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ICA和WVD的电力系统低频振荡参数辨识

为了提高电力系统中的低频振荡参数辨识的精度,提出一种基于独立分量分析ICA(independent compo?nent analysis)和Wigner-Ville分布WVD(Wigner-Ville distribution)相结合的在线辨识方法。以广域测量系统WAMS(wide area measurement system)监测到的数据为原始输入信号,采用ICA算法对信号进行降噪处理,再应用Wigner-Ville分布研究信号的频率、幅值及能量分布特点。仿真分析和应用实例研究表明,该方法相较于传统Prony辨识算法而言,具有较强的抗噪能力和较好的辨识结果,可以更好地反映电力系统中非平稳信号的局部特性,提高了电力系统低频振荡参数在线辨识的准确性。     

基于实测信号的电力系统低频振荡模态辨识

广域相量测量系统的应用为基于量测的电力系统稳定性分析提供了有力支持。基于动态量测信息准确地辨识电力系统低频振荡模态参数及振型,对提高电力系统低频振荡的实时监测与控制至关重要。结合经验模态分解与随机子空间辨识算法,基于发电机有功功率的动态量测信息,开展了电力系统低频振荡辨识与分析的研究。该方法能够在较短的时间从含噪信号内提取原系统真实准确的振荡信息,同时能够得到各振荡模式相应的振型,有效地克服Prony算法和自回归滑动平均算法受噪声、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。测试系统及仿真结果验证了该方法在电力系统低频振荡分析中的可行性。     

HHT算法在电力系统低频振荡模态辨识中的应用

针对电力系统低频振荡信号的非线性、非平稳特征,提出了一种新的处理方法——希尔伯特-黄变换(HHT)。该方法能够克服传统分析难以处理非平稳信号的缺点;利用其中的经验模态分解(EMD)对信号模态分量的有效分离,对分量进行Hilbert变换,得到相应的参量。通过计算实现对振荡信号的模态参数的辨识与提取,因此该方法能够应用到阻尼控制器的设计中。仿真结果表明该控制器能有效地抑制电力系统低频振荡,提高了系统的安全稳定性。     

基于广域测量系统的电力系统低频振荡的抑制研究

提出了一种基于广域测量系统的附加励磁阻尼控制器(Supplementary Excitation Damping Controller,SEDC),以提高电网系统振荡阻尼的方法。对于电力系统低频振荡信号的非线性、非平稳的特性,采用改进的HHT(Hilbert-Huang Transform)方法在线辨识低频振荡的模态,根据在线辨识结果利用粒子群优化算法对控制器中的电力系统稳定器(Power System Stabilizer,PSS)进行参数优化,从而在暂态运行的情况下提供有效阻尼,抑制低频振荡。通过仿真结果证明,此控制器可以更好的提高系统的稳定性。     

基于约束EKF的低频振荡模态参数辨识

低频振荡已成为限制电力系统区域间功率传输能力的突出问题,严重影响了电力系统的安全稳定运行。为了准确有效地提取低频振荡信号所包含的特征信息,分析低频振荡信号模态构成的特点,在扩展卡尔曼滤波(extended Kalman filter,EKF)算法的基础上,结合信号自身的物理约束,提出一种低频振荡模态参数辨识方法,实现了约束条件下的低频振荡模态参数实时在线辨识。所提方法能有效避免运用EKF算法进行低频振荡模态参数辨识时收敛性差和参数越界的问题,提高低频振荡模态参数辨识的精度。最后,对不同的低频振荡信号进行仿真测试分析,结果表明该约束EKF方法不但能够实现低频振荡模态参数的约束辨识,而且较EKF算法具有更好的收敛性和更高的辨识精度。     

用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。     

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.     

