同步挤压小波变换在电力系统低频振荡模态参数提取中的应用

针对电力系统低频振荡的非平稳、非线性特性,将一种新的时频分析方法——同步挤压小波变换(SWT),应用于低频振荡分析。该方法克服了大多数分析方法抗噪性差的缺点,结合了经验模态分解(EMD)和小波的优点,具有EMD的自适应性,同时提高了抗模态混叠能力。利用该算法可实现具有多分量的低频振荡模式分离,得到其瞬时幅值和频率,并计算阻尼比。仿真和实测信号的计算结果证明了SWT的有效性,优于传统的HHT方法。     

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。     

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。     

一种综合分析算法在低频振荡参数估计中的应用

为消除实测信号中噪声的影响,更好地揭示电力系统低频振荡的时变和非线性特征,提出了基于广义数学形态学非线性滤波和Hilbert-Huang变换(HHT)的低频振荡综合分析算法.首先分析了信号中各种噪声对HHT精度的影响.在形态学滤波原理的基础上,建立了广义形态学滤波器,并利用它对来自广域测量系统(WAMS)中低频振荡信号进行滤波去噪,然后将滤波后的信号经过HHT分析处理后,再通过相应的瞬时参数计算方法,求解出低频振荡信号的瞬时参数.仿真结果证明该算法不仅能有效地消除信号中的混合噪声,而且能够计算出低频振荡主导模态的瞬时参数,更好地分析低频振荡的瞬时特性.通过对来自wAMS的实际信号进行分析,证明了该方法的有效性.     

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。     

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     

基于EMD的WVD分布方法在电力系统低频振荡监测中的应用

为了更加准确地进行电力系统低频振荡分析,引入了一种新的非线性、非平稳信号的处理方法-EMD(经验模态分解)的维格纳—威力分布(WVD)方法,通过EMD分解以及WVD算法处理分析非线性和非平稳电力信号的局域动态行为和特征,得到低频振荡的模态参数-振幅、频率、阻尼比、相位、开始与结束时刻。该方法准确地反映了系统所包含的多个振荡模式在时间上的变化规律以及模式之间的互相影响,并且有着高分辨率和有效地处理少量样本的短数据的优势,可提高识别能力和处理效果。通过多次试验表明该方法能够较准确地识别振荡特征。     

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。     

EMD法在提取电力系统低频振荡特性中的应用

经验模态分解方法是一种全新的非平稳信号分析方法,根据低频振荡信号的非平稳特性,介绍了经验模态分解方法应在低频振荡特性分析中的应用。仿真结果表明,该方法可以准确提取系统的低频振荡特征。     

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。     

基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取

随着电力电子装置在源-网-荷侧的大规模应用,电力系统功率振荡表现出较强的非平稳特性和模式耦合性。本文提出一种基于多尺度线调频基稀疏信号分解的电力系统非平稳振荡信号特征提取方法。多尺度线调频基稀疏信号分解方法能够在动态的时间支撑区内对信号进行投影分解,逐次获得能量最大的信号分量,具有良好的时频聚集性,特别适用于非平稳振荡信号的分解。电力系统的功率振荡信号本质上是一种多模态时变振动系统响应信号。首先通过多尺度线调频基稀疏信号分解方法得到多个单模态振动响应信号,然后根据单模态振动响应特性采用最小二乘法进行振荡特征的提取。仿真算例和实例证明了该方法在电力系统非平稳振荡信号特征提取中的有效性和适应性。     

基于改进卷积深度信念网络的风电机组行星齿轮箱故障诊断方法

风力发电机组行星齿轮箱振动信号是一种非线性非平稳的复杂信号,传统的故障诊断方法面对此类信号时,能够很好地处理的范围有限.建立了卷积深度信念网络用于行星齿轮箱故障诊断,为了防止超参数选择有误造成识别的准确率不够,引入粒子群算法对网络的超参数进行优化,对粒子进行混沌初始化提高了粒子的全局搜索能力.首先将原始信号进行变分模态...     

EMD谱方法提取水轮机动态特征信息

水轮机轴系摆度信号蕴含着丰富的水轮机状态信息,对水轮机监测有必要提取摆度信号的特征参量.信号的经验模态分解方法可以理解为以信号极值特征尺度为参量的时空滤波过程,此过程充分保留了摆度信号的非线性非平稳特征,有效分离了信号与水轮机运行背景噪声,并在EMD分解基础上对摆度信号进行经典的快速傅里叶变换.通过结合EMD和FFT方...     

