基于改进小波阈值去噪和RCRSV-MP算法的电力系统低频振荡模态辨识

针对广域测量系统低频振荡辨识中存在噪声干扰和定阶不准确的问题,提出了基于改进小波阈值去噪和奇异值相对变化率(RCRSV)定阶的矩阵束(MP)算法相结合的方法对电力系统低频振荡模态进行辨识。在小波去噪基础上对阈值进行改进,使得阈值随分解层数的增加而发生改变,能够有效地抑制低频振荡信号的噪声;然后将去噪后的信号用RCRSV-MP算法进行辨识,从而获取低频振荡各个模态参数。根据RCRSV定阶具有自适应性,无需人为设定阈值。通过仿真算例、测试系统及电网实际案例的结果显示,所提方法相比于其他方法具有抗噪性能好、拟合精度高等优点,具有较强的实用性,能够实现在线辨识。     

基于解相关LMS自适应滤波算法的低频振荡模式在线辨识

为提高电力系统低频振荡现象的实时监测水平,提出一种基于横向滤波器模型的解相关最小均方误差递推算法进行低频振荡模式辨识。该改进算法在原有最小均方自适应滤波算法的基础上,解除输入信号之间的相关性,提高了算法辨识的精度和收敛速度。通过对New-England 10机39节点系统的仿真数据分析以及南方某电网实测线路的辨识计算,其结果验证了该改进算法对低频振荡模式辨识的有效性。并通过与基本的LMS（最小均方）算法以及传统ARMA（自回归-滑动平均）算法辨识效果的比较,验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度,更具有实际的工程意义。     

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。     

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。     

基于广域信号的区域间低频振荡监视

随着电网互联程度的提高,低频振荡问题很难避免。广域测量系统的出现为更好的监视低频振荡、辨识振荡模态提供了技术基础。从计算速度、定阶判据、计算精度角度分析了现有模态辨识方法,着重比较了Prony方法和ESPRIT方法的适用性,提出了基于广域测量系统辨识电力系统低频振荡监视系统的思路。     

基于EMD-TEO及信号能量分析法的主导低频振荡模式识别

提出了一种识别电力系统主导低频振荡模式的新方法。该方法综合了经验模态分解(EMD)、Teager能量算子(TEO)及信号能量分析法,借助经验模态分解处理非平稳信号,不需考虑定阶问题,扩展了信号能量分析法的应用范围;利用Teager能量算子的快速响应能力及健壮性,提高了频率辨识精度;根据二阶模型下的信号能量分析法,提出了一种阻尼比的简化算法。分别在WEPRI-36系统和实际电网中进行了验证,并与Q-R特征值分析法及Prony算法进行了准确性比较。结果表明,新方法对非线性系统的适应性比Prony算法强,可用于低频振荡主导模式的有效识别。     

基于形态滤波和Prony算法的低频振荡模式辨识的研究

针对传统Prony方法对噪声敏感导致辨识精度不高的问题,提出了一种基于形态滤波和Prony算法相结合的低频振荡模式辨识的方法,实现了在有混合噪声干扰情况下低频振荡模式的准确辨识。基于数学形态学,设计了一种基于半圆形结构元素的形态滤波器,在选取合适的元素尺寸情况下,可以有效滤除混合噪声。对于去噪声之后的信号采用Prony算法进行辨识,可准确获取低频振荡各个模式参数。通过Matlab进行算例仿真,表明了对电力信号进行预处理的必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ISPM和SDM-Prony算法的电力系统低频振荡模式辨识

针对广域测量系统低频振荡辨识过程中的噪声干扰和定阶问题,提出了基于改进平滑优先方法(improved smoothness priors method,ISPM)和SDM定阶的Prony方法进行电力系统低频振荡模态辨识。首先将待处理信号经过ISPM滤波同时对高频干扰项和趋势项进行快速准确去除,然后对消噪后的信号进行SDM-Prony辨识,得到低频振荡的主导模态参数。该方法在定阶时能够根据奇异值分解的具体情况进行自动准确定阶,无需阈值的人为选取,使定阶具有自适应性。将该方法分别用于仿真信号和实测振荡信号分析,并和传统的Prony方法进行比较,该方法在拟合精度指标相差不大的情况下估计的阶数更加逼近真实阶数,并且具有运算简单、抗噪性能好等特点,可快速准确辨识出主导振荡模态信息。仿真结果表明,文中方法具有良好的实用性。     

数学形态学和ESPRIT在低频振荡分析中的应用

为了准确地辨识电力系统低频振荡模态参数,该文提出了基于数学形态学MM(mathematical morphology)和总体最小二乘法的旋转不变技术TLS-ESPRIT (total least squares-estimation of signal parameters via rotational invariance technique)的电力系统低频振荡模态参数识别新方法.首先运用基于数学形态学原理而构成形态滤波器对含有噪声的电力系统低频振荡测量信号进行滤波和平稳化处理,去除噪声,提高辨识精度;然后由TLS-ESPRIT算法辨识出电力系统低频振荡模态参数,该算法把信号分成信号子空间和噪声子空间,能够得到更符合电力系统实际的降阶模型和主导模态,有助于电力系统振荡特性分析和阻尼控制器的设计研究.数值仿真分析表明该方法的可行性和有效性.     

