基于PSO的模态原子法在低频振荡模式时变特性追踪的应用

为克服传统方法不能自适应反映振荡模式时变特性的缺点,提出一种分析低频振荡模式的新方法。该方法将粒子群优化算法应用于原子分解的迭代优化过程中,通过比较粒子的最佳适应值,选取最能反映振荡模式特性的模态原子,从而实现将模态原子的选取过程转化为利用粒子群优化算法求解函数最优化问题。每1个模态原子对应于1个振荡模式,最终完成低频振荡模态参数辨识过程。该方法具有较强的抗噪性能,鲁棒性强,并能有效追踪振荡模式的时变特性,时频分辨率强。算例分析表明了该方法的有效性与实用性,优于希尔伯特–黄变换方法。

基于原子稀疏分解的低频振荡模态参数辨识方法

为克服传统特征分析法不适合分析大规模高阶系统,而傅里叶算法和Prony算法等线性化方法又难以处理非平稳信号的缺点,本文将一种新的处理非线性、非平稳信号方法——原子稀疏分解法应用于电力系统低频振荡模态参数识别。该方法利用匹配追踪(MP)算法将初始信号从Gabor原子库中分解得到最佳匹配原子,并采用伪牛顿法对参变量进行优化,进而求出衰减正弦量原子的参变量,最终完成整个低频振荡模态参数的提取过程。仿真结果表明该方法的可行性和有效性,为电力系统稳定分析提供一种全新的途径和方法。