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.     

用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。     

适用于电力系统非平稳功率振荡信号特征提取的自适应迭代滤波算法研究

规模化新能源并网及大容量电力电子设备的应用使得电力系统功率振荡表征出很强非平稳特性。该文提出了一种适用于电力系统非平稳功率振荡信号特征提取的自适应迭代滤波算法。自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,算法具有坚实的数学基础,能够有效避免经验模态分解算法存在的模态混叠问题。首先利用自适应迭代滤波算法分解得到振荡分量,对各分量进行Hilbert变换,实现振荡特征参数的提取。测试信号、仿真信号及实测数据分析结果证明了该文方法的有效性,与经验模态分解的对比结果充分验证了该方法在电力系统非平稳功率振荡特征提取中的强适应性。     

HHT算法在电力系统低频振荡模态辨识中的应用

针对电力系统低频振荡信号的非线性、非平稳特征,提出了一种新的处理方法——希尔伯特-黄变换(HHT)。该方法能够克服传统分析难以处理非平稳信号的缺点;利用其中的经验模态分解(EMD)对信号模态分量的有效分离,对分量进行Hilbert变换,得到相应的参量。通过计算实现对振荡信号的模态参数的辨识与提取,因此该方法能够应用到阻尼控制器的设计中。仿真结果表明该控制器能有效地抑制电力系统低频振荡,提高了系统的安全稳定性。     

窄带模态分解算法在电力系统低频振荡特征参数辨识中的应用研究

对多模式耦合振荡分析过程中振荡特征参数提取困难的问题,本文提出了一种适用于电力系统多模式耦合功率振荡信号特征提取的窄带模态分解算法。窄带模态分解算法依据窄带信号特征构建目标函数,利用迭代重构筛选过程来代替传统优化算法,从提取多模式耦合振荡信号中的平稳窄带模态分量。本文首先利用窄带模态分解算法,提取具有平稳特征的单一模式振荡分量,进而根据低频振荡信号的数学描述,利用最小二乘法对窄带模态分量进行线性拟合,实现振荡特征参数的提取。测试信号及实测数据分析结果证明了本文方法的有效性,与经验模态分解的对比结果,充分验证了本文方法在电力系统低频振荡特征提取中的强适应性。     

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。     

基于希尔伯特—黄变换的次同步振荡检测研究

针对目前电力系统次同步振荡的辨识局限于线性化方法,提出了一种非线性、非平稳信号的处理方法:希尔伯特—黄变换。首先对振荡信号进行滤噪和时延补偿预处理,然后用黄变换辨识出模态参数,最后与改进的PRONY算法及快速傅里叶变换的辨识结果对比分析。仿真结果表明,经验模态分解可以滤除信号中的噪声干扰,为模态参数的准确分析奠定了基础;并且黄变换方法能有效分解出频率不接近的振荡模态,进而准确的辨识出模态参数,得到振荡模态的时频特性。鉴于此方法会出现频率模态漏分解的情况,在实际工程中可同时使用改进PRONY法、快速傅里叶变换和黄变换以提高次同步振荡辨识的准确度。     

基于约束EKF的低频振荡模态参数辨识

低频振荡已成为限制电力系统区域间功率传输能力的突出问题,严重影响了电力系统的安全稳定运行。为了准确有效地提取低频振荡信号所包含的特征信息,分析低频振荡信号模态构成的特点,在扩展卡尔曼滤波(extended Kalman filter,EKF)算法的基础上,结合信号自身的物理约束,提出一种低频振荡模态参数辨识方法,实现了约束条件下的低频振荡模态参数实时在线辨识。所提方法能有效避免运用EKF算法进行低频振荡模态参数辨识时收敛性差和参数越界的问题,提高低频振荡模态参数辨识的精度。最后,对不同的低频振荡信号进行仿真测试分析,结果表明该约束EKF方法不但能够实现低频振荡模态参数的约束辨识,而且较EKF算法具有更好的收敛性和更高的辨识精度。     

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。     

基于希尔伯特振动分解的低频振荡在线辨识

利用希尔伯特振动分解(Hilbert vibration decomposition,HVD)算法适于处理时变频率信号的特性,提出一种处理非平稳振荡信号的新算法——结合HVD的信号能量分析法,并应用于电力系统低频振荡在线辨识中。首先,对通过Hilbert变换获得的解析信号进行分析和滤波,得到幅值最大分量的瞬时频率,并由同步检测获得相应的幅值和初相位;然后,通过迭代运算检测出非平稳振荡信号各分量的频率、幅值、相位;最后,运用信号能量法对通过HVD得到的各平稳信号的主导振荡模式进行识别和分离。将该算法与Prony算法、基于经验模态分解(empirical mode decomposition,EMD)的信号能量分析法进行比较,仿真测试和实例分析结果说明,此算法能够有效提取非轴对称振荡信号的主导模式,并且抗噪能力强、计算效率高。     

