基于四阶混合平均累计量的矩阵束算法在低频振荡在线辨识中的应用

广域测量系统(wide area monitoring system,WAMS)的发展为电力系统低频振荡在线辨识奠定了基础。WAMS采集的信号含有高斯白噪声,经低通滤波处理后会产生高斯色噪声,因此会对模式识别的准确性产生不利影响。针对这一问题,提出以实测信号的四阶混合平均累计量(fourth-order mixed mean cumulant,FOMMC)的对角切片来代替实测信号,并结合矩阵束(matrix pencil,MP)算法对振荡模式进行识别的方法。仿真结果表明,FOMMC-MP算法能够有效从色噪声环境中辨识出系统主导模态。     

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。     

基于高阶累积量与ESPRIT算法的功率振荡检测方法

电力系统实测信号在传输的过程中可能出现异常数据,且包含大量的高斯白噪声和高斯有色噪声,对功率振荡检测结果的精确性产生了较大的影响.为实现功率振荡信号的准确检测,对信号预处理方法进行了改进,采用七点二阶算法前推差分公式对异常数据进行识别,并进行了补正、滤波和去直流处理.进一步地,将原始信号用四阶累积量代替,并使用旋转不变技术信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques,ESPRIT)算法进行辨识,实现对功率振荡信号的精准检测.仿真结果表明,相比于直接使用ESPRIT算法,所提出的改进检测方法可以有效地消除异常数据、高斯白噪声和有色噪声对信号分析的影响,从而更为准确地辨识出系统中的振荡信息.     

电力系统低频振荡性质频域判别方法

负阻尼低频振荡和强迫功率振荡是两种典型的低频振荡,它们的发生机理和抑制措施有本质的区别。因此,准确判断低频振荡性质对选择合理的抑制措施具有较大的参考价值。根据分析,两种低频振荡的频谱分布有显著差异,据此提出了一种频域判别法。首先采用复调制细化谱分析的方法对振荡数据进行精细化频谱分析,获得高分辨率和高精确度的频谱分布。在此基础上,采用反距离加权插值方法拟合频谱,对拟合值和原频谱进行比较,以判别是否存在间断点,从而辨识出低频振荡的类型。华东电网的实际系统算例验证了所提方法的有效性、抗噪性和鲁棒性。     

考虑高斯有色噪声的FOMC-HTLS-Adaline算法在低频振荡模式辨识中的研究

针对广域测量系统的实测信号受高斯色噪声的影响,提出一种利用FOMC-HTLSAdaline进行低频振荡在线辨识的新方法。首先,为抑制高斯色噪声的影响,利用四阶混合累积量的盲高斯性,将四阶混合累积量(FOMC)序列代替实测序列进行低频振荡的辨识。然后,利用HTLS和自适应神经网络算法(Adaline ANN)相结合,估计出低频振荡的频率、衰减因子、幅值和相位。Adaline神经网络的引入解决了四阶混合累积处理后,模式幅值和相位不易确定的难点,同时减少矩阵处理引入的误差累积,提高检测精度。四机两区域系统仿真算例和实测相量测量单元(PMU)算例共同表明,FOMC-HTLS-Adaline算法可以在高斯色噪声环境下,精确地在线辨识系统振荡模式。     

电力系统低频振荡的类型判别研究与分析

随着区域电网互联、电网规模不断扩大和快速励磁系统的大量应用,电力系统动态稳定性问题也越来越突出,逐渐成为影响电网安全和限制输电功率极限的主要因素。由于动态元件的大量投入,改变了系统动态调节性能,若动态稳定性差将容易引发系统低频振荡。系统低频振荡会导致系统出现频率、电压、功率等电气量不同程度振荡的现象,持续恶化的互相作用最终将导致系统失稳、解列,形成大规模的停电事故。因此电力系统低频振荡问题越来越受到人们的关注,而如何正确、快速判别振荡性质成为难于解决的问题。对负阻尼振荡和强迫振荡的特性进行研究,提出了基于起振阶段暂态响应包络线形状的振荡类型判别判据,以某电网低频振荡为实例加以验证,表明所提出的研究方法能有效判断低频振荡类型。对分析实际运行中低频振荡现象以及有效抑制系统低频振荡具有重要的指导意义。     

基于包络线拟合的低频振荡性质在线判别

低频振荡发生时,准确判别低频振荡的类型,对抑制低频振荡、降低其危害具有重要的意义。文中在分析各种机理低频振荡的振荡曲线特征的基础上,提出了基于包络线拟合的振荡性质判别方法。首先,通过经验模态分解(EMD)方法,提取出振荡信号的主导模式振荡曲线,然后通过对提取出的主导模式信号的包络线进行拟合,根据拟合误差判别出振荡的类型。给出了性质判别的流程和实现方法,并通过仿真案例和广域测量系统记录的实际案例,验证了所提出方法的有效性。     

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。     

基于粒子滤波与EEMD的低频振荡模式识别方法研究

为克服传统方法对非线性非高斯系统信号中噪声处理的缺点,提出一种基于粒子滤波算法与改进的EMD分解—EEMD分解法相结合的新方法。所提方法首先利用粒子滤波将非线性非高斯系统的初始信号的噪声去除,减少了噪声对后续操作的影响,再采用EEMD分解对去噪后的信号进行分解得到此征模态分量IMF,进而对此征模态分量IMF计算出瞬时频率,从而得出低频振荡的模式。通过算例仿真分析表明文中方法的可行性及有效性,并通过与Prony分析算法得到的结果进行了对比,验证了文中方法的正确性。为电力系统低频振荡处理非线性非高斯系统信号提供了一种新的途径和方法。     

