基于类噪声信号和ARMA-P方法的振荡模态辨识

被引:21
作者
吴超 [1 ]
陆超 [1 ]
韩英铎 [1 ]
吴小辰 [2 ]
柳勇军 [2 ]
机构
[1] 清华大学电机系电力系统国家重点实验室
[2] 南方电网技术研究中心
关键词
振荡模态; 类噪声信号; 自回归滑动平均-Prony方法;
D O I
暂无
中图分类号
TM712 [电力系统稳定];
学科分类号
080802 ;
摘要
弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,振荡模态是表征系统振荡特性的重要参数,反映了各节点对振荡模式的参与情况。目前基于测量信号一般在振荡发生后进行模态分析,缺乏在系统正常运行情况下的分析手段。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中提出一种自回归滑动平均-Prony(ARMA-P)方法对这种类噪声信号进行处理,在采用ARMA模型拟合类噪声信号估计低频振荡模式参数的基础上,进一步建立信号的Prony模型,最终实现对低频振荡模态的辨识。将该方法用于对新英格兰系统仿真数据进行处理,其辨识结果与小干扰稳定计算结果进行了比较,并进一步将该方法用于处理南方电网实测数据,证明了其有效性。
引用
收藏
页码:1 / 6
页数:6
相关论文
共 11 条
[1]   计及模型定阶的低频振荡模式类噪声信号辨识 [J].
吴超 ;
陆超 ;
韩英铎 ;
吴小辰 ;
柳勇军 .
电力系统自动化, 2009, 33 (21) :1-6
[2]   白噪声激励下的低频振荡模态参数辨识方法 [J].
郝正航 ;
李少波 .
电力系统自动化, 2007, (15) :26-29
[3]   基于广域测量信息在线辨识低频振荡 [J].
鞠平 ;
谢欢 ;
孟远景 ;
代飞 ;
鄢安河 ;
孙素琴 ;
范斗 ;
吴峰 ;
张保会 .
中国电机工程学报, 2005, (22) :59-63
[4]   利用有限时间扰动后的响应辨识电力系统的主导特征值 [J].
肖晋宇 ;
谢小荣 ;
韩英铎 .
中国电机工程学报, 2005, (12) :1-5
[5]   小干扰稳定性分析中一种关键特征值计算的稀疏实现 [J].
杜正春 ;
刘伟 ;
方万良 ;
夏道止 .
中国电机工程学报, 2005, (02) :20-24
[6]   电力系统低频振荡在线辨识的改进Prony算法 [J].
肖晋宇 ;
谢小荣 ;
胡志祥 ;
韩英铎 .
清华大学学报(自然科学版), 2004, (07) :883-887
[7]   一种新的大型电力系统低频机电模式计算方法 [J].
谷寒雨 ;
陈陈 .
中国电机工程学报, 2000, (09) :51-55
[8]  
动态电力系统的理论和分析[M]. 清华大学出版社 , 倪以信等著, 2002
[9]  
现代信号处理[M]. 清华大学出版社 , 张贤达著, 2002
[10]  
电力系统稳定与控制[M]. 中国电力出版社 , (加)PrabhaKundur著, 2002