基于Prony算法的电位接地故障暂态选线方法

为在应急广播调频发射机系统电位接地故障情况下,根据暂态相位差水平能完成电路选线,提出了基于Prony算法的电位接地故障暂态选线方法。采用Prony算法计算滑动平均窗长度,再通过求解辨识参数的方式,确定电路功率特性,完成故障暂态数据识别。联合故障稳态分析条件,计算暂态等效电流数值,以此为基础,求解隶属函数,实现电位接地故障暂态选线。实验结果表明,所提方法作用下,两个接线端口之间的暂态相位始终等于10 V,在电位接地故障情况下,可将相位水平更为接近的端口组织连接在一起,符合实际应用需求。

基于迭代Prony算法的高精度谐波检测

扩展Prony算法在无噪声和高信噪比情况下能精确检测到电网中非整数次谐波,本文针对扩展Prony算法抗噪的弱点提出运用一种迭代Prony算法对电力系统整数和非整数次谐波进行检测,在信噪比20dB有很高的精度。数值仿真验证了本算法的有效性。

基于Prony法的非线性阻尼辨识与实验研究

针对合金材料的非线性阻尼性质,在扩展的Prony法的基础上提出了从自由响应信号中辨识非线性阻尼的移动Prony法和时变Prony法。通过对不同特性的阻尼进行仿真和分析,证明了这两种算法的有效性,同时得出了时变Prony法更适用于非线性阻尼的辨识的结论。在传统阻尼实验装置的基础上,开发了具有准均匀应力场的梯形等强度梁试件。实验结果表明所研究的阻尼合金Al-33Zn-6Si的阻尼能力随着应变的增加而增加,呈现明显的非线性关系。

基于Prony算法的谐波和间谐波频谱估计

电力系统中,准确有效的确定信号中的各次谐波分量及间谐波信号,对于改善电能质量有着重要意义。在分析间谐波特性基础上,提出了一种基于Prony算法的信号分解法。该方法将指数变换的时频特性与谐波信号特性描述相结合,可以提供各种分量的特征指标,如频率、幅值、相位等,并利用最小二乘法得到高精度的拟合。经过电弧炉模拟系统试验证明,Prony算法在谐波和间谐波信号分析中,可提供有效、准确的分析结果。

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。

基于形态滤波和Prony算法的低频振荡模式辨识的研究

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。

电网谐波与间谐波检测的分段Prony算法

将Prony算法应用于谐波与间谐波检测时,存在采样参数及模型阶数难以确定的问题;另外由于现代电网谐波与间谐波频率范围广,直接进行Prony分析的辨识结果往往不精确。针对这些问题提出了一种分段Prony算法,首先依据信噪比和均方差来确定模型阶数;然后根据谐波与间谐波的频率范围进行频段划分,确定各频段的采样频率及采样时间;最后根据各段采样参数进行分段Prony分析,并综合各段分析结果,得出各频段谐波与间谐波的频率、幅值、衰减因子及初相位。仿真算例验证了该算法的有效性。

Prony算法分析低频振荡的有效性研究

在分析Prony算法的理论基础上,讨论信号噪声、信号的非平稳性对算法的影响,提出相应的改进策略。分别对仿真振荡信号和现场实测振荡信号进行Prony分析,得出较满意的结果,说明Prony算法在信号分析中,可提供有效、精确的分析结果,为电力系统低频振荡的研究提供了一种有力的分析工具。

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种算法的适用性。

基于Prony方法的电力系统振荡模式分析及PSS参数设计

Prony分析是获取系统振荡模式的一种非常有效的分析方法,它可以通过给定输入信号下的响应直接估计系统的振荡频率、阻尼、幅值和相对相位。文章介绍了基于Prony分析的电力系统等值线性模型的辨识方法,对传统的Prony方法进一步扩充,考虑了输入信号对输出信号的影响,得到了系统的传递函数,并根据其相应留数,采用留数方法对电力系统稳定器(PSS)进行了参数的协调配置。两个算例的仿真结果证明了该方法在系统振荡模式分析和PSS参数设计中的有效性。

基于改进Prony算法的电力系统低频振荡模式识别

提出了一种新的改进Prony算法,该算法将待求振荡幅值作为权值,基于神经网络进行训练,实现对电力系统低频振荡模式的识别。该算法避免了Prony算法在实际计算中矩阵呈病态以及通过矩阵求逆计算幅值和相位时精度不高的问题,克服了传统Prony算法抗干扰较差的问题。仿真结果表明,该改进Prony算法能有效去除干扰,能可靠、准确地识别主导模式,计算量少,适用于识别含有噪声且采样点数多的振荡信号。

