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。     

基于同步相量数据的次同步振荡检测与模态参数辨识方法

新能源集中并网已引发了多起次同步振荡(sub-synchronousoscillation,SSO)事故,严重威胁电力系统安全稳定。为对SSO进行实时预警与分析,提出一种基于同步相量数据的SSO检测与模态参数辨识方法。首先,推导SSO与同步相量中SSO分量实部、虚部的对应关系,在此基础上,选取同步相量实部作为特征量;其后,分析了SSO振荡特性变化时,同步相量中SSO分量的表现形式,并引入变分模态分解(variationalmodedecomposition,VMD)与希尔伯特变换(Hilbert transform,HT)对同步相量中SSO分量进行模态参数辨识,进而根据对应关系实现SSO模态参数的准确辨识。最后,利用同步相量中SSO分量瞬时幅值的差分来检测SSO振荡特性是否变化,并通过合成信号、电磁暂态仿真数据与实测数据对所提方法的有效性进行验证,该方法的理论成果有望在未来为SSO的实时预警,辅助决策提供技术支撑。     

基于变分模态分解和压缩感知的电力系统宽频振荡监测方法

随着“双碳”目标的提出，未来电力系统会有更高比例可再生能源及电力电子设备并网，会引发电力系统新型宽频振荡问题。因此针对电力系统宽频振荡“高噪声”和“宽频带”的特点，提出一种基于变分模态分解和压缩感知的自适应宽频振荡监测方法。对变分模态分解(variational mode decomposition, VMD)方法进行改进，自适应确定模态分解数，抑制噪声分量并监测识别振荡信号的有效信息。若监测到宽频振荡，将降噪处理后的宽频振荡数据通过压缩感知(compressed sensing, CS)方法上传，在调度中心对压缩数据进行重构，精确恢复宽频振荡信号，方便调度主站后续分析处理。算例表明所提方法可在高强度随机噪声的情况下保持宽频振荡监测的质量，克服高速采样后数据传输带宽的限制，并在实际电力系统宽频振荡信号监测中有良好应用。     

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。     

利用经验模态分解辨识电力系统振荡信号的主导特征

电力系统小扰动稳定分析的目标之一是找出电网中机电振荡的主导模式,其理论基础是基于方程线性化的模态分析,依赖于准确的数学模型和开销庞大的特征值计算。文章所提方法基于时域振荡信号处理,打破上述瓶颈限制,便于实测获取数据并分析,可作为经典分析法的有益补充。文章采用新近流行的希尔伯特一黄变换中的经验模态分解技术,可以分离辨识出发电机出口或输电线路上主导的功率振荡特征,采用最小二乘拟合法计算,找出有危害的特定振荡模式。通过在四机双区域测试电力系统上的仿真算例分析,揭示了该方法的简易性和有效性。     

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。     

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。     

基于经验模态分解的电力系统受扰轨迹去噪方法

电力系统低频振荡已成为危及系统运行安全一个不容忽视的因素,受扰轨迹能够完整地反映模型及参数对系统动态行为的影响,体现系统振荡特性。本文在简单介绍经验模态分解(EMD)的基础之上,将经验模态分解用于消除电力系统受扰轨迹的非平稳趋势项,通过仿真分析结果证明了该方法的有效性,对系统振荡模式的识别具有重要的意义。     

风电场次同步振荡非线性模态分解与参数辨识

新能源并网系统运行环境复杂,电力电子设备快速响应与电网产生动态相互作用引发次同步振荡(sub-synchronous oscillation,SSO),其信号表现出非线性非平稳特征,辨识困难.该文提出一种非线性模态分解方法,并与Teager-Kaiser能量算子(Teager-Kaiser energy oper-at...     

电力系统低频振荡的在线辨识

本文介绍了首次应用辨识方法于电力系统实时在线测试低频振荡。利用这种方法可以随时研究运行系统的低频振荡情况，１９９１年１０月试验证实了网络中的ＳＸＫ电厂是该系统的低频振荡源。     

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.     

