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。     

基于广义形态滤波与改进矩阵束的电力系统低频振荡模态辨识

针对当前互联电力系统中越来越严重的低频振荡现象,提出一种高精度低频振荡模式辨识方法来克服现有方法的一些不足。该方法基于广义形态开、闭运算设计了新型广义形态滤波器,可以有效地去除噪声,较好地保留信号的原有特征;低频振荡信号通过该滤波器滤波后再使用改进矩阵束算法进行模式辨识,可以获得高精度的各个模式参数。对于辨识算法的关键定阶问题,采用归一化奇异熵定阶方法,该方法能在系统拟合精度指标相差不大的情况下使模态阶数的估计值更加接近真实值,提高了辨识的准确性。通过仿真算例、测试系统及电网实际案例验证了本文提出的方法的有效性和可行性,为电力系统阻尼控制和电网的稳定运行提供了有效依据。     

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。     

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EMO-EDSNN的电力系统低频振荡模态辨识

提出了基于精确模态阶数-指数型衰减正弦神经网络(EMO-EDSNN)的电力系统低频振荡模态辨识方法。首先,通过奇异值分解估计模态阶数。在关键的定阶问题上,采取EMO定阶方法,综合考虑了奇异值变化规律和奇异值本身大小2个因素,能够克服人为选取阈值的不足,提高阶数估计的准确性。然后,通过建立EDSNN将参数估计问题转化为优化问题求解。以输出信号和实测信号的平方误差最小为目标,并采用自适应的Levenberg-Marquardt算法训练神经网络收敛后,一次性计算出所有模态参数。最后,进行了数值信号仿真、EPRI-36系统仿真和实测信号仿真。仿真结果表明,所提方法能够快速准确地实现模态参数辨识。     

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。     

电力系统振荡模态的矩阵束辨识法

利用广域测量系统(WAMS)提供的数据进行电力系统振荡模态的在线辨识，对于及时监测系统的阻尼情况并及时实施有效的控制具有重要意义。分析了如何利用测量数据构造矩阵束并进行电力系统振荡模态辨识的方法。该方法可以由不同测点提供的系统响应数据快速检测出不同振荡模态的振荡频率、阻尼系数、振荡幅值和相对相位等有关信息。利用辨识出的模态信息，可以在线监测大规模电力系统阻尼薄弱区域并及时发现故障发生区域。EPRI-36节点仿真算例和某省网实际系统分析结果表明，矩阵束方法能够准确地估计系统的振荡模态，并具有较强的抗噪声能力，是一种适于在线应用的振荡模态信息辨识方法。     

基于SURE小波消噪和归一化奇异熵TLS-ESPRIT法的低频振荡辨识

在对低频振荡信号特征参数的提取过程中往往会存在噪声干扰和辨识算法定阶不准确的问题。针对此问题,提出了Stein的无偏似然估计(SURE)小波阈值消噪和总体最小二乘-旋转不变技术(TLS-ESPRIT)相结合的方法,用于提取振荡模态的参数。首先利用SURE小波阈值消噪技术实现对振荡信号的预处理,提升信号的信噪比,而后将处理后的信号作为新的主导信号利用TLS-ESPRIT算法进行振荡参数的辨识。在辨识算法的关键定阶问题上,提出的归一化奇异熵的定阶方法能使信号模态阶数的估计值更加接近真实值。通过对数值信号算例和PSASP中EPRI8机36节点系统算例进行仿真,并与传统算法进行对比,验证了该改进方法的可行性和精确性。     

基于改进小波变换方法的电力系统低频振荡参数辨识

基于多点量测数据的低频振荡模态参数辨识方法具有辨识精度高,覆盖模态信息全的特点,但是该方法存在数据量增大,计算时间冗长的问题。针对上述问题,将基于数据缩减技术的改进小波变换参数识别方法应用于电力系统低频振荡参数辨识中。该方法通过对发电机出口有功功率信号的正功率谱密度矩阵进行奇异值分解,有效识别系统的模态阶数。利用奇异值分解将待辨识信号的协方差信号进行数据缩减,充分保留信号的信息量,从而在保证计算合理及精度的前提有效地减少待辨识的数据量,进而利用连续Morlet小波变换识别电力系统低频振荡参数。通过对4机2区域系统和EPRI-36节点系统进行算例对分分析,结果表明改进的小波变换方法能够有在准确提取电力系统低频振荡模态参数的前提下,有效减少计算所用数据量,提高计算效率。     

