基于IEWT和噪能转移SR-MLS反演识别技术的低频振荡信号分析

电力系统低频振荡信号是典型的多分量混噪信号,特征提取较困难。为此,采用基于顺序统计滤波原理(order statistics filter,OSF)平顶上包络的改进经验小波变换算法(improved empirical wavelet transform,IEWT)和随机共振—移动最小二乘(resonance-moving least squares,SR-MLS)反演识别技术相结合的方法实现对振荡信号的特征分析。IEWT结合了小波分析的完备理论性和经验模态分解的自适应性,通过构造一系列正交小波滤波器组对信号进行分解。首先,根据OSF最大值滤波器原理得到频谱的有效平顶上包络,进而确定EWT的边界并对原始振荡信号进行抗噪主导模态分离,然后结合SR-MLS反演识别技术,在残余噪声的帮助下增强振荡特征并有效提取。最后,在自合成模拟信号仿真、IEEE 16机68节点系统仿真以及电网实测数据3个算例仿真下通过与经典Prony法、VMD-Hilbert法对比,表明了所提方法的可行性及有效性。