基于PRCE方法的低频振荡模式识别

该文将结构学领域用于分析建筑或机械结构振动特性的多参考点复指数(poly-reference complex exponential,PRCE)法引入电力系统,实现低频振荡辨识。该方法基于多通道信号,构造脉冲序列的自回归模型(autoregressive model,AR model),运用LQ分解,求解其自回归系数,再求解由自回归系数构成的矩阵多项式的根,得到频率和阻尼比,进而求得系统的模态矩阵。该文介绍了PRCE法在电力系统低频振荡模式辨识中的原理,16机系统的仿真结果验证了PRCE方法的有效性和正确性;与总体最小二乘–旋转不变技术参数估计(total least squares-estimation of signalparameters via rotational invariance techniques,TLS-ESPRIT)方法、随机子空间(stochastic subspace identification,SSI)方法的对比表明,该方法辨识结果在辨识精度、效率上表现得更好。最后,基于四川电网实测数据验证了PRCE方法的有效性。

环境激励下海上风电结构模态参数识别

针对海上风电结构,研究了环境激励下海上风电结构的模态参数识别问题。采用了一种时域联合算法:自然激励法(Natural Excitation Technique,简称NExT)和多参考点复指数法(Polyreference Complex Exponential,简称PRCE)的结合(简称NExT/PRCE方法)对海上风电结构的模态参数进行识别。对某三脚架式海上风电结构进行数值模拟,考虑了风电结构的实际操作工况,对结构施加了随机波浪荷载和风机载荷。利用动力响应数据进行了环境激励下风电整体结构模态参数识别,采用了稳定图与模态置信准则进行了虚假模态的剔除,并分析了NExT中参考通道选取对于模态参数识别效果的影响。通过与有限元模型模态参数比较,验证了NExT/PRCE方法对于风电结构参数识别的有效性。