基于加窗的CWT灰度矩提取水电机组非平稳征兆

针对非平稳信号中特征分量对应的连续小波变换(continuous wavelet transform,CWT)系数在时间-尺度平面集结为高幅值能量区,构建了一种沿时间-尺度方向加窗的CWT灰度矩,蕴含了CWT系数图像的纹理特征,可成为一个量化征兆描述非平稳信号的时频特征。仿真结果表明,时间-尺度加窗CWT灰度矩能有效的提取非平稳信号中突变分量的时间-频率-幅值信息,并应用到了三峡电厂机组的振动分析实例,获得了非平稳信号的时频信息,为水轮机振动量化征兆获取增加了一个新选择。     

结合经验模态分解的信号能量法及其在低频振荡研究中的应用

结合经验模态分解(empirical mode decomposition,EMD)算法和信号能量法,提出一种处理非平稳信号的改进方法--基于EMD的信号能量法,并将其应用于电力系统低频振荡阻尼特性研究中。该方法将信号能量作为误差判据引进EMD环节,克服了EMD过程难以消除虚假成分的弱点;同时,借助EMD处理非平稳的振荡信号,扩展了信号能量法应用范围。通过与普罗尼(Prony)算法、特征根分析进行比较,相量测量单元(phasor measurement unit,PMU)设备量测轨迹和PSASP软件仿真曲线的算例分析证明,此方法能有效提取非轴对称振荡信号主导模式,且具有很好的复合模式分离能力。     

电力系统时变振荡特性的小波脊分析

基于小波脊算法，提出了从相量测量装置的实测数据中提取电力系统时变振荡特性的新方法。该方法克服了傅里叶算法不能反映阻尼、Prony算法对噪声敏感以及两种算法均不能处理非平稳号的缺点。小波脊算法不但能有效消除噪声，并且很好地反映了复杂振荡过程中所包含的多个模式随时间的变化规律，提高了识别能力和精度。仿真结果表明了算法的有效性。     

基于Hilbert-Huang变换的风电场闪变

随着风电场装机容量的增大,风电并网所带来的电压偏差、谐波污染、电压波动和闪变等电能质量问题日益严重,因此,需要对其进行评估和治理,而评估和治理的前提是参数的准确检测。将一种新的非平稳信号处理方法,即Hilbert-Huang变换用于风电场闪变的分析。该方法可以从频域和时域同时对信号进行分析,能够准确检测出非平稳电压闪变信号的时间、频率和幅值信息。仿真分析结果表明了该方法分析风电场闪变的有效性。     

基于小波分析的电压闪变信号拟同步检波的峰值比较法

提出了用小波分析的峰值比较法和拟同步检波的电压闪变信号检测新方法。该方法用软件来模拟硬件的同步检波,大大地减少了投资成本;用小波子带滤波器代替传统的低通滤波器,不仅能够对电压闪变信号进行不失真的包络检测,且能够检测出电压闪变信号发生的时间、频率以及幅值。仿真结果表明,该方法对电压闪变信号检测和时频分析性能良好,特别适用于突变的、非平稳的电压波动与闪变信号的检测。     

Hilbert–Huang Transform Based Approach for Measurement of Voltage Flicker Magnitude and Frequency

Voltage flicker is a non-stationary waveform for which direct spectral analysis is not appropriate. To overcome this difficulty, a Hilbert–Huang transform based technique is proposed here. Hilbert–Huang transform is a new signal processing method that can be used in the analysis of non-linear and non-stationary signals. In the suggested method, the recorded voltage signal is decomposed into Hilbert–Huang transform components, namely the empirical mode decomposition and intrinsic mode function components. These components are used in the calculation of the frequency and amplitude of voltage flicker. The clear success of empirical mode decomposition in depicting envelope variations of a sinusoidal waveform has been the main motivation for the adoption of Hilbert–Huang transform in flicker analysis. Simulations are performed over waveforms, including single- and multiple-flicker frequencies and flicker with harmonic, voltage sag, and voltage swell. The waveforms are selected as pure sinusoids, as well as harmonically rich voltage waveforms. Simulation results show that the proposed methodology constitutes a plausible way to analyze voltage flickers, making it an alternative to the available flicker analysis tools.