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SURE小波阈值消噪和MCEEMD-HHT的低频振荡分析

为解决低频振荡分析中广域量测系统存在量测噪声影响和应用希尔伯特黄变换(Hilbert-Huang transform,HHT)进行模态辨识中的模态混叠和伪分量问题,提出基于Stein的无偏似然估计(Stein unbiased risk estimate,SURE)小波阈值消噪和改进的补充集合经验模态分解希尔伯特黄变换(modified complementary ensemble empirical mode decomposition and Hilbert-Huang transform, MCEEMD-HHT)的低频振荡分析方法。首先,对含较强噪声的电网量测低频振荡信号,采用SURE小波阈值消噪实现信号预处理。其次,引入排列熵算法改进CEEMD形成MCEEMD,有效抑制经验模态分解中的模态混叠和伪分量现象。最后,对MCEEMD分解得到的低频振荡真实模态进行HHT分析。通过复合信号测试、IEEE四机两区域系统仿真以及实测北美电网数据分析,验证了所提方法在电力系统低频振荡分析中的有效性。此外,与快速傅里叶变换(fast Fourier transform, FFT)、Prony算法分析进行对比可知,所提方法在模态参数的提取方面表现得更为准确,且无需人为定价。     

基于ICA-EMD和Prony算法的区域电网低频振荡模式分析

针对互联电网低频振荡频现,已有低频振荡模式分析方法对噪声较为敏感和难以处理非线性、非平稳信号等问题,提出一种基于独立分量分析(ICA)与经验模态分解(EMD)有机结合的Prony关键振荡模式辨识法。通过对观测到的功角信号进行滤波预处理,并对其进行经验模态分解提取得到固有模态函数(IMF),将已得原始固有模态函数白化,接着用独立分量分析处理得到真正的IMF,用Prony算法辨识各IMF分量提取出观测信号中关键振荡模式。研究结果表明,该方法综合利用了ICA的去相关性和噪声抑制优势及EMD对复杂信号的分解能力,克服了Prony算法难以去除噪声和分解频率相近模式的缺陷,有利于提高辨识精度和准确性,更能满足实际应用需求。     

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。     

“点”“域”结合法在低频振荡分析中的应用

随着互联电网规模的不断扩大,大区互联电网区域间的低频振荡已成为威胁电力系统安全的重要因素之一。基于传统的希尔伯特-黄变换(HHT)和复奇异值分解(C-SVD),本文提出了一种"点""域"结合的低频振荡分析方法。对于测量"点",也就是单一的测量信号,首先对滤波去噪以后的信号进行经验模态分解(EMD),得到固有模态函数(IMFs),并建立虚拟空间场来分析IMFs之间的能量分布关系,然后利用Hilbert变换来计算主导振荡模态的时变振荡参数;对于测量"域",利用C-SVD来提取主导振荡模态的动态时变特性和能量空间分布。通过比较"点"和"域"的计算结果来确定主导振荡模态的时变振荡参数和空间分布。仿真算例和实测数据的计算结果证明算法的可行性和有效性。     

基于阻尼正弦原子分解的次同步振荡模态辨识

现有的线性化方法难以有效辨识电力系统次同步振荡模态。提出一种处理非线性、非平稳信号的阻尼正弦原子分解方法。该方法在过完备阻尼正弦原子库基础上,采用匹配追踪(matching pursuit,MP)算法对次同步振荡信号进行原子分解,并通过改进粒子群算法(improved particle swarmoptimization,IPSO)降低MP搜索过程的时间复杂度,得到表征次同步振荡信号的阻尼正弦原子参变量,完成整个次同步振荡模态参数辨识,并与改进Prony算法及快速傅里叶变换的辨识结果进行对比分析。结果表明,基于阻尼正弦原子分解的次同步振荡模态辨识方法能快速准确地辨识次同步振荡模态,且具有良好的时频特性。     

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。     

基于同步挤压小波变换的抗混叠低频振荡模态参数识别

针对经验模态分解法对低频振荡信号模态提取时,存在相邻频率分量混叠而导致分析结果不正确的问题,本文提出基于同步挤压小波变换的抗混叠低频振荡模态参数识别新方法,首先利用同步挤压小波变换将低频振荡信号分解为一组无频率混叠的固有模态分量,实现各固有模态的精确提取;其次对各固有模态分量进行希尔伯特(Hilbert)变换、计算其相对应瞬时幅值、瞬时频率及相位;最后运用瞬时频率、瞬时幅值计算其阻尼比,从而实现对低频振荡模态参数的有效识别,数值仿真及实例分析均表明该方法的可行性和有效性。同时该方法有助于评价阻尼控制器对系统不同振荡模态阻尼特性的影响,为阻尼控制器的设计研究及改进提供理论支撑,具有较好的实用价值。     

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。