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。     

基于APIT-MEMD的电力系统低频振荡模式辨识新方法

传统多元经验模态分解(Multivariate Empirical Mode Decomposition, MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影多元经验模态分解(Adaptive-Projection Intrinsically Transformed Multivariate Empirical Mode Decomposition, APIT-MEMD)的电力系统主导振荡模式辨识方法。首先采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确分离出各量测信道内含有振荡模式的固有模态函数(Intrinsic Mode Functions, IMF)信号。然后,采用Teager能量判据甄选能表征主导振荡模式的IMF信号。进而,采用希尔伯特黄变换(Hilbert-Huang Transform, HHT)实现对各IMF中所含主导振荡模式的频率和阻尼比估计。最后,将所提方法应用到IEEE-68节点时域仿真算例和辽宁电网广域实测算例中进行分析和验证,结果表明所提方法的可行性和有效性。     

基于二维离散余弦S变换的电能质量扰动类型识别

为获得可靠的高质量电能,提高电能质量扰动(Power Quality Distrubances, PQD)类型识别准确率,提出了一种基于二维离散余弦S变换(2D-DCST)的PQD类型识别方法。首先在数学模型的基础上,生成包括7种复合扰动在内的17类不同的电能质量事件。然后将一维的PQD信号转换成行列相等的二维信号,利用2D-DCST方法从二维信号中得到其振幅矩阵,对振幅矩阵提取基于统计、能量和图像的特征。再使用第二代非支配排序遗传算法(NSGA-Ⅱ)将提取的大量特征降维成少量有用的特征组。最后对所选特征使用支持向量机(SVM)分类器,构建一个分类准确率高、特征数目少的类型识别模型。实验结果表明,该方法能够准确高效地识别17类电能质量事件,并且有较好的抗噪性。同时对复合扰动也有较高的识别准确率,为电能质量扰动类型识别问题提供了新的方法。     

基于高频测试信号注入的配电网故障节点在线识别方法

为准确识别带电网络中的故障,提出了一种适用于多层复杂配电网故障节点的在线识别和定位方法。该方法将高频测试信号注入电网,通过智能电表向中心单元提供的电网信息获取阻抗参数,并根据阻抗特性和电网高频测试信号下的响应结果检测是否存在故障节点。采用该方法对45节点三层配电网进行多种条件下仿真,接着对8节点低压网络模型进行测试,讨论模数转换分辨率和测量误差公差对检测精度的影响。仿真和测试的结果发现,故障节点处高频接收信号电压与估计电压差值最大,表明该方法能够准确识别配电网中的故障节点。     

HHT在电力系统低频振荡模态参数提取中的应用

针对目前电力系统低频振荡的分析局限于用线性化方法来处理而导致的分析结果不精确，甚至不尽合理，提出基于希尔伯特-黄变换(HHT)的提取电力系统低频振荡模态参数新方法。首先运用HHT中的经验模态分解(EMD)实现各低频振荡模态分量的有效分离，并对各模态分量进行希尔伯特(Hilbert)变换、计算其相对应瞬时幅值、瞬时频率及相位；其次运用该文推导的阻尼比计算公式提取各振荡模态分量阻尼比，从而实现低频振荡模态参数的有效提取。同时对超低频振荡的产生机理给出一种新的解释，该方法有助于分析电力系统强非线性振荡模态及阻尼控制器的设计研究。数值仿真及实例分析均表明该方法的可行性和有效性。     

区域电网低频振荡主导模式的检测方法

提出了一种基于实测的功角曲线检测区域间低频振荡模式的新方法,这种方法能有效检测出互联系统的区域间主导低频振荡模式,因此可以对扰动下的系统进行有效的分析。大系统算例结果表明,所提方法能准确的检测识别出系统主导区域间低频振荡模式,其结果与综合稳定程序（PSASP）计算出的结果一致,从而验证了所提新方法的正确性和有效性。     

考虑发电机控制装置的低频振荡定位及识别方法

负阻尼振荡和强迫功率振荡是两种典型的低频振荡,发电机的控制装置包括励磁系统和调速系统是振荡的两大能量注入源,其引发振荡的机理有本质的区别。因此,准确定位和识别振荡源对采取合理的抑制措施,提高系统稳定性有较大的参考价值。提出了一种根据发电机控制装置对系统阻尼的贡献以及强迫扰动源的相移特性进行振荡源定位及识别的方法。首先,深入到发电机励磁系统和调速系统,提炼出两种振荡下其内部电气量响应的一般规律;其次,在此基础上提出低频振荡源定位和识别判据;然后,进一步根据定位和识别判据原理,采用经验模态方法分解得出了判据指标的计算方法;最后,给出了发电机控制装置振荡源定位及识别方法流程。实际算例验证了所述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。     

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。