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性     

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。     

基于广域时空随机响应的低频振荡模态辨识

针对利用单通道信号无法准确辨识多个振荡模态,且不能估计振荡振型的问题,提出一种基于广域时空随机响应的振荡模态辨识方法。讨论了广域时空随机响应的向量自回归模型与系统振荡模态之间的联系,采用QR分解实现向量自回归模型参数的最小二乘估计;计算出振荡模态的模式参数,并通过系统随机响应的功率谱峰值确定系统的主导模态;通过新英格兰系统的蒙特卡罗仿真对模态辨识方法进行测试分析,结果表明利用广域时空随机响应能同时准确估计多个主导振荡模态的模式参数和振荡振型,与子空间辨识方法相比所提方法计算更简单有效;最后利用WECC系统的实测信号验证了所提模态辨识方法的适应性。     

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。     

基于多类型受扰轨迹的电力系统低频振荡分析

传统的Prony算法抗干扰能力差,且无法给出其振荡模式辨识结果的准确度评价,因此提出一种基于多类型扰动轨迹的低频振荡分析方法,并对其准确度进行评价。利用各类型扰动信号与参考信号的平均能量之比对信号振幅进行预处理,避免振幅差异过大导致某些信号被掩盖。利用Prony算法对多类型的扰动轨迹进行分析获取主导振荡模式,计算各主导振荡模式的振幅偏差和相位偏差评价主导振荡模式的可信度。结合各主导振荡模式的振幅偏差、相位偏差、振荡能量百分比建立综合评价指标评价Prony算法的阶数选择是否合理。算例结果表明,所提方法及相应的评价方法具有良好的实用性。     

基于改进Ibrahim时域法的电力系统振荡特性分析

基于Ibrahim时域法的基本思想,提出一种可以识别电力系统振荡特性的改进算法,并给出了详细推导过程.所提算法可以根据故障或正常操作扰动后电力系统指定观测量的自由响应数据,识别机电模式特征值.在Matlab仿真平台上,通过对一个4机电力系统和一个8机电力系统的实例分析,证明所提方法对振荡频率和阻尼比的识别准确度比较理想,而且识别速度快、需要PMU(相量测量单元)测量点少、不遗漏模式,有较好的应用前景.     

小波阈值去噪改进算法研究

提出了一种基于传统阈值去噪法的新的阈值函数,新阈值函数表达式简单易于计算,它既克服了硬阈值函数不连续的缺点,同时又克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性。仿真实验结果表明,新的阈值函数的去噪效果无论是在视觉效果上,还是在信噪比增益均优于传统的硬、软阈值方法。     

基于递推随机子空间的电力系统低频振荡辨识

为实时提取低频振荡模式信息,采用基于随机子空间的低频振荡递推辨识方法。引入基于双边迭代的子空间递推方法实现随机子空间递推辨识,以提高辨识快速性和灵活性。利用递推误差并结合低频振荡数据的特点,提出一种能够保证快速平稳递推的遗忘因子和加权因子选择策略。对理想数据、仿真数据和WAMS数据分别采用所提方法进行分析,验证了该方法的可行性。     

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。     

电力系统低频振荡实时控制

低频振荡实时控制方法将小干扰稳定在线控制策略或设定的离线策略应用于控制实际发生的低频振荡。通过小干扰稳定计算得到电网的弱阻尼模式,分别计算将各弱阻尼模式的阻尼提高到不同档位的控制措施。在电网发生低频振荡时进行在线分析,采用实测主导模式的频率筛选出候选的模式集,根据振荡中心的信息在小干扰稳定性分析中对设备进行分群,并根据设备分群信息确定与实测主导模式对应的模式,根据实测主导模式阻尼与临界安全阻尼门槛值的差值确定对应的小干扰稳定计算得到的控制措施。若没有与实测主导模式对应的模式,则从离线策略表获取辅助决策信息。最后通过自动发电控制(AGC)系统或调度员命令实施相应的控制策略。     

汽轮机阀门控制方式切换引发低频振荡的实例及其机理分析

电力系统中多次出现因汽轮机阀门控制方式切换引发的低频振荡现象。因此,分析了汽轮机阀门流量特性和控制方式,建立了考虑阀门流量特性的汽轮机控制系统模型。应用仿真软件PSCAD/EMTDC建立了机网耦合数字仿真平台,重现了南方电网某电厂汽轮机阀门控制方式切换引发的低频振荡现象。对低频振荡的机理分析结果表明,汽轮机单阀控制切换为顺序阀控制方式后,由于阀门流量特性修正函数与阀门实际流量特性偏差较大,会引起调节阀门的大幅值摆动,从而使汽轮机机械功率以0.171 Hz的频率做等幅值振荡,在该扰动源作用下电力系统出现强迫功率振荡。