互相关优化改进矩阵束算法及其在次同步振荡模态参数辨识的应用

针对传统的矩阵束算法在低信噪比时存在计算数值不稳定、极点提取精确度不高的缺点,提出了一种基于互相关(cross-correlation,CC)优化的改进矩阵束(improved matrix pencil algorithm,IMP)算法,应用于电力系统次同步振荡模态辨识,并结合算例与传统的矩阵束算法和改进Prony算法辨识结果进行了比较。结果表明:该方法能快速准确地辨识系统的次同步振荡模态,具有拟合度高、抗噪声能力强的特点,有助于大系统及强噪声背景下次同步振荡模态分析及阻尼控制器的设计研究。

基于改进矩阵束的高压直流次同步振荡检测

矩阵束是一种可以用来进行振荡模态参数辨识的算法。鉴于传统的矩阵束算法在有噪声情况下模态阶数辨识效果不理想,提出将信息熵引入矩阵束进行改进,进而将改进的矩阵束算法用于高压直流的次同步振荡模态的辨识。然后与改进Prony法和矩阵束算法对比分析,证明了基于信息熵的矩阵束算法的有效性。仿真结果表明,此算法可以快速、准确地辨识出次同步振荡模态参数,且该算法抗噪声能力强,可用于电力系统次同步振荡在线检测。

矩阵束算法的改进及应用

针对强电磁脉冲孔耦合瞬态响应的极点参数提取问题,将传统的矩阵束算法进行改进.传统的矩阵束算法在低信噪比时,存在计算数值不稳定,极点提取精确度不高的缺点.通过对含有噪声的瞬态响应数据进行互相关预处理,能有效提高低信噪比时极点的提取精确度.再将数据经离散化后构造Hankle矩阵,结合奇异值分解,求解其广义特征值.即可提取信号的极点参数信息.最后通过仿真分析以及对波形的重构,验证改进算法具有抗噪能力强、拟合度高的特点.

基于改进矩阵束算法的水轮机控制系统参数辨识

水轮机控制系统参数的准确直接影响到水轮机调节系统的动态特性和电力系统的稳定性,鉴于传统的矩阵束算法在有噪声的情况下系统参数辨识效果不理想,提出了基于改进矩阵束算法的水轮机控制系统参数辨识方法。该方法将输出信号构造为Hankel矩阵,运用奇异值分解和矩阵的低秩近似等方法抑制了噪声的干扰,通过对系统特征根和留数进行分析达到对水轮机控制系统进行参数辨识的目的,并与参数辨识中常用的prony算法进行对比。结果表明,该方法不仅辨识精度较高,而且有较强的噪声抑制能力,更适合应用于工程实践。

目标极点提取的改进算法

针对强电磁脉冲孔耦合瞬态响应的极点参数提取问题,将传统的矩阵束算法进行改进。通过对含有噪声的瞬态响应数据进行互相关处理,能有效提高低信噪比时极点的提取精度。再将数据经离散化后构造Hankle矩阵,结合奇异值分解,求解其广义特征值,即可提取信号的极点参数信息。最后通过仿真分析以及对波形的重构,验证改进算法具有抗噪能力强、拟合度高的特点。

基于改进矩阵束的次同步振荡模态参数辨识方法研究

由于传统的矩阵束算法存在极点提取精确度不高的缺点,因此将互相关处理(Cross-correlation,CC)方法和改进矩阵束(Improved Matrix Pencil,IMP)算法结合应用于电力系统次同步振荡模态辨识,并在仿真算例中与传统的矩阵束算法和特征值法辨识结果进行了比较。对比结果表明:该方法在准确地辨识次同步振荡模态参数的同时,具有拟合度高、抗噪声能力强的特点,有助于强噪声背景下深入分析电力系统次同步振荡特性,从而有效抑制振荡。