低频振荡模式辨识中信号非线性去趋的平滑先验方法EI北大核心CSCD

基于PMU实测信号的低频振荡模式在线辨识是阻尼控制的基础,有效去除PMU实测信号中的非线性趋势才能保证模式辨识的精度。提出了基于平滑先验法的PMU实测信号非线性去趋方法。在分析平滑先验法基本原理基础上,为适应低频振荡模式辨识中信号非线性去趋要求,对其频率响应特性进行研究,确定平滑先验法的正则化参数。采用IEEE-39节点系统时域仿真信号和某电网的PMU实测信号对所提方法进行测试,并与经验模态分解法和数字滤波法进行了比较,表明该方法能够更有效地去除信号中的非线性趋势,较大幅度地提高计算速度,同时也能提高低频振荡模式辨识精度,具有较高的实际应用价值。     

一种消除电力系统受扰轨迹非平稳趋势项的方法

采用平滑优先方法(SPM)对电力系统受扰轨迹进行预处理,以消除其中的低频非平稳趋势项,便于电力系统的模态参数辨识.介绍了SPM算法,分析了不同平滑参数下SPM的截止频率,结合电力系统机电振荡频率范围,指出平滑参数取值500左右可有效去除待分析信号中的低频趋势项,同时保留感兴趣的模式.以人工合成信号为例,仿真分析表明,平滑参数不仅对信号中低频模式成分的能量有较大影响,同时还影响低频模式成分中阻尼辨识的精度.进一步以4机2区域系统为例,结果表明SPM可有效剔除信号中低频趋势项,提高模态参数的辨识精度.     

基于NExT和PRCE方法的低频振荡分析

将结构学用于分析机械结构振动特性的多参考点复指数法(PRCE)与自然激励技术(NEx T)相结合实现基于随机响应的低频振荡模式辨识。该方法首先利用NEx T从系统随机响应信号中获得自由振荡信号,然后采用PRCE方法对所获得的自由振荡信号进行模式辨识得到低频振荡模式的频率、阻尼比和振荡模态。16机系统中基于蒙特卡洛仿真辨识结果表明了该方法的有效性和正确性;与已有方法的对比表明该方法在辨识精度以及抗噪性方面表现得更好。基于四川电网PMU实测数据的辨识结果表明了该方法的有效性和可行性,为电力系统低频振荡分析提供了一种途径和方法。     

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。     

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。     

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。     

基于改进的ARMA递推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,提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法进行低频振荡模式辨识,并通过估计ARMA谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法拟合高阶AR模型单独得到白噪声估值,再将该估值用于常规加权递推最小二乘算法中,提高了算法参数辨识的精度和收敛速度。New-England 39节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性,并通过与常规加权递推最小二乘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。最后通过对某电网PMU实测数据的辨识分析,验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比,具有实际的工程意义。     

基于数据驱动随机子空间方法在低频振荡辨识中的应用

根据WAMS实测数据,对电力系统低频振荡模式进行辨识,对基于数据驱动随机子空间（SSI）辨识方法进行了研究。首先通过小波技术消去信号中的噪声分量,然后消去直流分量。利用处理后的数据构造Hankel矩阵,通过QR分解、SVD分解,利用卡尔曼滤波估计得到系统的随机状态模型,再对状态矩阵进行特征值分解,最终得到系统低频振荡模式参数。利用该方法分别对理想信号、仿真信号、电力系统实测数据进行分析。分析结果表明,基于数据驱动随机子空间方法能够准确辨识出系统主导振荡模式,可以应用于低频振荡模式的在线辨识。     

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。     

基于改进EEMD滤波原理及TLS-ESPRIT算法的低频振荡模式识别

针对不稳定信号PRONY辨识的噪声敏感和辨识精度低的局陷,提出一种改进的低频振荡模式辨识方法,实现了在复杂噪声于扰情况下的低频振荡模式的准确辨识.该方法基于EEMD算法设计改进了EEMD滤波器,可以有效滤除噪声,保留更多的信号模态特征.对滤波后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行参数辨识,从而获取低频振荡各个模式信息.通过算例仿真验证了该方法的有效性.     

基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

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。     

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。     

基于数学形态学滤波技术和TLS-ESPRIT算法的低频振荡模式辨识研究

针对传统Prony方法对噪声敏感和辨识精度不高的局限性,提出一种新的低频振荡模式辨识方法,实现了在有噪声干扰情况下低频振荡模式的准确辨识。该方法基于数学形态学设计出一种多结构元素的并行复合形态滤波器,可有效滤除多种噪声,保留更多的有用信息。对消噪后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行辨识,从而获取低频振荡各个模式参数。通过算例仿真,说明所提出的方法是可行和有效的。     

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。     

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.     

计及模型定阶的低频振荡模式类噪声信号辨识

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,但目前基于测量信息只能在振荡发生后进行告警,而不能预警.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.文中基于这种类噪声信号,采用自回归滑动平均(ARMA)法进行低频振荡模式辨识,从而实现电网正常运行状态下的动态稳定性预警.模型定阶是利用ARMA法进行振荡模式辨识的关键步骤,直接关系到结果的准确性.在分析比较各种定阶准则优缺点的基础上,选用贝叶斯准则(BIC)确定ARMA模型阶数,进一步面向在线实际应用,采用ARMA(2n,2n-1)建模方案提高辨识速度.最后,将该方法用于对36节点系统仿真数据和南方电网实测类噪声信号进行处理,辨识结果说明了该方法的有效性.     

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STD法的电力系统低频振荡辨识

介绍稀疏时域(STD)法的基本理论并对其进行改进,给出基于该方法进行低频振荡模式参数辨识的具体实施步骤。16机系统时域仿真数据和某实际电网相量测量单元(PMU)实测数据验证了改进STD法的有效性和实用性。改进STD法与总体最小二乘-旋转不变技术(TLS-ESPRIT)及Ibrahim时域(ITD)算法辨识结果的对比表明,改进STD法在准确性和抗噪性方面均表现较好;与含低通滤波器的多通道ITD算法相对比,改进STD法无需对输入信号进行低通滤波即可实现准确辨识。