电力系统振荡与谐波扰动识别的prony分析法

为实现电压扰动的抑制与补偿,需要对电压扰动进行自动的识别,以便有针对性地采取措施。针对电压扰动中难以正确区分的谐波与高、低频振荡扰动,提出了一种基于Prony算法的识别方法。该方法能够对谐波和高、低频振荡扰动信号进行有效识别,并求解出相应扰动信号成分的特征参数:幅值、衰减系数、频率和初相位等。对该方法进行了计算机仿真验证,取得了令人满意的效果。信噪比为40dB条件下,谐波、振荡和振荡与谐波扰动同时发生时,在准确计算特征参数情况下的正确识别率分别为96%、94%和92%,若只考虑类型识别正确率则上述指标可达98%。所提方法适用于频率跨度大、成分比较复杂的扰动信号的分析,能够很好实现扰动的识别。将所提方法与其它方法结合,还可对多种扰动进行有效的识别。     

电压暂降扰动源电压空间矢量辨识法

分析了不同暂降扰动源产生的电压暂降的幅值、相位和谐波特征,提出一种基于电压空间矢量的电压暂降扰动源辨识方法。该方法先对三相电压信号进行αβ变换构造出电压空间矢量和零序分量,利用离散傅里叶变换(DFT)将电压空间矢量分解成正、负序两个旋转分量,构造出幅值、相位和谐波特征量,将三者相结合可对造成电压暂降的扰动源进行辨识。时变电压空间矢量在复平面轨迹的三维可视化的描述可以对电压暂降全过程进行全面表征。利用Matlab/Simulink建立简单配电网的仿真模型,结果验证了所提出方法的有效性和正确性。     

基于概率神经网络和双小波的电能质量扰动自动识别

对电能质量(PQ)扰动的自动识别是找出引起PQ问题根本原因的前提。提出了一种基于概率神经网络PNN(Probabilistic Neural Networks)和db10,db1双小波的PQ扰动自动识别方法。首先,利用db10小波对信号进行分解,将各层小波变换系数的能量和第1高频层模极大值情况作为PNN的输入矢量,判断扰动类型;然后,对信号进行傅里叶变换以检测信号中是否含有谐波;最后,对判断存在电压下降的信号进行db1小波分解,根据其低频层的模值区分电压下陷和电压中断信号。测试结果表明,该方法提高了识别正确率,且实现简单,能有效检测幅值较小的谐波。     

基于dq变换、小波变换及FFT的电能质量扰动识别

利用dq变换有效值波形特征、小波变换和FFT对7种电能质量扰动信号进行分层次识别并求其取特征参数。首先根据扰动信号电压有效值的分布特性将扰动分为两类:电压暂降、暂升和中断为第1类:谐波、瞬态脉冲、低频振荡、电压波动为第2类。然后对第2类扰动进行小波多分辨率分析,由高频系数特征识别出瞬态脉冲和低频振荡,通过过零点个数将两者区分。最后再对小波变换后高频系数呈现相似分布的谐波和电压波动进行FFT变换,用频谱特性进行识别。该方法不仅能够有效识别扰动类型,同时还能够求出电压暂降等扰动的起止时刻和幅值,瞬态脉冲和低频振荡的峰值、峰值时刻等特征参数。仿真实验结果表明了该方法的有效性。     

电容器投切扰动源的交叉不完全S变换定位方法

提出了一种基于交叉不完全S变换的电容器投切扰动源定位的新方法。定位方法首先利用扰动电压信号功率谱包络的动态测度确定扰动频率,并针对该频率求瞬时电压和电流信号的不完全S变,求得相应的扰动频率向量,接着对两向量作交叉S变换,得到扰动频率向量的交叉相位谱,然后从该相位谱中提取对应于扰动起始时刻的值,即得到瞬时电压和电流信号扰动频率分量的相位差,最后根据其极性判断扰动源相对于监测点的位置。仿真结果验证了该方法的有效性。     

广义S变换在电能质量扰动识别中的应用

针对电能质量扰动信号检测和定位问题,提出一种基于广义S变换的动态电能质量的识别方法.首先推导广义S变换的离散公式,并把典型扰动变换到相空间中,从不同角度提取扰动相空间中的特征量,判断扰动高频奇异点,对所得的结果进行分析并与S变换进行比较.结果表明,广义S变换比标准S变换更具有灵活的时频聚焦性.不仅能有效地检测到电压幅值的瞬时变化,而且能准确判断频率的变化,特别是高次分量.此外,在间谐波和相位检测方面效果良好.     

