针对传统傅里叶变换(fast Fourier transformation,FFT)算法分辨率不高,不能准确提取固有频率的问题,提出将矩阵束(matrix pencil,MP)、自回归滑动平均(auto-regressive and moving average,ARMA)模型、稀疏时间需求(sparse time demain...针对传统傅里叶变换(fast Fourier transformation,FFT)算法分辨率不高,不能准确提取固有频率的问题,提出将矩阵束(matrix pencil,MP)、自回归滑动平均(auto-regressive and moving average,ARMA)模型、稀疏时间需求(sparse time demain,STD)时域模态参数辨识方法应用于提取固有频率。为此,介绍了这几种算法的基本原理,并采用电力系统计算机辅助设计(power system computer aided design,PSCAD)联合MATLAB软件对相关算例进行大量仿真。仿真结果表明,MP、ARMA、STD方法能大大提高频率分辨率,准确提取固有频率值,较FFT方法有明显的优越性。展开更多
文摘针对传统傅里叶变换(fast Fourier transformation,FFT)算法分辨率不高,不能准确提取固有频率的问题,提出将矩阵束(matrix pencil,MP)、自回归滑动平均(auto-regressive and moving average,ARMA)模型、稀疏时间需求(sparse time demain,STD)时域模态参数辨识方法应用于提取固有频率。为此,介绍了这几种算法的基本原理,并采用电力系统计算机辅助设计(power system computer aided design,PSCAD)联合MATLAB软件对相关算例进行大量仿真。仿真结果表明,MP、ARMA、STD方法能大大提高频率分辨率,准确提取固有频率值,较FFT方法有明显的优越性。
