共查询到18条相似文献,搜索用时 109 毫秒
1.
基于改进多信号Prony算法的低频振荡在线辨识 总被引:5,自引:1,他引:5
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。 相似文献
2.
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。 相似文献
3.
根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。 相似文献
4.
基于小波预处理技术的低频振荡Prony分析 总被引:4,自引:0,他引:4
提出了一种利用改进的小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用Prony算法提取低频振荡信号特征的分析方法。在分析Prony算法原理的基础上,分析了参数选择对算法的分析速度与精度有较大影响,提出了Prony算法主要参数的选择策略,即信号抽样频率应大于信号最高频率的2倍,以避免频谱混叠;信号时间长度应包含2个周期最低频率的振荡,以提高参数估计精度;模型初始阶数应远大于信号中实际包含的指数项个数,以使最优子集分量逼近观察到的数据。仿真和动模实验结果表明,基于小波预处理技术的Prony算法具有分辨率高、拟合效果好的优点,能满足电力系统低频振荡特征分析的需要。 相似文献
5.
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。 相似文献
6.
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. 相似文献
7.
8.
基于改进多信号Prony算法的低频振荡传递函数降阶辨识及PSS的设计 总被引:3,自引:0,他引:3
为克服现代大规模电力系统分析的“维数灾”及电力电子元件难以用精确数学模型分析的问题,引入多信号到基于奇异值–总体最小二乘法的改进Prony算法中。在小波变换消噪和滤波的基础上,建立多信号的样本函数矩阵来提高辨识的准确性,在多信号的样本函数矩阵的基础上辨识振荡特征,并将计算结果应用到传递函数辨识中,然后依据辨识传递函数采用极点配置法进行电力系统稳定器(power system stabilizer,PSS)设计。IEEE 4机11节点系统验证了多信号改进算法对于信号特征和传递函数辨识结果的正确性和全面性,PSS加入实际仿真系统的效果说明了利用改进算法设计出的PSS效果优于利用传统线性化数学模型设计的PSS。 相似文献
9.
10.
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。 相似文献
11.
针对传统Prony方法对噪声敏感导致辨识精度不高的问题,提出了一种基于形态滤波和Prony算法相结合的低频振荡模式辨识的方法,实现了在有混合噪声干扰情况下低频振荡模式的准确辨识。基于数学形态学,设计了一种基于半圆形结构元素的形态滤波器,在选取合适的元素尺寸情况下,可以有效滤除混合噪声。对于去噪声之后的信号采用Prony算法进行辨识,可准确获取低频振荡各个模式参数。通过Matlab进行算例仿真,表明了对电力信号进行预处理的必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。 相似文献
12.
13.
14.
提出了一种基于WAMS的低频振荡模式在线辨识算法。文章从WAMS主站中心角度将辨识过程分为四个阶段:数据接收与存储,数据预处理,振荡模式参数计算和辨识结果分析。丢失数据估计、低通滤波、模型阶数优化等改进措施的应用提高了辨识过程的速度和辨识结果的可靠性。结合实际的WAMS系统和Visual Studio开发平台,设计了运行于WAMS主站的在线辨识系统。以规划中的南方电网进行的算例研究验证了辨识结果的准确性。 相似文献
15.
16.
对于目前电力系统低频振荡模式识别和参数提取中的噪声干扰等问题,提出一种新的提取低频振荡关键模态参数的方法,将可调Q因子小波变换(Tunable Q factor Wavelet Transform, TQWT)和稀疏时域法(Sparse Time Domain method, STD)进行联合。首先运用TQWT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,达到降噪的目的。而后将处理后的信号作为新的输入信号,利用稀疏时域法进行振荡模态及其参数的辨识,其输入信号的采集既可单点测量也可多点测量。通过对测试信号和EPRI-36机系统仿真验证了所提方法的优越性,能够在信噪比较低的环境下对噪声进行有效抑制而准确地辨识出系统的振荡模态参数。与传统方法相比具有更好的抗噪能力,所提方法辨识过程中所需时间更短且辨识出的参数也更为准确。 相似文献
17.