基于LCD的同步电机参数辨识新方法

提出了一种基于局部特征尺度分解(LCD)的同步电机参数辨识新方法。该方法根据LCD可将同步电机突然短路分解为系列内禀尺度分量(ISC)之和,而且ISC按频率从高到低的顺序依次排列的特点,通过选择不同的ISC分量构造具有自适应能力的滤波器以滤除噪声、获取直流成分和基波电流。对获取的直流电流和基波电流分别运用改进稳健回归算法和Prony算法精确辨识同步电机参数。仿真信号结果表明,与基于EMD的突然短路电流分离方法相比,LCD的分解速度更快;与Prony算法相比,LCD联合Prony的辨识方法受噪声影响小,参数辨识精度高。试验结果进一步验证了所提方法的可行性和正确性。     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量,辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

基于改进FastICA和Prony算法的同步电机参数辨识

电力系统模型及参数的准确性对系统动态仿真至关重要。针对Prony算法在辨识同步电机参数存在对环境噪声敏感及输入数据要求较高的问题,提出一种结合经验模态分解的快速独立分量分析方法以实现对短路电流噪声信号的提取。首先对理想同步电机短路电流做经验模态分解,获取1组固有模态函数;然后通过计算各函数的互相关系数,找出独立性最强的几个分量,与原含噪短路电流及残余项一起作为快速独立分量分析方法的输入,输出1组独立分量,其中1个分量作为噪声估计量,进而得到去噪后的短路电流;最后利用Prony算法对去噪后的短路电流分析,辨识出同步电机瞬态及超瞬态参数。数字仿真结果验证了所提方法的可行性与有效性。     

采用原子分解法的同步电机参数辨识

为了准确辨识出同步电机参数,提出一种基于原子分解的新算法。首先构建相关原子库并将原子离散化参数连续化,运用进化匹配追踪算法,快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流;然后从分解的各原子信号特征参数中推算出同步电机参数。通过截取稳态短路电流的采样信号,辨识出同步电机的同步电抗和短路初相角值。以理想突然短路电流和含噪声的短路电流为例,仿真进行了对信号的原子分解,获得了相似度较好的重构信号。较之经验模态分解(EMD)和Prony算法,所提出的方法对含噪声信号短路电流的分解效果更佳。实测算例表明,应用原子分解方法可准确地提取同步电机参数,且有较好的抗噪性能。     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量，辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

基于EMD-SG和信息熵矩阵束的同步电机参数辨识

为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处理,借此提高其信噪比;为较好识别短路电流模态阶数,将信息熵引入矩阵束并将此改进矩阵束算法用以提取预处理后的短路电流各分量的频率和阻尼,进而识别出同步电机的瞬态参数。同步发电机三相突然短路仿真与试验参数辨识结果均表明,该方法在信噪比低于24 d B时,仍能快速、精确地辨识同步电机参数。     

基于局部均值分解的同步电机参数辨识方法

提出了基于局部均值分解(LMD)的同步电机参数辨识方法。采用LMD从短路电流中提取直流电流和基波电流,然后分别采用稳健回归最小二乘和Prony算法对直流电流和基波电流进行辨识,进而获得同步电机参数。以理想突然短路电流信号为例,通过仿真分析了滑动平均跨度与LMD循环次数和电流相对均方误差的关系,确定了滑动平均跨度。高信噪比(30 d B)时,由于LMD具有平滑滤波功能而无模态混叠现象发生。低信噪比(15 d B)时,提出了基于前置滑动平均LMD的短路电流分离方法,可有效获取直流电流和基波电流分量。较之经验模态分解(EMD),基于LMD的理想突然短路电流分解效果更好。仿真结果表明,与EMD方法相比,所提方法受噪声影响较小,参数辨识精度更高。     

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。     

基于迭代Prony算法同步电机参数的辨识

获得准确的同步电机参数是研究、分析电力系统运行和控制系统设计的前提。为解决当前在工程实际应用中瞬态参数求解的方法中所存在的数据处理精度不高、误差大等问题,引入一种具有一定抗噪能力的迭代Prony算法。Prony算法直接提供按指数规律衰减信号中各种分量的频率和幅值,更加切合电力系统暂态变量的特点。运用该算法对同步电机的瞬态进行参数辨识。数值仿真分析表明,在过滤了直流分量和信噪比20 dB的情况下,该方法能精确地辨识出同步电机的瞬态参数,因此,也验证了该算法的有效性。该方法有进一步研究和工程应用价值。     

