基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

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。     

稳态和动态混合信号的在线低频振荡模式辨识方法

针对目前自回归滑动平均(ARMA)法结合Prony方法方案存在的扰动检测和算法切换的难题,文中提出并验证了可以基于归一化峰度判断滑动窗内是否包含动态信号的方法,然后提出一种基于归一化峰度在常规ARMA法和高阶ARMA法之间自适应切换的低频振荡模式辨识方案。通过对电网实测信号的分析,将所提出方法与Prony方法和常规ARMA法分析结果进行对比,验证了此方案的可行性。     

低频振荡主导模式辨识方法探讨

针对传统 Prony算法在分析噪声干扰对算法精确度影响时存在的不足,采用基本不等式确定最佳 Hankel矩阵阶数,提出了利用信噪比曲线来解决有效奇异值阶次选择的问题,运用改进的 SVD 去噪技术对数据进行预处理,提高了信号的信噪比,减小了噪声对 Prony分析结果的影响.通过算例仿真验证了该算法具有噪声抑制能力强、辨识出的主导振荡模式精度高等优点,能较为准确地辨识电力系统低频振荡主导模式。     

低频振荡主导模式辨识方法探讨

针对传统Prony算法在分析噪声干扰对算法精确度影响时存在的不足,采用基本不等式确定最佳Hankel矩阵阶数,提出了利用信噪比曲线来解决有效奇异值阶次选择的问题,运用改进的SVD去噪技术对数据进行预处理,提高了信号的信噪比,减小了噪声对Prony分析结果的影响。通过算例仿真验证了该算法具有噪声抑制能力强、辨识出的主导振荡模式精度高等优点,能较为准确地辨识电力系统低频振荡主导模式。     

基于窗口滑动改进Prony算法的电力系统低频振荡识别

Prony算法是获取电力系统低频振荡信息的有效方法。针对传统Prony方法只能选取局部信号进行分析且对噪声敏感的问题,提出了固定窗长滑动的改进措施,进而应用于电力系统低频振荡识别中。与传统方法相比,改进的Prony方法通过对信号采取滑动窗口处理,即将拟合目标函数由局部误差平方最小变为分窗口误差平方和最小,从而能够计及较长时间内的误差平均效应,因而具有抗噪声能力强、不受信号长度影响的特点。基于DSATools的仿真分析证实了窗口滑动的改进Prony算法能有效识别低频振荡模式,并且该方法在含噪声环境下仍然能够保持较高的准确性。     

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。     

基于高阶累积量的改进Prony低频振荡辨识方法

广域测量系统的不断发展和进步,为基于Prony方法实现电力系统低频振荡的在线辨识提供了可能性。针对传统Prony算法在辨识广域测量系统监测信号过程中抗噪声性能不足的问题,本文提出一种基于高阶累积量的改进Prony算法用于低频振荡的在线辨识。该方法利用高阶累积量技术具备的良好抗噪特性,能够有效抑制广域测量系统在采集和传输过程中产生的白色噪声和有色噪声。最后,利用典型正弦信号、新英格兰10机39节点算例系统的仿真结果和实际电网测量数据验证了所提方法的正确性和有效性。     

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。     

基于模糊滤波和Prony算法的低频振荡模式在线辨识方法

考虑到Prony算法对输入信号要求较高、对分析数据的噪声非常敏感,提出一种模糊滤波和Prony算法相结合的电力系统在线低频振荡模式的辨识方法。该方法以广域测量信号作为输入,通过简单的模糊逻辑推理快速对输入信号进行滤波,利用Prony算法对滤波后的数字信号进行分析后在线获得电力系统低频振荡的模式。以华中电网支路302245上的有功功率振荡分析为例,通过对模糊滤波前后的输入信号进行比较以及对传统Prony算法和考虑模糊滤波的Prony算法分别进行低频振荡模式辨识的比较,表明了前置滤波的重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。     

基于EEMD和Prony方法的低频振荡类噪声辨识

针对Prony算法抗干扰差,对输入信号要求较高的缺点,提出一种基于总体平均经验模态分解(EEMD)结合Prony算法的低频振荡类噪声模态参数辨识方法。首先利用EEMD有效对抗模态混叠的能力依据频段大小对原始类噪声信号进行线性化处理得到IMF分量,根据IMF能量权重比的大小找到主导模式分量,最后对这些分量进行Prony分析得到信号的模态参数。与传统Prony方法相比,该方法具有良好的抗噪性,同时可以减少模型阶数,从而提高计算速度。通过对四机两区系统类噪声信号和四川电网仿真信号的模态辨识,验证了此方法的有效性和优越性。     

