基于分群辨识曲线的信号能量分析法

针对传统的信号能量分析法无法直接处理高阶模式下的非平稳振荡信号,结合振荡机组的分群辨识,提出用基于分群辨识曲线的信号能量分析法进行低频振荡参数的在线辨识,以拓展信号能量分析法的适用范围,并提高辨识效率。该方法借助信号能量分析法能处理上下包络线关于时间轴对称的信号这一特点,利用振荡机组分群辨识得到的两个发电机群的反向对称轨迹,采用信号能量分析法辨识主导振荡模式。仿真测试的结果表明基于分群曲线的低频振荡在线辨识方法结果准确、计算效率高,能够有效地识别系统的主导振荡模式。

基于希尔伯特振动分解的低频振荡在线辨识

利用希尔伯特振动分解(Hilbert vibration decomposition,HVD)算法适于处理时变频率信号的特性,提出一种处理非平稳振荡信号的新算法——结合HVD的信号能量分析法,并应用于电力系统低频振荡在线辨识中。首先,对通过Hilbert变换获得的解析信号进行分析和滤波,得到幅值最大分量的瞬时频率,并由同步检测获得相应的幅值和初相位;然后,通过迭代运算检测出非平稳振荡信号各分量的频率、幅值、相位;最后,运用信号能量法对通过HVD得到的各平稳信号的主导振荡模式进行识别和分离。将该算法与Prony算法、基于经验模态分解(empirical mode decomposition,EMD)的信号能量分析法进行比较,仿真测试和实例分析结果说明,此算法能够有效提取非轴对称振荡信号的主导模式,并且抗噪能力强、计算效率高。