基于EMD的Prony算法在低频振荡模态参数辨识中的应用

Prony算法对分析数据的噪声非常敏感,对输入信号要求较高,鉴于此,提出将EMD和Prony算法有机结合的电力系统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,首先利用EMD对非平稳、非线性信号的能力进行分解,通过能量权重比找出含有主导振荡模式的IMF;最后利用Prony算法对其进行分析后获得电力系统低频振荡模态参数,扩展了Prony法应用范围.通过对PSASP仿真轨迹的算例分析,验证了此方法提取非轴对称振荡信号主导模式的有效性,并通过与特征根分析进行比较,表明了此法能相对精确地进行振荡模式辨识,同时又有很好的复合模式分离能力和良好的抗噪能力.     

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。     

基于改进变分模态分解的低频振荡模式辨别

针对现有信号处理方法无法有效解决电力系统低频振荡信号中的非线性及混叠问题的现状,将一种变分模态分解(VMD)方法引入到低频振荡的模式辨识中,并利用样本熵与快速傅里叶变换(FFT)对VMD无法自适应分解的情况进行了改进。原始信号由改进变分模态分解(IVMD)方法分解为若干模态分量,然后利用Teager-Kaiser能量算子(TKEO)对各分量分别拟合即可获得幅值、频率和阻尼等参数。在构造的测试信号下,令提出方法与VMD、经验模态分解(EMD)、总体最小二乘旋转矢量不变技术(TLS-ESPRIT)和Prony等方法进行模式参数辨识性能对比,结果表明,IVMD方法有效克服了EMD、TLS-ESPRIT和Prony在处理模态混叠、含噪声序列和非平稳信号等方面的不足。最后,通过对IEEE 4机2区域系统和新英格兰39节点系统仿真信号的辨识,验证了该方法在提取电力系统低频振荡模式参数中的有效性。     

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。     

基于经验模态分解自适应滤波的次同步振荡ESPRIT分析

ESPRIT是一种可以准确辨识电力系统次同步振荡模态的算法,但在有噪声的情况下模态参数辨识不理想。提出利用经验模态分解滤波进行改进,然后与未经滤波的ESPRIT算法和PRONY算法进行比较以证明其有效性。仿真结果表明,经验模态分解可实现自适应滤波,且基于经验模态分解滤波的ESPRIT算法的准确性进一步提高。鉴于经验模态分解滤波的自适应性和ESPRIT算法辨识的快速、准确特性,可将此方法用于电力系统SSO在线检测,并为大电网的SSO的监测与研究奠定了基础。     

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。     

基于CEEMD与改进Prony的谐波检测方法

为了解决经验模态分解(EMD)处理非线性非平稳信号的模态混叠现象以及传统Prony方法抗噪性能差的不足。提出基于完全经验模态分解(CEEMD)和改进Prony相结合的谐波分析方法。先将含噪的谐波信号进行CEEMD分解得到固有模态函数,再通过能量门限法对分解的固有模态函数进行阈值去噪。针对原始Prony方法优化了实际阶数和线性预测参数的求解过程。最后将去噪后的谐波分量进行改进Prony变换检测分析。并通过MATLAB仿真实验以及依托三相不可控负载的实测数据验证了该方法能够精确辨识出谐波分量的特征参数且具有良好的抗噪性能,从而为谐波分析提供了一种新思路。     

基于改进HHT的电压闪变检测

针对应用希尔伯特-黄变换(HHT)算法进行电压闪变参数检测过程中经验模态分解(EMD)产生的固有模态分量(IMF)不理想而增大参数检测误差的问题,提出了一种改进HHT的电压闪变检测方法。首先通过在EMD"筛选"步骤中添加四点插值细分算法"分裂"出新的控制点供三次样条插值拟合包络线,然后分解出一组IMF分量,最后对IMF分量采用Hilbert变换得到闪变检测参数。就含噪声的单一分量闪变信号、不含噪声的和含噪声的多分量闪变信号,分别采用未改进HHT方法与改进HHT方法进行仿真检测,研究结果表明,改进HHT算法具有良好的抗噪能力,对模态混叠具有一定的抑制作用,并且能够提高闪变信号参数检测的准确度。