消除负频率影响的低频间谐波快速检测方法

对电网采样信号进行离散频谱分析时存在负频率分量,负频率对低频间谐波分量具有干扰作用;当间谐波频率邻近基波、谐波或直流分量时,其频谱会泄漏到附近的基波、谐波或直流谱线上,此时会产生主瓣干涉而无法准确检测间谐波。建立了包含负频率在内的间谐波数学模型,通过组建和求解不同位置的谱线方程组,消除了负频率的影响,得到低频间谐波参数的显式求解公式,实现了在IEC标准同步采样要求下对低频间谐波的快速检测。特别是当间谐波与附近的基波、谐波或直流分量间隔小于1个频率分辨率时,该方法仍能在有限的采样数据长度下快速精确地检测出间谐波。仿真结果表明,该方法不受直流偏移和谐波分量的影响,同时具有较好的检测速度和抗噪性能。     

基于S变换模矩阵的电能质量扰动信号检测与定位

针对电能质量扰动信号的检测和定位问题,提出了一种基于S模矩阵幅值平方和均值的扰动定位算法,并对常见的几种扰动信号进行S变换仿真,应用S模矩阵幅值平方和均值定位扰动发生时间和持续时间,分析谐波成分等.仿真结果表明,所提算法简洁有效,能够准确分析谐波成分和定位扰动信号,可以估计电压暂降、电压暂升以及电压中断等扰动信号的变化幅度.     

基于改进局部均值分解和概率神经网络的电压扰动识别

随着新能源技术的发展和普及，大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响，提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合，构造一种电压扰动分类器，对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应，应用改进LMD算法对扰动信号进行3层分解，得到具有电压信号幅频信息的乘积函数PF（product function）分量，将由PF分量构造的信号能量作为概率神经网络的输入，以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验，结果表明，该方法可以准确识别电压扰动信号，有助于提高电力系统中电压扰动信号的识别精度。     

一种新型光IQ调制器自动偏压控制方法

提出一种新型的适用于光OFDM调制的IQ调制器自动偏压控制方法。通过在偏置电压上添加低频扰动信号,探测其1,2阶谐波分量的强度并据此调节偏置电压,可使调制器工作在最佳偏置点。此方法结构简单,可用低速器件实现,在最佳偏置点处具有更高的灵敏度。仿真以及实验结果表明此方法可以更精确的将偏置电压调至最佳点,且扰动信号导致的信噪比代价可被忽略。     

基于能量函数的电网低频振荡及扰动源定位研究

由于电力系统稳定器在实际电网中的广泛配置,常规的离线小干扰计算分析已经难以得到负阻尼或弱阻尼的低频振荡模式.然而,实际系统中仍然频繁出现低频振荡现象,根据对大量事故的分析,发现多重扰动的发生以及周期性扰动源的存在都可能引发低频振荡.构造了基于联络线的能量函数,并将能量分解为振荡分量和准稳态分量,从而对多重扰动引起的系统低频振荡进行分析,以提供可供调度人员参考的动态安全信息;并将传统的支路势能分解为周期分量和非周期分量,利用非周期分量在网络中传播耗散的方向来实现周期性强迫扰动源的快速、准确定位.实际电网仿真算例验证了所提方法的有效性和可行性.     

