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。     

分析电力系统低频振荡的试验方法

电力系统低频振荡问题十分复杂,现有的研究方法多侧重于理论分析,与现场实测数据结合不够,因此难以得到令人信服的结论。文中提出了一种低频振荡研究的试验方法,该方法采用Prony算法对现场实测数据进行全面分析,并用实测数据分析结果与理论分析结果进行比较。采用该方法对河北安保线振荡进行了实例分析,结果表明所提出的试验方法是一种分析低频振荡问题的有效方法。     

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。     

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.     

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     

WAMS-based detection and early-warning of low-frequency oscillations in large-scale power systems

The phasor measurement units (PMU) and wide-area measurement systems (WAMS) have been widely established in modern power systems to improve the monitoring of the system behavior as well as the system control. In this paper, an integrated scheme for the monitoring and detection of low-frequency oscillations has been developed, based on our extensive experience in using Prony algorithm for oscillation analysis in practical WAMS projects. By analyzing the real-time synchro-phasors, the proposed scheme is competent to identify the characteristics of the low-frequency oscillations in real-time and alert the operators once the oscillation is under-damped or divergent. To ensure accurate monitoring of system dynamics and reliable detection of dangerous oscillations with noise-polluted WAMS measurements, several key signal-processing techniques are implemented, including delicate designing of prefilters, Prony analysis result correction, and comprehensive indices for stability evaluation. In the end, the developed scheme is tested with simulated signals and measurements from practical power systems. Its applications to large-scale power grids for detection and early-warning of low-frequency oscillations are also presented. The results have convincingly demonstrated the validity and practicability of the developed scheme.     

基于Prony算法的模糊电力系统稳定器设计

在简介Prony算法步骤的基础上,阐述了电力系统低频振荡分析的Prony方法。提出了可将Prony算法应用于模糊电力系统稳定器FPSS(Fuzzy Power System Stabilizer)修正因子、比例因子的调节、整定。采用Prony算法为一个单机无穷大系统设计的FPSS作仿真试验,仿真结果显示了其可行性和有效性,为FPSS的设计提供了一种新方法。     

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滑动平均窗算法的电力系统低频振荡特征分析

Prony算法能根据实测数据辨识系统的相关特性参数,有助于分析系统低频振荡。针对传统Prony算法只能分析部分数据且对噪声敏感的问题,提出一种Prony滑动平均窗算法,分窗口对数据进行分析,不仅能充分利用数据,而且采用求和取平均的方法在一定程度上能削弱噪声,即使在信噪比非常小的情况下仍能得到准确的辨识结果。基于PSASP软件的仿真分析验证了Prony滑动平均窗算法所得结果的准确性。     

基于FCM聚类的随机子空间低频振荡模态识别算法

振荡模态的精准捕捉对有效抑制低频振荡有重要意义,基于量测的低频振荡模态辨识方法在在线监测识别领域具有广阔应用前景。本文针对模态识别算法定阶困难、易存在虚假模态等问题,提出了基于模糊C均值聚类的多阶随机子空间算法。通过多阶子空间计算可捕捉所有可能的系统模态,并通过模糊C均值算法确定实际最低阶数,经虚假模态筛除确定最终振荡主导模态,并且能降低干扰,提升辨识抗噪性能。本文算法与Prony算法进行了性能对比,并通过四机两区系统和实际电网相量测量单元量测数据验证了算法的适用性和鲁棒性。