基于改进的Prony算法在线辨识电力系统低频排振荡模式

基于传统的Prony算法对输入信号要求较高,同时对分析数据的噪声非常敏感,提出了一种改进的Prony算法,对在线获取的信号进行快速拟合,从而分析出信号的振幅、阻尼比、频率和相角等信息.改进的Prony算法的拟和精度在36节点的多机系统中进行验证,该算法输入信号是基于广域测量系统提供的各机组功角变量.仿真计算结果表明,该改进算法可实现低频振荡主导模式的在线辨识.     

基于模糊滤波和Prony算法的低频振荡模式在线辨识方法

考虑到Prony算法对输入信号要求较高、对分析数据的噪声非常敏感,提出一种模糊滤波和Prony算法相结合的电力系统在线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,通过简单的模糊逻辑推理快速对输入信号进行滤波,利用Prony算法对滤波后的数字信号进行分析后在线获得电力系统低频振荡的模式。以华中电网支路302245上的有功功率振荡分析为例,通过对模糊滤波前后的输入信号进行比较以及对传统Prony算法和考虑模糊滤波的Prony算法分别进行低频振荡模式辨识的比较,表明了前置滤波的重要性以及所提出的方法能相对精确地进行振荡模式辨识,验证了其有效性。     

改进的Prony算法在电力系统暂态信号分析中的应用

鉴于Prony算法对分析数据的噪声非常敏感,对输入信号要求较高,提出将基于加权最小二乘法的Prony算法应用到电力系统暂态信号分析。该方法支持以在线监测信号作为输入,首先利用选定的权系数函数构造迭代算法,以此削弱异常数据的影响,同时求得系数矩阵A的最优解;再通过所得系数矩阵求解所要辨识的信号参数,扩展了Prony法的应用范围。对算例的仿真验证了此方法提取暂态信号的有效性,与传统Prony算法相较,该方法能相对精确地进行信号参数的识别,同时又有良好的抗噪能力。     

基于改进多信号Prony算法的低频振荡在线辨识

提出了适合低频振荡在线辨识的改进多信号Prony算法。首先通过小波变换消除各信号的噪声，然后消去直流分量，建立多信号的样本函数矩阵，通过奇异值–总体最小二乘法对Prony算法进行改进，分离信号空间和噪声子空间，确定信号的阶数，最后利用最小二乘法进行辨识。利用传统Prony算法、改进单信号Prony算法和改进多信号Prony算法对理想信号、仿真信号以及实际录波信号进行了分析，分析结果表明利用改进多信号Prony算法同时对多信号进行分析能够提高辨识的精度，缩短运算时间，辨识阶数及辨识结果均优于传统算法，适合于低频振荡的在线辨识。     

基于FastICA和Prony算法的低频振荡参数辨识

传统Prony算法进行参数辨识存在对信号噪声非常敏感的缺点,同时对输入信号有较高的要求。因此,本文首先介绍独立分量分析(Independent Component Analysis,即ICA)和FsatICA基本原理,然后提出将FastICA算法和Prony算法相结合的低频振荡参数辨识方法。该方法首先以广域测量信号作为输入信号,然后利用FastICA方法对输入信号进行预处理而达到降噪,最后利用Prony算法对滤波后的信号进行分析得到电力系统低频振荡参数。通过对理想信号和四机两区算例分析,验证了此方法在FastICA去噪之后,能够提高Prony提取低频振荡参数辨识的准确性、快速性和抗噪能力。     

分段Prony算法在特高压输电线路故障信号分析中的应用

本文在分析现有的基于相对均方误差的分段Prony算法受噪声干扰严重、分段不准确的基础上,提出了基于小波变换的分段Prony算法,该分段方法抗干扰能力强、计算速度快。文中对加入不同信噪比噪声的信号使用小波变换检测突变点对信号进行分段,得到较理想的分段结果,并对分段Prony算法各个子段之间参数关系进行分析和计算。同时针对带并联电抗器的特高压输电线路故障相恢复电压的特点,利用改进的分段Prony算法分别对发生瞬时性故障和永久性故障的故障相电压信号进行分析,提取出电压暂态分量,有效地区分出带并联电抗器的特高压输电线路的故障性质。     

Prony算法在谐波、间谐波参数辨识中的应用

准确有效地确定信号中各次谐波及间谐波分量的参数,对于改善电能质量具有重要的意义。文中提出了一种应用于谐波和间谐波在线参数辨识的Prony算法改进方案。该方案由于使用QR分解算法求解方程组,减小了算法的计算耗时,提高了算法的稳定性。其次文中提出了自适应采样频率的方法、模型阶数和时间窗的选取原则,以及提取真实频率成分的可靠方法,使Prony算法具有更高的辨识性能和可靠性。经过电弧炉电流信号的分析说明,文中所提出的方法可以大大缩短Prony算法的计算耗时,提高Prony算法在线谐波参数辨识的可靠性。     

低频振荡综合监测算法研究

为提高低频振荡在线监测和分析水平,文章根据离线低频振荡模式识别算法设计了基于改进滤波器法、短时傅里叶分析理论和改进Prony算法的低频振荡综合监测算法,该算法能够对广域测量系统(wide area measurement systems,WAMS)中输电线路的有功功率进行在线监视,识别系统振荡特性。该算法为低频振荡监测算法的设计开发提供了新思路,现场运行证明了该算法的有效性。     

