基于ISPM和SDM-Prony算法的电力系统低频振荡模式辨识

针对广域测量系统低频振荡辨识过程中的噪声干扰和定阶问题,提出了基于改进平滑优先方法(improved smoothness priors method,ISPM)和SDM定阶的Prony方法进行电力系统低频振荡模态辨识。首先将待处理信号经过ISPM滤波同时对高频干扰项和趋势项进行快速准确去除,然后对消噪后的信号进行SDM-Prony辨识,得到低频振荡的主导模态参数。该方法在定阶时能够根据奇异值分解的具体情况进行自动准确定阶,无需阈值的人为选取,使定阶具有自适应性。将该方法分别用于仿真信号和实测振荡信号分析,并和传统的Prony方法进行比较,该方法在拟合精度指标相差不大的情况下估计的阶数更加逼近真实阶数,并且具有运算简单、抗噪性能好等特点,可快速准确辨识出主导振荡模态信息。仿真结果表明,文中方法具有良好的实用性。

基于自适应神经模糊滤波的低频振荡Prony分析

传统Prony法在分析低频振荡时对输入信号要求较高,存在着对噪声敏感的弱点。文中提出一种自适应神经模糊滤波和改进Prony法相结合的低频振荡分析方法。该方法先用自适应神经模糊滤波对低频振荡信号进行滤波,再用改进Prony法对滤波后的信号进行分析。其中改进Prony法有效阶数用归一化奇异值法确定。将该方法用于分析IEEE4机2区系统表明,在有色噪声影响下,该方法仍能相对准确地辨识出低频振荡主导模式,验证了其有效性。

强噪声背景下的低频振荡模态辨识

传统Prony法存在着对噪声敏感的缺点,因此提出一种基于改进的整体平均经验模式分解(ensem-ble empirical mode decomposition,EEMD)方法滤波和改进Prony方法相结合的低频振荡分析方法。该方法先用改进的EEMD对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析。仿真结果表明:在较大噪声环境下,该方法仍能准确辨识出低频振荡模态参数。

基于经验模态分解滤波的低频振荡Prony分析

传统Prony法在分析低频振荡时对输入信号要求较高,存在着对噪声敏感的弱点.因此提出一种经验模态分解滤波和改进Prony法相结合的低频振荡分析方法.该方法先用经验模态分解对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析.其中,改进Prony法有效阶数用归一化奇异值法确定.将该方法分别用于分析试验信号和IEEE4机系统振荡信号,并与基于低通滤波器的Prony分析进行比较.结果表明,在较大噪声环境下,该方法仍然能相对准确的辨识出低频振荡主导模式,验证了其有效性.