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。     

基于类噪声信号和ARMA-P方法的振荡模态辨识

弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,振荡模态是表征系统振荡特性的重要参数,反映了各节点对振荡模式的参与情况。目前基于测量信号一般在振荡发生后进行模态分析,缺乏在系统正常运行情况下的分析手段。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中提出一种自回归滑动平均-Prony(ARMA-P)方法对这种类噪声信号进行处理,在采用ARMA模型拟合类噪声信号估计低频振荡模式参数的基础上,进一步建立信号的Prony模型,最终实现对低频振荡模态的辨识。将该方法用于对新英格兰系统仿真数据进行处理,其辨识结果与小干扰稳定计算结果进行了比较,并进一步将该方法用于处理南方电网实测数据,证明了其有效性。     

基于广域量测的云南小水电群振荡解列原理及判据

如何迅速找到振荡源或最大参与振荡的机群并迅速解列,是解决电网低频振荡问题的关键所在。文章从云南电网振荡特性出发,采用基于功率振荡幅值和基于PRONY分析的解列原理判断系统是否处于振荡,根据机电波传播理论推导出判断云南振荡源的方法。该方法利用广域量测信息,能在线判别电网振荡源和给出解列振荡源措施。RTDS试验证实所提出的方法是正确有效的。     

基于能量时空分布熵的低频振荡类型判别方法

电力系统发生低频振荡时,准确判断振荡类型对确定振荡起因和采取抑制措施至关重要。将低频振荡细分为局部振荡、区间振荡和局部—区间耦合振荡,并从熵的基本原理出发,结合不同类型低频振荡的振荡能量时空分布特性,提出基于能量分布熵的低频振荡类型判别依据。首先利用Prony分解提取主导振荡模式的电气量数据,计算各机组振荡能量并且得到振荡能量空间分布熵和标幺化标准差分类指标,然后通过增加滑动窗的方式动态反映振荡能量随时间的变化态势,对结果进行曲线拟合显示不同类型振荡能量时空分布规律,利用熵差综合分类判据对低频振荡类型加以区分。通过华北电网不同类型低频振荡仿真计算,验证了所述方法的有效性。     

ITD和随机减量法在互联电网振荡特性分析中的应用

弱阻尼低频振荡特性是保证系统安全稳定运行的重要基础。提出采用Ibrahim时域法（Ibrahim time domain,ITD）和随机减量法相结合的方法处理广域测量信号,实现电力系统振荡特性的系统化分析。在介绍方法基本原理的基础上,通过不同类型南方电网实测信号功率谱特征比较,建立类噪声信号基本概念,进而以36节点系统仿真信号和南方电网实测信号为例,应用上述方法提取典型信号中所包含的系统动态特征信息,实现电网低频振荡特征参数识别,为基于广域测量信号,全面、及时、准确地掌握互联电力系统动态特性奠定坚实基础。     

基于PLC的水火电机组功率振荡判据

低频振荡时刻威胁着电网的安全与稳定,电厂与机组侧的不稳定是导致电网振荡的主因之一,从源头上及时发现功率的振荡,然后采取措施消除电网振荡的可能性、避免进一步扩大是十分有意义的。本文提出了一个机组功率振荡判据,并将此方法在施耐德PLC上实现,通过模拟振荡信号验证了此方法的合理性与可行性。     

基于加窗插值FFT算法的低频振荡模式分析

电力系统低频振荡已影响到电网的安全稳定,对此提出了一种基于加窗插值快速傅里叶变换(fast Fourier transform,FFT)模式分析法。该方法采用海明窗进行低频振荡信号加权分析以减少FFT算法的频谱泄漏,且通过对比前后两次谱分量幅值差异来确定模态阻尼因子,再利用双峰谱线插值算法减少栅栏效应的影响,同时使用多项式逼近求解主导模式的频率。仿真结果表明,该方法可有效分析低频振荡的主导模态参数,计算量较少,并对含白噪声的信号具有较好的鲁棒性。     

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,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。     

基于ICA-EMD和Prony算法的区域电网低频振荡模式分析

针对互联电网低频振荡频现,已有低频振荡模式分析方法对噪声较为敏感和难以处理非线性、非平稳信号等问题,提出一种基于独立分量分析(ICA)与经验模态分解(EMD)有机结合的Prony关键振荡模式辨识法。通过对观测到的功角信号进行滤波预处理,并对其进行经验模态分解提取得到固有模态函数(IMF),将已得原始固有模态函数白化,接着用独立分量分析处理得到真正的IMF,用Prony算法辨识各IMF分量提取出观测信号中关键振荡模式。研究结果表明,该方法综合利用了ICA的去相关性和噪声抑制优势及EMD对复杂信号的分解能力,克服了Prony算法难以去除噪声和分解频率相近模式的缺陷,有利于提高辨识精度和准确性,更能满足实际应用需求。     

基于模糊聚类的NExT-ERA低频振荡类噪声辨识

低频振荡模态分析为电网的安全稳定运行提供了最基本的信息要素。针对环境激励下PMU量测的类噪声信号,讨论了自然激励技术结合特征系统实现算法(NExT-ERA)进行低频振荡模态识别的适用性,对非同步量测信号采用数据截断预处理后,利用该方法同样可以实现有效辨识。引入模糊C均值聚类算法对辨识结果中真伪模态进行自动拾取,提高了辨识精度。通过对IEEE4机11节点系统和IEEE16机68节点系统的仿真数据分析,表明所提出的方法对低频振荡类噪声信号具有较高的模态辨识能力和计算效率,在低频振荡广域监测中具有很好的应用前景。