本文選題：低頻振蕩　切入點：模態(tài)辨識　出處：《電測與儀表》2016年22期

【摘要】：基于多點量測數(shù)據(jù)的低頻振蕩模態(tài)參數(shù)辨識方法具有辨識精度高,覆蓋模態(tài)信息全的特點,但是該方法存在數(shù)據(jù)量增大,計算時間冗長的問題。針對上述問題,將基于數(shù)據(jù)縮減技術的改進小波變換參數(shù)識別方法應用于電力系統(tǒng)低頻振蕩參數(shù)辨識中。該方法通過對發(fā)電機出口有功功率信號的正功率譜密度矩陣進行奇異值分解,有效識別系統(tǒng)的模態(tài)階數(shù)。利用奇異值分解將待辨識信號的協(xié)方差信號進行數(shù)據(jù)縮減,充分保留信號的信息量,從而在保證計算合理及精度的前提有效地減少待辨識的數(shù)據(jù)量,進而利用連續(xù)Morlet小波變換識別電力系統(tǒng)低頻振蕩參數(shù)。通過對4機2區(qū)域系統(tǒng)和EPRI-36節(jié)點系統(tǒng)進行算例對分分析,結果表明改進的小波變換方法能夠有在準確提取電力系統(tǒng)低頻振蕩模態(tài)參數(shù)的前提下,有效減少計算所用數(shù)據(jù)量,提高計算效率。
[Abstract]:Multi point measurement based data of the low frequency oscillation modal parameter identification method has high identification accuracy, coverage characteristics of modal information, but the method has increased the amount of data, the lengthy computing time. In view of the above problems, the improved data reduction technique based on wavelet transform parameter identification method is applied to parameter identification of power system low frequency oscillation in this method the spectral density matrix by singular value decomposition is power on the generator active power signal, the mode order effective recognition system. By using the singular value decomposition of the covariance identification difference signals for data reduction, full reservation information signal, thus reasonable calculation accuracy in the premise and guarantee the effective to reduce the amount of data to be identified, and the use of low frequency oscillation parameters of continuous wavelet transform Morlet identification of power system. Based on the 4 machine 2 area system and EPRI-36 The example analysis of the node system shows that the improved wavelet transform method can effectively reduce the amount of data and improve the computation efficiency under the premise of accurately extracting the modal parameters of the power system low frequency oscillation.

【作者單位】： 東北電力大學電氣工程學院;國網(wǎng)吉林省電力有限公司吉林供電公司;
【分類號】：TM712

【相似文獻】

相關期刊論文 前10條

1 王衛(wèi)國,賀仁睦,王鐵強,徐東杰;分析電力系統(tǒng)低頻振蕩的試驗方法[J];電力系統(tǒng)自動化;2001年22期

2 王鐵強,賀仁睦,王衛(wèi)國,徐東杰,魏立民,肖利民;電力系統(tǒng)低頻振蕩機理的研究[J];中國電機工程學報;2002年02期

3 楊艷,趙書強;負荷特性對電力系統(tǒng)低頻振蕩阻尼的影響[J];電力自動化設備;2003年11期

4 伍亞萍,周俊宇,彭霞;基于人工智能的電力系統(tǒng)低頻振蕩抑制[J];低壓電器;2005年02期

5 王青;閔勇;張毅威;;電力系統(tǒng)低頻振蕩的機理研究和主要分析方法[J];電氣應用;2006年07期

6 劉峻;行舟;何世恩;鄭偉;;甘肅隴南碧成系統(tǒng)低頻振蕩的分析與治理[J];電力設備;2006年08期

7 徐英新;王西田;楊帆;陳陳;;電力系統(tǒng)低頻振蕩分析中同型多機的等值簡化[J];上海交通大學學報;2007年03期

8 牛朋超;郭清滔;康積濤;李愛武;李林;羅智慧;;電力系統(tǒng)低頻振蕩的研究現(xiàn)狀和展望[J];山東電力技術;2009年05期

9 袁紅斌;張元波;崔國有;;淺談電力系統(tǒng)低頻振蕩[J];東北電力大學學報(自然科學版);2009年01期

10 牛朋超;康積濤;李愛武;李林;羅智慧;;電力系統(tǒng)低頻振蕩的研究現(xiàn)狀和展望[J];江西電力;2009年04期

相關會議論文 前4條

1 肖馳;劉玉田;;電力系統(tǒng)低頻振蕩檢測的實時濾波算法[A];2006中國電力系統(tǒng)保護與控制學術研討會論文集[C];2006年

2 閆朝;艾欣;朱維新;王瑞欣;;應用SVC抑制電力系統(tǒng)低頻振蕩的研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

3 唐穎杰;竺煒;譚喜意;;基于改進Prony算法的電力系統(tǒng)低頻振蕩模式識別[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

4 李紅梅;;異步電動機系統(tǒng)低頻振蕩的建模和判據(jù)[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

相關博士學位論文 前5條

1 張科;基于廣域測量系統(tǒng)的電力系統(tǒng)低頻振蕩模態(tài)分析研究[D];華中科技大學;2011年

2 高紅亮;電力系統(tǒng)低頻振蕩控制技術研究[D];華中科技大學;2013年

3 葉華;大規(guī)模電力系統(tǒng)低頻振蕩分析與廣域自適應控制研究[D];山東大學;2009年

4 戚軍;基于廣域測量系統(tǒng)的電力系統(tǒng)低頻振蕩時滯阻尼控制[D];浙江大學;2009年

5 趙輝;電力系統(tǒng)低頻振蕩阻尼機理及控制策略研究[D];天津大學;2006年

相關碩士學位論文 前10條

1 孫斌;風火打捆聯(lián)合外送方式下電力系統(tǒng)低頻振蕩分析[D];西南交通大學;2015年

2 王祥超;基于廣域量測的電力系統(tǒng)低頻振蕩模式辨識研究[D];西南交通大學;2015年

3 謝文麟;基于小波分析的電力系統(tǒng)低頻振蕩研究[D];哈爾濱工業(yè)大學;2015年

4 姜蘇娜;電力系統(tǒng)低頻振蕩非線性機理及控制策略研究[D];華北電力大學;2015年

5 任偉;大型光伏電站參與抑制電力系統(tǒng)低頻振蕩控制策略研究[D];重慶大學;2015年

6 王延勃;電力系統(tǒng)低頻振蕩信號快速衰減分量精確辨識方法研究[D];大連海事大學;2016年

7 羅耀;基于Prony法的電力系統(tǒng)低頻振蕩分析[D];大連海事大學;2016年

8 王暉;風電并網(wǎng)對電力系統(tǒng)低頻振蕩特性的影響研究[D];上海電機學院;2016年

9 唐穎杰;電力系統(tǒng)低頻振蕩分析方法研究[D];長沙理工大學;2009年

10 段星;電力系統(tǒng)低頻振蕩傳播機理的研究[D];華北電力大學（河北）;2010年

，

本文編號：1697890