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Pron...     

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。     

基于APIT-MEMD的电力系统低频振荡模式辨识新方法

传统多元经验模态分解(Multivariate Empirical Mode Decomposition, MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影多元经验模态分解(Adaptive-Projection Intrinsically Transformed Multivariate Empirical Mode Decomposition, APIT-MEMD)的电力系统主导振荡模式辨识方法。首先采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确分离出各量测信道内含有振荡模式的固有模态函数(Intrinsic Mode Functions, IMF)信号。然后,采用Teager能量判据甄选能表征主导振荡模式的IMF信号。进而,采用希尔伯特黄变换(Hilbert-Huang Transform, HHT)实现对各IMF中所含主导振荡模式的频率和阻尼比估计。最后,将所提方法应用到IEEE-68节点时域仿真算例和辽宁电网广域实测算例中进行分析和验证,结果表明所提方法的可行性和有效性。     

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。     

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。     

变分模态分解在电力系统谐波检测中的应用

针对电能质量分析中的谐波检测问题,将变分模态分解(VMD)应用到电力系统谐波检测中。利用VMD对信号的频带划分能力,实现各谐波模态的有效分离。对谐波信号进行频谱预分析确定VMD模态分解数,采用Hilbert变换提取各谐波模态幅值、频率等特征信息,通过基于奇异值分解的扰动定位方法对暂态谐波起止时刻与幅值变化时刻进行准确定位。不同类型谐波信号仿真实验验证了该方法的有效性,在无噪声与较低信噪比情况下均具有较高检测精度,具有良好的噪声鲁棒性。     

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...     

基于最优变量投影的电力系统主导振荡参数综合辨识

准确、有效地辨识电力系统主导振荡模式、主导振荡模态和参与因子等低频振荡特征参数,对深入探究电力系统低频振荡诱因、提出科学合理的振荡抑制措施具有重要价值。为此,该文提出一种基于最优变量投影(OVP)的电力系统主导振荡模式、模态和参与因子综合辨识方法。该方法采用有限差分法(FDM)预处理电力系统的广域量测信息;借助处理后的广域量测信息构建含系统关键动态振荡信息的低阶状态矩阵,进而从低阶状态矩阵中提取电力系统的关键振荡特征信息;结合广域量测信息和关键振荡特征信息构建变量投影函数,通过OVP对其进行求解,以辨识振荡模式及其模态;引入累积能量权重从所辨识的振荡模式及模态中分离电力系统的主导振荡模式及模态,并根据分离的主导振荡模态实现参与因子的评估。最后,通过IEEE68节点测试系统和中国南方电网公司算例对所提方法进行分析,验证了所提方法的准确性和有效性。     

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。     

基于端口供给能量分解的电力系统振荡类型区分方法

基于端口供给能量分解,提出了一种新的电力系统振荡类型识别方法。对端口供给能量进行成分分解,发现弱阻尼振荡和强迫振荡下端口供给能量趋势分量分别按指数和线性规律变化。采用经验模式分解算法识别出主导振荡模式,计算端口供给能量,利用经验模式分解算法提取端口供给能量趋势分量。对变化幅度明显的端口供给能量趋势分量进行线性和指数拟合并得到拟合误差指标,对拟合数据和原始数据进行相关性计算得到相关度指标。然后利用误差指标和相关度指标判别该趋势分量的变化规律,进而利用变化规律的不同识别振荡类型。最后通过IEEE 39节点系统的仿真分析和实际电厂的实例分析证明了该识别方法的有效性。     

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。     

基于自适应变分模式分解的非稳态电压闪变包络参数检测

针对非稳态时变的电压闪变包络参数准确检测难题,提出一种基于自适应变分模态分解的电压闪变包络参数检测方法.首先通过Hilbert变换检波法快速提取电压闪变包络信号;再采用损失系数和能量差作为确定模态分解个数的判断依据,利用自适应变分模态分解闪变包络信号;最后通过Hilbert谱分析求取瞬时幅值和瞬时频率,确定电压闪变包络...     

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。     

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。     

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TLS-ESPRIT的电力系统低频振荡模态参数提取方法

将总体最小二乘—旋转矢量不变技术（LTS-ESPRIT）算法应用到低频振荡模态参数的提取中,它是1种基于子空间划分的高分辨率信号分析方法,将振荡功率信号形成HANKEL矩阵,通过奇异值分解进行信号子空间和噪声子空间的划分,再通过总体最小二乘（TLS）的二次消噪处理提高抗噪能力,准确提取低频振荡的模态参数。仿真结果表明,该算法具有精度高、抗噪能力强、算法简单的优点。实测数据进一步验证了该方法的可行性和有效性。     

基于VMD的电力系统谐波检测方法研究

针对当前的电力系统谐波检测问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)与希尔伯特变换结合的方法.首先,提出一种模态混叠比较方法,来确定最优模态数;其次,将稳态谐波用两种方法分解,并加入30 dB高斯白噪声,将VMD后的结果与经验模态分解(empirical m...