基于MEMD和HHT的电力系统低频振荡模式识别方法研究

提出了一种基于多元经验模态分解(Multivariate empirical mode decomposition,MEMD)和希尔伯特黄变换(Hilbert-Huang Transform,HHT)相结合的电力系统低频振荡模式辨识新方法。针对经验模态分解(Empirical Mode Decomposition,EMD)只适用于单通道模式辨识的局限性,以及存在模式混叠和辨识效率低的缺点,引入MEMD方法对多通道量测信号进行分解处理,获取各通道中表征不同频率尺度的固有模态函数(Intrinsic Mode Functions,IMF)分量,实现多通道量测信息的协同分解。在此基础上,引入Teager能量算子筛选出含主导振荡模式的关键IMF。针对主导振荡模式在振荡过程的时变特性,借助HHT追踪各主导振荡模式的瞬时振荡频率和阻尼比。最后,通过16机68节点测试系统仿真数据和辽宁电网PMU实测数据对所提方法进行分析、验证。结果表明了所提方法的准确性和有效性。     

风电参与的电力系统次同步振荡机理研究综述和展望

风电参与的新型次同步振荡事故频发,严重影响了新能源电力系统的安全稳定运行。结合次同步振荡所对应的数学动力学模型、轨线特征,分析归纳风电参与的电力系统次同步振荡的机理分类,即负阻尼振荡、强迫振荡、切换型振荡和其他复杂振荡,并从参数变化角度给出对应的分岔类型;进一步地,基于上述风电参与的新型次同步振荡机理分类,分别阐述对应上述机理的分析方法研究现状;最后,针对目前研究较少的风电参与的切换型次同步振荡,从分段光滑模型及其动力学机理、非光滑分岔分析方法、物理特性、实测验证等角度,给出其研究展望。     

基于VMD-WVD的故障行波全波形时-频分析方法

受高阻接地故障、过零点故障和高频噪声等因素的影响,行波波头检测困难,导致行波保护和故障定位方法可靠性不高.由于故障行波具有全时频特性,检测一定时间窗内时频域行波波形将包含全景故障信息,从而实现故障特征可观测.融合故障行波时频域信息,提出了基于全波形信息的故障行波表现形式.在此基础上,提出了一种基于变分模态分解(VMD)...     

基于VMD和MPC的电动汽车-火电机组联合调频控制

合理的调频指令分配策略以及有效的指令跟踪控制方法是利用集群电动汽车(aggregate electric vehicle, AEV)联合火电机组开展调频控制、改善调频质量、提高调频经济性的关键。基于此,文中提出基于变分模态分解(variational mode decomposition, VMD)和双层模型预测控制(model predictive control, MPC)的AEV参与系统调频控制策略。首先,设计AEV联合传统火电机组的频率协调优化控制结构,建立火电机组及负荷频率控制模型,同时将AEV转化为虚拟调频单元,构建在AEV参与下系统单区域多机组负荷频率控制模型;然后,利用VMD将电网调频指令信号分解为含不同频率成分的本征模态函数,整合高频分量作为AEV的调频指令,低频分量作为火电机组群的调频指令,并通过双层MPC分别在AEV和火电机组群内部实现调频指令的优化再分配及跟踪控制;最后,对所提控制策略进行仿真验证。结果表明所提控制策略可实现对系统频率的有效调节,且兼顾了调频的经济性和动态性能。     

基于自适应全局滑模的电力系统混沌振荡控制

对电力系统的二阶模型进行了混沌振荡的动力学行为分析,包括时域波形图、相图的分析。把全局滑模控制与自适应控制结合起来,设计了自适应全局滑模控制器来抑制该二阶电力系统的混沌振荡。设计的控制器克服了滑模控制需要知道系统扰动上界的缺点,同时保留了滑模控制具有良好的鲁棒性的优点。在控制器中,采用了两种不同的自适应率来对系统的扰动进行估计,并对这两种不同的自适应率在控制效果上进行了比较。仿真结果验证了控制器的有效性和良好的鲁棒性。     

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。