基于类噪声数据的电力系统低频振荡模态参数辨识

低频振荡是影响互联电力系统安全稳定运行的关键问题之一,提出采用变分模态分解(variational mode decomposition,VMD)提取类噪声数据的低频振荡信号,基于离散傅里叶变换(discrete Fourier transform,DFT)曲线拟合的电力系统低频振荡模态辨识方法。首先,采用VMD分解滤除类噪声数据信号中的直流分量,提取出低频振荡信号,利用模态相关系数确定VMD分解个数,提高了信号分解的时效性;其次,建立类噪声数据自回归滑动平均(auto regressive moving average,ARMA)数学模型,模拟产生数据信号,利用低频振荡信号自相关函数的DFT曲线拟合估计拉普拉斯变换系数,提取机电振荡特征参数;最后,采用模拟数据和某实测相量测量单元数据验证了该方法的可行性和有效性。试验表明,采用VMD算法和基于DFT的曲线拟合法提取低频振荡特征参数,有效提高了机电小干扰稳定评估的实时性。