论文部分内容阅读
随着电力系统不断扩大，结构越加复杂，电网的安全稳定问题也越来越突出。低频振荡的发生现象逐渐变多，成为影响电网安全稳定运行的重要危害之一。研究低频振荡主导模式的方法主要有基于系统模型和基于实测信号两种。本文的主要工作就是对基于实测信号识别低频振荡主导模式的算法进行研究。 阐述了两种常用的算法Prony和HTLS-ESPRIT方法的数学基础，通过使用MATLAB构造算例仿真，从阶数影响、准确性、抗噪性、采样影响及效率等方面对两种算法的进行了比较，说明了HTLS-ESPRIT算法比Prony方法具有更大的优势。 根据HTLS-ESPRIT算法的定阶过程易受噪声影响的缺点，分析了噪声在算法中的影响，利用噪声子空间的近似线性的关系，设计了线性定阶方法。并采用模糊滤波，进一步减小噪声的影响。基于PSASP搭建3机10节点系统，分别使用仿真算例以及PMU现场实测数据验证了改进HTLS-ESPRIT算法的有效性。 针对HTLS-EPRIT算法更新信号子空间所用的奇异值分解法计算量很大，不宜用于窗口化在线分析的缺点，引入了在盲信号检测领域中应用较多的投影子空间近似算法(PASTd)，论述了其数学理论；并分析了其性能。针对其缺点增加了定阶模块及滤波模块，根据低频振荡在线检测算法的特点，设计了算法启动判据，形成了低频振荡在线检测综合算法；通过仿真算例，表明了改进算法在低频振荡主导模式的在线识别中，具有应用价值。 由于Prony算法、HTLS-ESPRIT算法与PASTd算法均需SVD分解定阶，算法性能受到阶数限制。针对这个缺点，研究并改进了PASTd-AIC算法，新算法能够即时地跟踪低频振荡的信号参数，改进算法的运算效率是5种算法中最快的，并且有一定的抗噪性能。对比分析算例和实测算例表明了新算法的有效性。