曲线来解决有效奇异值阶次选择的问题,运用改进的 SVD 去噪技术对数据进行预处理,提高了信号的信噪比,减小了噪声对 Prony分析结果的影响.通过算例仿真验证了该算法具有噪声抑制能力强、辨识出的主导振荡模式精度高等优点,能较为准确地辨识电力系统低频振荡主导模式。     

低频振荡主导模式辨识方法探讨

针对传统Prony算法在分析噪声干扰对算法精确度影响时存在的不足,采用基本不等式确定最佳Hankel矩阵阶数,提出了利用信噪比曲线来解决有效奇异值阶次选择的问题,运用改进的SVD去噪技术对数据进行预处理,提高了信号的信噪比,减小了噪声对Prony分析结果的影响。通过算例仿真验证了该算法具有噪声抑制能力强、辨识出的主导振荡模式精度高等优点,能较为准确地辨识电力系统低频振荡主导模式。     

基于模糊滤波和Prony算法的低频振荡模式在线辨识方法

考虑到Prony算法对输入信号要求较高、对分析数据的噪声非常敏感，提出一种模糊滤波和Prony算法相结合的电力系统在线低频振荡模式的辨识方法。该方法以广域测量信号作为输入，通过简单的模糊逻辑推理快速对输入信号进行滤波，利用Prony算法对滤波后的数字信号进行分析后在线获得电力系统低频振荡的模式。以华中电网支路302245上的有功功率振荡分析为例，通过对模糊滤波前后的输入信号进行比较以及对传统Prony算法和考虑模糊滤波的Prony算法分别进行低频振荡模式辨识的比较，表明了前置滤波的重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Prony算法的发电机组间功率低频振荡在线辨识新方法

针对Prony算法抑噪能力差、计算效率低的问题,分析Prony算法的原理和主要参数的选择策略,提出一种基于Prony算法的发电机组间功率低频振荡在线辨识新方法,从模型有效阶数确定、AR参数估计、数据预处理等方面说明该方法的计算步骤,通过算例仿真及结果分析,认为该方法能够满足电力系统低频振荡在线辨识的需要。     

基于EMD的Prony算法在低频振荡模态参数辨识中的应用

Prony算法对分析数据的噪声非常敏感,对输入信号要求较高,鉴于此,提出将EMD和Prony算法有机结合的电力系统低频振荡模式的辨识方法。该方法以广域测量信号作为输入,首先利用EMD对非平稳、非线性信号的能力进行分解,通过能量权重比找出含有主导振荡模式的IMF;最后利用Prony算法对其进行分析后获得电力系统低频振荡模态参数,扩展了Prony法应用范围。通过对PSASP仿真轨迹的算例分析,验证了此方法提取非轴对称振荡信号主导模式的有效性,并通过与特征根分析进行比较,表明了此法能相对精确地进行振荡模式辨识,同时又有很好的复合模式分离能力和良好的抗噪能力。     

基于改进多信号Prony算法的低频振荡在线辨识

提出了适合低频振荡在线辨识的改进多信号Prony算法。首先通过小波变换消除各信号的噪声，然后消去直流分量，建立多信号的样本函数矩阵，通过奇异值–总体最小二乘法对Prony算法进行改进，分离信号空间和噪声子空间，确定信号的阶数，最后利用最小二乘法进行辨识。利用传统Prony算法、改进单信号Prony算法和改进多信号Prony算法对理想信号、仿真信号以及实际录波信号进行了分析，分析结果表明利用改进多信号Prony算法同时对多信号进行分析能够提高辨识的精度，缩短运算时间，辨识阶数及辨识结果均优于传统算法，适合于低频振荡的在线辨识。     

基于特定频带的Prony暂态振荡检测方法

小波分析和Prony算法都是分析暂态信号的有效方法,但小波分析不能得到信号频点信息,Prony算法的实现需要事先判断信号发生时刻.该文通过比较二者的优缺点,结合小波分析时频局部化和Prony算法可以准确获取振荡模式特征的优点,提出基于特定频带的Prony暂态振荡检测方法,克服了基于特定频带的STFT检测方法由于振荡信号...     

低频振荡预警及分析功能在新疆电网WAMS系统中的应用及改进

对新疆电网广域测量系统高层应用中的低频振荡预警和分析功能进行了深入研究与改进.针对系统中原有的Prony算法分析长数据段时无法辨识出衰减快的分量而导致误差偏大的不足及视窗短的问题,引入时域峰值识别法,将两者有效的结合起来,进行长短视窗分析,有效提高了分析长数据段的准确性.同时建立了两段数据层分析方法及不同系统的数据转化分析方法,将同系统的数据分段、分层进行分析,将不同系统采集到的数据进行对比分析相互验证.通过实例验证了算法的可行性和有效性,对电网运行起到了实际作用,有利于新疆电网低频振荡分析和实时告警,保证了电网的安全稳定运行.     

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.     

基于数学形态学和改进Prony算法的谐波与间谐波参数估计

由于传统Prony算法对谐波与间谐波的检测易受噪声影响,为了提高参数估计精度,准确提取谐波和间谐波的频率、幅值和相位,提出了一种基于数学形态学和改进Prony算法的谐波与间谐波参数估计方法.该方法主要思路是先用数学形态学构建形态滤波器去除噪声,可以克服传统Prony算法对噪声敏感的不足;然后再将去噪拟合后的谐波信号进行改进Prony分析.该方法针对原始Prony方法优化了实际阶数和线性参数的求解过程,对比小波消噪求解谐波各参数的方法优化了去噪效果.通过MATLAB对谐波信号进行编程分析,发现该方法在噪声情况下仍能得到较高精度的谐波与间谐波幅值、频率和相位参数估计,验证了该方法的可行性和有效性.     

基于Prony算法的电力系统低频振荡分析

简要介绍了电力系统低频振荡的概念和产生原因,指出随着电网互联,低频振荡的危害也将更加严重。而后根据振荡特征提出了一种可用于分析电力系统低频振荡的方法———Prony算法,并介绍了算法的原理和计算步骤。通过对理想振荡波形进行分析,论证Prony算法在理想情况下的精确性。接着指出传统Prony算法在分析中所存在的缺陷,特别是噪声干扰对算法精确度的影响。在此基础上提出了一个较为简便的解决方法,利用仿真振荡波形分析说明改进后的Prony分析的精确度,针对其误差变化情况,讨论了分段Prony分析法,最后说明Pro-ny算法在电力系统低频振荡分析中的有效性。     

基于带宽自适应滤波的低频振荡Prony分析

针对传统Prony法在分析低频振荡时对噪声非常敏感的缺点,提出了一种基于带宽分析的余弦基神经网络滤波方法。首先,利用余弦基神经网络逼近低频振荡信号,通过对权值的分析,确定信号有效带宽;然后根据信号带宽进行带通滤波,再将输出信号导入Prony模块分析。其中,针对有效带宽范围的确定,提出了固定带宽与动态带宽的分析方法。分别在脉冲噪声、高频谐波噪声、随机白噪声背景下进行了算例分析,表明了该方法对舍噪低频振荡信号具有较好的滤波效果,有效地提高Prony算法的振荡主导模式识别精度。能满足电力系统低频振荡特征分析的需要。