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。     

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。     

基于改进矩阵束的次同步振荡模态参数辨识方法研究

由于传统的矩阵束算法存在极点提取精确度不高的缺点,因此将互相关处理(Cross-correlation,CC)方法和改进矩阵束(Improved Matrix Pencil,IMP)算法结合应用于电力系统次同步振荡模态辨识,并在仿真算例中与传统的矩阵束算法和特征值法辨识结果进行了比较。对比结果表明:该方法在准确地辨识次同步振荡模态参数的同时,具有拟合度高、抗噪声能力强的特点,有助于强噪声背景下深入分析电力系统次同步振荡特性,从而有效抑制振荡。     

基于改进的Prony算法在线辨识电力系统低频振荡模式

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.     

基于变分模态分解的电力系统泛频带振荡辨识方法

振荡问题已成为现代电网面临的重要问题之一,电力系统中多种类型的振荡可能同时出现且频段跨度极大。针对含泛频带振荡模态的信号,首先通过带通滤波器实现不同频段信号的分离,再利用有高噪声鲁棒性的变分模态分解(Variational Mode Decomposition, VMD)方法提取各个振荡模态信号,最后通过Prony算法实现对不同模态参数的辨识。仿真与实际算例分析表明,该方法能够对信号中不同类别振荡模态进行有效区分与提取,精确识别出每个模态的信息。无论针对已发生剧烈振荡的信号或是含有潜在振荡的类噪声信号,该方法均能有效地进行模态辨识。     

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.     

基于改进小波阈值去噪和RCRSV-MP算法的电力系统低频振荡模态辨识

针对广域测量系统低频振荡辨识中存在噪声干扰和定阶不准确的问题,提出了基于改进小波阈值去噪和奇异值相对变化率(RCRSV)定阶的矩阵束(MP)算法相结合的方法对电力系统低频振荡模态进行辨识。在小波去噪基础上对阈值进行改进,使得阈值随分解层数的增加而发生改变,能够有效地抑制低频振荡信号的噪声;然后将去噪后的信号用RCRSV-MP算法进行辨识,从而获取低频振荡各个模态参数。根据RCRSV定阶具有自适应性,无需人为设定阈值。通过仿真算例、测试系统及电网实际案例的结果显示,所提方法相比于其他方法具有抗噪性能好、拟合精度高等优点,具有较强的实用性,能够实现在线辨识。     

电力系统振荡模式识别的特征系统实现方法

在广域测量系统应用背景下,基于电力系统实测轨线分析其动态行为是一个重要研究方向,它不同于以往基于给定数学模型的各种分析方法。文中介绍了特征系统实现算法基本原理,基于该算法提出从相量测量装置的实测数据中提取电力系统机电模式特征值、相关因子和模态振型。通过对一个4机2区域电力系统的实例分析,证明所提方法在辨识精度、抗噪性方面比以往Prony算法和FFT算法优越,并且该方法可以得到系统的最小实现,为进一步设计阻尼控制器提供条件。     

基于WAMS和奇异熵矩阵束方法的电网低频振荡仿真分析

分析了用传统的小干扰稳定分析方法研究互联大电网运行特性时存在的不足,提出了基于广域测量系统(WAMS)和奇异熵矩阵束方法的综合分析法。该方法将奇异熵用于模态阶数的提取,既能在有无噪声的情况下都准确确定模态阶数,又能减少计算复杂度。以华中电网2009年6月17日发生的由金竹山B厂开关爆炸导致的电网功率波动事件为例,对比了小干扰稳定分析方法和所提出的综合分析法的仿真分析结果。结果表明,基于WAMS和奇异熵矩阵束方法的综合分析法是以特征值分析法为代表的传统低频振荡分析方法的有效补充,能够较为准确、及时、全面地反映电网的振荡特性,为分析由多重扰动引起的或特殊运行方式下的低频振荡现象提供了有效手段。     

基于类噪声数据的电力系统低频振荡模式辨识方法及应用

低频振荡的监测对于电力系统的安全稳定运行是一个巨大的挑战。提出了基于类噪声数据的低频振荡模式在线辨识方法,该方法将类噪声PMU数据经过预处理后,以ARMA方法计算得到单测点低频振荡模式信息,然后通过聚类方法得到系统振荡模式信息。结合实际发生的一次低频振荡事故,通过比较扰动前和扰动过程中低频振荡模式差异判断振荡类型,并通过势能增量分布法予以验证。     

基于改进矩阵束的高压直流次同步振荡检测

矩阵束是一种可以用来进行振荡模态参数辨识的算法。鉴于传统的矩阵束算法在有噪声情况下模态阶数辨识效果不理想,提出将信息熵引入矩阵束进行改进,进而将改进的矩阵束算法用于高压直流的次同步振荡模态的辨识。然后与改进Prony法和矩阵束算法对比分析,证明了基于信息熵的矩阵束算法的有效性。仿真结果表明,此算法可以快速、准确地辨识出次同步振荡模态参数,且该算法抗噪声能力强,可用于电力系统次同步振荡在线检测。     

基于MEEMD与MP的电网低频振荡模态识别

针对目前电力系统低频振荡模态辨识的精确性和抗干扰性问题,提出了一种基于改进集合经验模态分解方法与矩阵束的电网低频振荡模态特征辨识新方法。首先利用改进集合经验模态分解方法将采集到的量测信号分解,从而获得若干个IMF分量序列及其残余量,再将剩余项去除后把其余本征模态函数进行重构,最后把重构信号通过矩阵束的分析来获知各个振荡模式信息。数值信号和EPRI-36节点系统的仿真验证了所提方法的有效性。     

利用矩阵束算法提取水力机组参数的振荡特性

为了从水力机组参数的振荡信号中提取出模态信息（振幅、频率、衰减因子和相位角）,本文将矩阵束算法(MPM)进行改进并提高了计算精度。通过建立系统的水力发电机模型,对各参数进行了仿真计算。进而将改进的 MP 算法用于提取各主要参数的振荡模态信息,并建立起各参数的运动模型和找出诱发机组振动的诱因。进一步探讨初始工况、扰动强度和扰动方向对振幅、频率和衰减因子的影响,分析振荡模态信息之间存在的耦联关系。仿真结果表明：矩阵束算法用于提取水力机组各参数模态信息是有效的、直观的,而且抗噪能力强、精度高。本文的研究方法为定量研究各主要参数的动力振荡特性提供方法依据。     

考虑多振荡模式的多频段电力系统稳定器参数整定方法

安装电力系统稳定器是增强电网小干扰稳定性的有效手段。相较于传统单频段电力系统稳定器,多频段电力系统稳定器具有更多的频段支路与更高的控制自由度,可更好地抑制频率较低的振荡模式,但其整定流程与方法未见广泛研究。文中提出了一个基于多输入多输出系统频域裕度指标的多频段电力系统稳定器参数整定方法,该方法在性能指标中考虑了多个弱阻尼振荡模式,同时调整了多个多频段电力系统稳定器的幅频特性与相频特性,使它们在提供合适相位补偿量的同时最大化系统稳定裕度,且能保证各机组励磁模式稳定。所提方法的有效性通过云南电网算例得到了验证。