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量 ,通过对采集到的同步电机三相突然短路电流进行小波变换 ,降低了信号的采集噪声 ,分离出了短路电流中的直流分量和基波电流分量 ,辨识出电机的瞬态参数和非周期分量时间常数 ,并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。

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Prony方法的大型互联电网PSS参数优化设计

提出了一种完全基于仿真曲线Prony分析的电力系统稳定器(PSS)参数优化设计方法。该方法通过对仿真曲线的Prony分析辨识系统的弱阻尼区域振荡模式信息,以提高区域振荡模式下的阻尼为优化目标,在限定的参数空间中进行PSS参数优化设计。采用单纯形法对PSS参数进行优化,以Prony方法辨识的PSS参数作为单纯形区域的初始中心点可克服算法的收敛性问题。云南电网发电机组实际PSS参数优化设计的结果表明:在云南电网多种运行方式下,均可很好地抑制系统的区域振荡,验证了PSS参数优化设计方法的有效性和鲁棒性。所提出的基于Prony算法的PSS参数优化方法优于传统PSS设计方法,适用于大型互联电网发电机组的PSS设计。

基于Prony算法的电力系统低频振荡分析

简要介绍了电力系统低频振荡的概念和产生原因,指出随着电网互联,低频振荡的危害也将更加严重。而后根据振荡特征提出了一种可用于分析电力系统低频振荡的方法———Prony算法,并介绍了算法的原理和计算步骤。通过对理想振荡波形进行分析,论证Prony算法在理想情况下的精确性。接着指出传统Prony算法在分析中所存在的缺陷,特别是噪声干扰对算法精确度的影响。在此基础上提出了一个较为简便的解决方法,利用仿真振荡波形分析说明改进后的Prony分析的精确度,针对其误差变化情况,讨论了分段Prony分析法,最后说明Pro-ny算法在电力系统低频振荡分析中的有效性。

采用改进Prony算法的电力系统故障暂态信号分析

为提高对含有谐波、间谐波和衰减直流分量的电力系统故障暂态信号的分析精度,提出基于改进Prony算法的暂态信号分析方法。Prony算法的模型具有能较准确描述故障暂态信号特征、直接提取信号频率的优点。先采用差分算法滤除衰减直流分量并对高频信号进行放大以提高Prony算法的分析精度,利用Prony算法对信号中含有的频率分量进行估计,以确定神经网络的神经元个数和训练的初始值。将各频率分量的频率作为神经网络训练待定的权值,同时估计各频率分量的频率和幅值。仿真结果证明了所提方法的快速性和有效性。

基于小波预处理技术的低频振荡Prony分析

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。

采用改进自适应Prony方法的电力故障信号的分析与处理

Prony方法(Prony method,PM)不适于处理含非持续性或突变性分量的故障信号。自适应PM(adaptive PM,APM)通过对信号自适应分段改善了PM的性能,但在搜索子段分界点时采用固定步长,效率低、运行时间长。提出改进APM(modified APM,MAPM),通过引入变步长策略大大提高了搜索效率。仿真结果表明,MAPM具有很高的信号拟合及参数估计精度,基于其的信号插值、延拓具有传统方法所没有的自适应性。MAPM对故障信号分析处理的实例再次表明了它的优越性能,为它在电气工程中的推广应用奠定了基础。

基于相对增益矩阵和Prony技术的南方电网FACTS和HVDC之间交互影响分析

高压直流输电(HVDC)及灵活交流输电(FACTS)装置因其优良特性被广泛应用于现代电网中,但是其实际应用时间较短,加之其控制器的复杂性,使得对大规模交直流混联电网中FACTS装置之间及FACTS装置与HVDC间的交互作用的研究不够成熟和完善。文中以定量分析南方电网中FACTS装置之间以及FACTS装置与HVDC系统间的交互作用大小为目标,建立了含FACTS装置和HVDC系统的多机电力系统的线性化模型,并详细阐述了引入不同FACTS装置及直流系统时,控制变量、输出变量的选择及对代数方程的处理。接着对南方电网进行等值,利用该线性化模型推导出等值系统的传递函数,利用RGA方法找出FACTS装置之间以及FACTS装置与HVDC系统间的交互作用的大小。最后通过大扰动下的Prony分析验证了RGA分析结果的正确性。

基于EMD和Prony算法的同步电机参数辨识

Prony算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高。鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony算法相结合的方法应用到同步电机参数辨识中。利用EMD的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声IMF分量,然后用Prony准确辨识出同步电机的瞬态和超瞬态参数。仿真试验结果表明该方法具有精度高、抗噪性强等特点。