Prony和HHT算法在低频振荡在线辨识中的适用性比较

Prony算法和Hilbert-Huang变换（HHT）算法是目前实际应用于低频振荡信号辨识的两种算法。Prony算法对于无噪声干扰的平稳信号的分辨率和准确性较高。HHT算法具有时频分析和滤除高频分量的能力,抗噪声性能好,计算速度快,并可以分析主导模式随时间改变的非平稳信号。从准确性、稳定性、完备性、快速性四个方面比较了两种算法在低频振荡在线辨识中的适用性,指出增加前置滤波环节的Prony算法可以满足低频振荡在线监测的要求,而实现强迫振荡扰动源定位则必须采用可进行时频分析的HHT算法。通过实际算例验证了两     

Prony分解的本质及其算法改进的新途径

Prony算法能从均匀采样信号中提取有价值的信息,可分解出一系列按指数衰减的正弦曲线.该算法需要计算最小二乘法拟合和高次代数方程求复根.当信号中嵌入噪声时,Prony求解过程会因方程病态而失败.如输入数据太长,或预估有效模态项数较多,就会造成计算数字溢出.本文方法是:对太长的数据系列采用分段平均值压缩滤波,在求解“法方程”时,能自动确定有效模态的项数,无需SVD奇异值计算,从而大大简化Prony算法、扩大适应范围并确保解算的质量.     

基于EMD去噪的Prony算法在电网事故分析中的应用

基于DSA系统,江苏省电力调度控制中心开展了电网事故反演分析。在仿真曲线与PMU录波的比对分析过程中,发现PMU信号在测量、传输过程中引入的随机噪声可能严重干扰Prony分析结果的精确性。文中提出应用基于噪声统计特性的EMD算法作为Prony分析的前置滤波环节,通过随机重排循环,对EMD分解得到的噪声分量进行抑制,大幅降低噪声能量,提高重构信号的信噪比,从而改善Prony算法的分析精度。通过测试信号与江苏电网实际故障后分析算例,验证了算法的有效性与实用性。     

改进的Prony算法在多正弦信号频率估计中的应用研究

针对噪声背景下经典Prony算法对多正弦信号频率估计受限的问题,提出一种抗噪性强的改进Prony算法。通过建立一种新的累积关系,提出的算法可以在低信噪比情况下,仅利用适当数量的新序列值线性重构稀疏和,从而较为精确地估计出信号的频率。对提出的算法与经典Prony算法的性能作出仿真实验对比。实验结果表明,在信号中嵌入噪声时,经典Prony算法在估计信号频率时失去效用,而新算法依旧可以有效估计信号频率。所以,提出的算法抗噪能力较强,性能相对稳定,精度较高,在多正弦信号频率估计中表现出更好的实用性。     

低频振荡预警及分析功能在新疆电网WAMS系统中的应用及改进

对新疆电网广域测量系统高层应用中的低频振荡预警和分析功能进行了深入研究与改进.针对系统中原有的Prony算法分析长数据段时无法辨识出衰减快的分量而导致误差偏大的不足及视窗短的问题,引入时域峰值识别法,将两者有效的结合起来,进行长短视窗分析,有效提高了分析长数据段的准确性.同时建立了两段数据层分析方法及不同系统的数据转化分析方法,将同系统的数据分段、分层进行分析,将不同系统采集到的数据进行对比分析相互验证.通过实例验证了算法的可行性和有效性,对电网运行起到了实际作用,有利于新疆电网低频振荡分析和实时告警,保证了电网的安全稳定运行.     

基于小波去噪和随机子空间算法的广域低频振荡估计

电网规模的日益扩大使得广域低频振荡成为电力系统稳定运行中备受关注的问题之一,提出了一种利用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,然后采用随机子空间算法提取低频振荡信号特征的分析方法。该方法直接利用在线量测数据识别出系统的低频振荡及其特征参数,有效地克服Prony算法、自回归滑动平均算法及希尔伯特-黄等算法受噪声、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。数值仿真及实例分析均验证了基于小波预处理技术的随机子空间算法在电力系统低频振荡分析中的可行性。     

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。