基于点估计法和风险评估理论的互联大电网低频振荡概率稳定性研究

提出了适用于互联大电网低频振荡概率稳定性分析指标及方法,并对某实际互联大电网进行了概率分析。在已知电网各种不确定因素的概率分布条件下,基于小扰动计算方法,利用两点估计计算出这些不确定因素引起系统低频振荡概率大小。利用风险评估理论对多重扰动可能引起的系统低频振荡失稳情况进行了分析,给出了电网的控制代价与低频振荡风险。通过对小扰动和大扰动综合概率分析,给出了电网公司在承担风险与提高输电能力时的比较途径,可供电网运行人员在权衡经济型与安全性时参考。     

基于MEEMD与MP的电网低频振荡模态识别

针对目前电力系统低频振荡模态辨识的精确性和抗干扰性问题,提出了一种基于改进集合经验模态分解方法与矩阵束的电网低频振荡模态特征辨识新方法。首先利用改进集合经验模态分解方法将采集到的量测信号分解,从而获得若干个IMF分量序列及其残余量,再将剩余项去除后把其余本征模态函数进行重构,最后把重构信号通过矩阵束的分析来获知各个振荡模式信息。数值信号和EPRI-36节点系统的仿真验证了所提方法的有效性。     

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。     

改进的HHT算法在电力系统谐波检测中的应用

使用改进的HHT方法检测电力系统谐波.由于HHT方法存在模态混叠现象,不能有效的得到各次谐波分量.采用预处理的方法,首先将一个信号通过一级低通滤波器得到一级高频成份和一级低频成份,一级高频成份进一步分解为二级高频成份和二级低频成份,如此类推直到满足分解完成条件.对各个频带进行EMD分解得到IMF分量,最后将所有的IMF...     

电力系统传动转矩控制器低频振荡控制方法研究

转矩控制器时常发生的低频振荡问题,不仅影响电力系统正常运行、对相关系统设备具有较大危害,而且电力系统参数的过快变化,也在一定程度上提升了低频振荡的控制难度,为此,面向电力系统中的转矩控制器,提出一种低频振荡控制方法.根据网压信号构建系统的状态空间模型方程,经初始化与重采样处理粒子集,依据粒子最优状态估计去除信号噪声,基...     

Frequency-filtering zoom

Spectral component discrimination and the estimation of one or more signal frequencies are classical problems in signal processing. The purpose here is to study a new technique intended to increase the frequency resolution, called frequency-filtering zoom (FFZ). The advantage of the method is that it gives a faithful reproduction of the amplitude and phase spectra of signals, in contrast to existing methods which need a phase correction. Moreover, our zoom has been designed to enable software real-time analysis of low-frequency signals.     

基于EMD盲源分离算法的电力系统低频振荡模式识别

针对广预测量系统低频振荡过程中的高斯噪声干扰和定阶问题,提出了基于EMD(empirical mode decomposition)盲源分离(blind source separation,BSS)算法的单通道低频振荡信号的模式分析方法。首先将信号利用经验模态分解得到一系列本征模函数分量组合的新信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号,并利用独立分量分析消除模态混叠的有效方法;然后利用盲源分离技术--二阶盲辨识算法(second order blind identification,SOBI),处理多通道观测信号矩阵,从中提取出不同的单模式信号;最后将去噪、定阶后的信号运用最小二乘-旋转不变技术(TLS-ESPRIT)算法辨识,得到低频振荡模态参数。数值算例仿真、IEEE四机两区域仿真实验表明该算法能够有效分离源信号,相比于其他方法具有抗噪性能好、拟合精度高等优点。     

关于一阶∑-Δ模/数转换器工作原理的深入认识

以一阶∑-Δ调制器为主干,用Matlab仿真作为辅助手段,对∑-Δ模/数转换器的工作原理进行了分析和讨论。阐明了由于∑-Δ模/数转换器主要优点是基于数字信号处理,因此∑-Δ模/数转换器可与其它安数字设备集成于一体,并且主要适用于低频信号来克服硬件设备采样速率的局限性。     

基于改进频移经验模态分解的低频振荡参数提取

对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。