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。     

基于已知激励响应的低频振荡信息在线辨识

当前电力系统常采用日常小扰动响应在线辨识获取低频振荡模式信息,这对大电网低频振荡的分析和抑制具有重要价值。针对低频振荡信息在线辨识,给出了两段最小二乘法,与常规递推自回归滑动平均方法相比,其具有较高的迭代收敛速度与辨识准确度。在介绍小扰动下的已知激励响应信号和环境激励响应信号基本原理的基础上,对比得出2种信号在激励与响应、信号成分和数据量大小方面存在的区别,提出低频振荡在线模式信息辨识方案,进一步在10机39节点系统中通过仿真获取已知激励响应信号和环境激励响应信号,对2种信号的功率谱与辨识结果进行对比分析。分析结果表明在确定激励位置、观测点选择和响应模式间对应关系时已知激励响应信号的辨识效果更好,在该情况下可以将已知激励响应辨识作为低频振荡信息在线辨识的主要手段。     

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。     

一种基于信号相关性的低频振荡辨识方法

相量测量单元(PMU)被广泛用于电力系统数据实时采集和状态监测,为电力系统的稳定运行提供了可靠的信息保障。在电力系统受到扰动的情况下,动态过程中会包含低频周期性衰减成分分量,也可能体现为低频振荡。基于PMU实时采集信号,构建了一种针对低频振荡的相关辨识方法,可有效辨识系统因短时扰动而产生的低频振荡模式,并通过量化系统动态过程振荡强度来准确辨识起振时间。通过仿真计算和针对实际变电站PMU采集信号的辨识计算,验证了此方法的可行性。此方法在实际变电站受到短时扰动的情况下可在短时内准确辨识出低频振荡成分的频率、幅值、衰减系数和动态过程的起止时间等参数,并能够较好地复原系统由受扰至恢复的动态过程,为电力系统的低频振荡辨识提供了一种可行的新方法。     

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EWT和改进Prony算法的含风电区域电网低频振荡模态及影响因素研究

区域电网风电渗透率的提高使得电力系统的惯量降低,同时由于风电的随机波动性及不确定性增加,使得区域电网间联络线传输功率变动范围扩大,因此含风电区域电网低频振荡模态辨识方法及影响因素有待深入研究。文中提出一种基于经验小波变换方法(EWT)与改进Prony方法相结合的低频振荡模式辨识方法;在扩展四机两区域系统中,分析了含风电区域电网惯量变化和风电功率波动对区域间振荡模态的影响,基于极限传输功率下分析了双馈风电机组虚拟惯量控制参数对振荡模式的影响,给出了抑制含风电区域电网低频振荡的虚拟惯量参数设定值。     

基于FSSI的环境激励下机电振荡特征参数快速识别方法研究

环境激励作用下的电力系统随机响应蕴含丰富的系统动态信息。随着广域测量系统的广泛应用,基于随机响应信号的低频振荡分析具有良好的应用前景。在对电力系统随机响应数据特征分析的基础上,提出了基于快速随机子空间辨识算法(Fast Stochastic Subspace Identification,FSSI)的电力系统机电振荡参数识别方法。FSSI算法利用LQ分解取代了传统随机子空间算法中的奇异值(SVD)分解过程,在保证SSI算法在振荡频率、阻尼比及模态振型识别精度的同时,极大地提高了分析计算的速率。IEEE 4机2区域系统和16机68节点系统仿真计算结果表明文中提出的方法具有较高的识别精度和计算速率。     

基于改进多信号矩阵束算法的电力系统低频振荡识别

提出了适用于电力系统低频振荡模态识别的改进多信号矩阵束算法。利用奇异值分解（Singular value decomposition,SVD）分离信号和噪声子空间,确定阶数并消除信号噪声。通过建立多信号归一化的样本函数矩阵对矩阵束算法进行改进,辨识电力系统模态。利用原始Prony法、谐波恢复的Prony法和改进的多信号矩阵束法,对理想信号和仿真系统进行分析。结果表明多信号矩阵束法的辨识精度较高,具有一定的抗噪能力,并且通过对多信号归一化的处理避免了不同类型信号叠加时较小信号的湮没,适用于低频振荡在线识别。     

低频振荡模式辨识的改进衰减正弦原子分解法

为克服传统衰减正弦原子分解法的估计偏差,提出一种改进的衰减正弦原子分解法用于低频振荡模式辨识。该方法在匹配追踪中引入松弛算法的思想,通过迭代的策略分离各个振荡模式,并采用改进萤火虫算法和伪牛顿法相结合的优化方法,在衰减正弦原子库中进行参数寻优。通过数值信号仿真、IEEE4机2区系统仿真和相量测量单元PMU(phasor measurement unit)实测信号仿真,验证了本文所提方法可获得振荡参数的无偏估计,提高了辨识精度,且具有良好的抗噪能力,能够满足低频振荡模式辨识的要求。