采用改进Prony算法的电力系统故障暂态信号分析

为提高对含有谐波、间谐波和衰减直流分量的电力系统故障暂态信号的分析精度,提出基于改进Prony算法的暂态信号分析方法。Prony算法的模型具有能较准确描述故障暂态信号特征、直接提取信号频率的优点。先采用差分算法滤除衰减直流分量并对高频信号进行放大以提高Prony算法的分析精度,利用Prony算法对信号中含有的频率分量进行估计,以确定神经网络的神经元个数和训练的初始值。将各频率分量的频率作为神经网络训练待定的权值,同时估计各频率分量的频率和幅值。仿真结果证明了所提方法的快速性和有效性。     

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。     

基于高阶累积量的改进Prony低频振荡辨识方法

广域测量系统的不断发展和进步,为基于Prony方法实现电力系统低频振荡的在线辨识提供了可能性。针对传统Prony算法在辨识广域测量系统监测信号过程中抗噪声性能不足的问题,本文提出一种基于高阶累积量的改进Prony算法用于低频振荡的在线辨识。该方法利用高阶累积量技术具备的良好抗噪特性,能够有效抑制广域测量系统在采集和传输过程中产生的白色噪声和有色噪声。最后,利用典型正弦信号、新英格兰10机39节点算例系统的仿真结果和实际电网测量数据验证了所提方法的正确性和有效性。     

基于数学形态学和改进Prony算法的谐波与间谐波参数估计

由于传统Prony算法对谐波与间谐波的检测易受噪声影响,为了提高参数估计精度,准确提取谐波和间谐波的频率、幅值和相位,提出了一种基于数学形态学和改进Prony算法的谐波与间谐波参数估计方法.该方法主要思路是先用数学形态学构建形态滤波器去除噪声,可以克服传统Prony算法对噪声敏感的不足;然后再将去噪拟合后的谐波信号进行改进Prony分析.该方法针对原始Prony方法优化了实际阶数和线性参数的求解过程,对比小波消噪求解谐波各参数的方法优化了去噪效果.通过MATLAB对谐波信号进行编程分析,发现该方法在噪声情况下仍能得到较高精度的谐波与间谐波幅值、频率和相位参数估计,验证了该方法的可行性和有效性.     

基于改进Prony算法的电力系统低频振荡模式识别

提出了一种新的改进Prony算法,该算法将待求振荡幅值作为权值,基于神经网络进行训练,实现对电力系统低频振荡模式的识别。该算法避免了Prony算法在实际计算中矩阵呈病态以及通过矩阵求逆计算幅值和相位时精度不高的问题,克服了传统Prony算法抗干扰较差的问题。仿真结果表明,该改进Prony算法能有效去除干扰,能可靠、准确地识别主导模式,计算量少,适用于识别含有噪声且采样点数多的振荡信号。     

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。     

应用Prony算法的广域量测信号时延补偿方法

通信时延是电力系统广域网络化控制中不可忽略的问题,对带有时延的远端量测信号进行预测补偿极具工程实用价值。文章介绍了包含时延补偿器的广域控制系统结构;基于电力系统中广域控制器输入信号(例如角速度、功角等)可采用衰减三角函数的线性组合准确近似的特点,提出了改进Prony预测补偿算法以及评价预测补偿效果的指标;提出了基于巴特沃斯低通滤波器的抗噪声方法,并通过修正Prony模型参数补偿滤波环节引入的相移。最后使用四机二区域系统暂态仿真曲线和浙江电网PMU实测数据,采用不同预测补偿算法进行了测试验证,结果表明提出的改进Prony预测补偿算法对信号噪声具有良好的抗噪性,可准确实现时延信号的实时预测补偿,满足工程应用需求。     

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。     

采用Prony与粒子群算法的电力暂态信号分析

为了提高对含有谐波/间谐波、衰减直流分量和噪声的电力故障暂态信号的分析精度,提出了基于改进Prony算法与粒子群优化算法相结合的电力故障暂态信号分析方法。该文先采用多小波方法对信号进行消噪处理,再利用差分算法滤除衰减直流分量并对高频信号进行放大,以提高Prony算法的分析精度;然后利用改进Prony算法估计出信号中含有的频率个数和相关参量的粗略估计值,以此为基础建立电力参数模型,以得到的相关参量的粗略估计值作为算法的初始种群值,并估计出各参量的范围,最后采用粒子群优化算法对模型进行求解。仿真结果表明,所提方法能对所研究的电力故障暂态信号进行精确分析。     

基于窗口滑动改进Prony算法的电力系统低频振荡识别

Prony算法是获取电力系统低频振荡信息的有效方法。针对传统Prony方法只能选取局部信号进行分析且对噪声敏感的问题,提出了固定窗长滑动的改进措施,进而应用于电力系统低频振荡识别中。与传统方法相比,改进的Prony方法通过对信号采取滑动窗口处理,即将拟合目标函数由局部误差平方最小变为分窗口误差平方和最小,从而能够计及较长时间内的误差平均效应,因而具有抗噪声能力强、不受信号长度影响的特点。基于DSATools的仿真分析证实了窗口滑动的改进Prony算法能有效识别低频振荡模式,并且该方法在含噪声环境下仍然能够保持较高的准确性。