计及模型定阶的低频振荡模式类噪声信号辨识

被引：31

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

来源：

电力系统自动化 | 2009年 / 33卷 / 21期

关键词：

振荡模式辨识; 类噪声信号; 自回归滑动平均模型; 贝叶斯准则; ARMA(2n,2n-1)建模方案;

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,但目前基于测量信息只能在振荡发生后进行告警,而不能预警。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。文中基于这种类噪声信号,采用自回归滑动平均(ARMA)法进行低频振荡模式辨识,从而实现电网正常运行状态下的动态稳定性预警。模型定阶是利用ARMA法进行振荡模式辨识的关键步骤,直接关系到结果的准确性。在分析比较各种定阶准则优缺点的基础上,选用贝叶斯准则(BIC)确定ARMA模型阶数,进一步面向在线实际应用,采用ARMA(2n,2n-1)建模方案提高辨识速度。最后,将该方法用于对36节点系统仿真数据和南方电网实测类噪声信号进行处理,辨识结果说明了该方法的有效性。

引用

页码：1 / 6

页数：6

共 8 条

[1] 白噪声激励下的低频振荡模态参数辨识方法 [J].