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。     

基于自然激励技术的低频振荡模态参数识别

低频振荡是威胁电网安全稳定运行的一个重要因素。传统的基于测量信号的低频振荡模态参数辨识方法难以在系统未发生明显振荡时准确的检测模态参数。提出了一种利用系统正常运行时的白噪声响应识别系统模态参数的方法。首先用自然激励技术从白噪声响应间接获取系统的脉冲响应,再用HHT法对脉冲响应函数进行分析,得到系统各阶模态的频率、阻尼比等模态参数。通过对四机两区系统的仿真分析和实际电网数据的计算验证了方法的有效性。     

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。     

基于随机减量技术和Prony方法的低频振荡类噪声辨识

弱阻尼低频振荡是影响大规模互联电网安全稳定运行的主要因素之一。观察广域测量系统实测信号发现,电力系统正常运行过程中,因持续存在的负荷变化等随机性质的小幅扰动,导致系统响应始终存在小幅波动现象,这种类噪声信号数据量丰富且易于获得。文中提出基于随机减量技术和Prony方法实现电力系统低频振荡类噪声辨识。首先采用随机减量技术从类噪声信号中提取自由衰减信号,分析不同触发条件的适用性;进一步采用Prony方法拟合自由衰减信号,实现对系统低频振荡模式参数的估计;最后将该方法应用于处理36节点系统仿真信号和中国南方电网实测信号,证明其准确性。     

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。     

适用于低频振荡信号参数辨识的ACMD算法

针对由于低频振荡信号存在模态耦合现象导致参数辨识结果不精准问题,本文提出一种适用于互联电网低频振荡信号参数辨识的自适应啁啾模态分解方法.首先,利用自适应啁啾模态分解从低频振荡信号中分离出各个振荡分量;然后,用Hilbert变换实现对各个分量的参数辨识;最后,对自合成测试信号、实测数据加以分析,并与经验模态分解和Prony方法进行比较.算例结果证明了该方法的有效性及实用性,具有一定的辨识精度.     

基于FastICA技术与TLS-ESPRIT方法的电力系统低频振荡模态辨识

对于目前电力系统中低频振荡参数辨识中的噪声干扰和精度问题,提出了一种新的提取低频振荡模态参数的方法,将快速独立分量分析技术(fast independent component analysis,Fast ICA)和总体最小二乘-旋转不变技术(total least squares-estimation of signal parameters via rotational invariance technique, TLS-ESPRIT)联合起来。首先运用FastICA技术对含有噪声的电力系统低频振荡广域测量信号进行预处理而达到降噪效果,而后将处理后的信号作为新的输入信号利用TLS-ESPRIT算法进行估计辨识,从而得到各个模态特征参数。通过对理想信号、EPRI-36机系统和电网实测信号仿真验证了所提方法的有效可行性,不但能够有效抑制噪声并准确地辨识低频振荡参数,而且在抗干扰性和提取精度上与传统辨识方法相比来说是有一定优势的。     

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EEMD和Prony方法的低频振荡类噪声辨识

针对Prony算法抗干扰差,对输入信号要求较高的缺点,提出一种基于总体平均经验模态分解(EEMD)结合Prony算法的低频振荡类噪声模态参数辨识方法。首先利用EEMD有效对抗模态混叠的能力依据频段大小对原始类噪声信号进行线性化处理得到IMF分量,根据IMF能量权重比的大小找到主导模式分量,最后对这些分量进行Prony分析得到信号的模态参数。与传统Prony方法相比,该方法具有良好的抗噪性,同时可以减少模型阶数,从而提高计算速度。通过对四机两区系统类噪声信号和四川电网仿真信号的模态辨识,验证了此方法的有效性和优越性。