隨著可再生能源互聯(lián)結(jié)構(gòu)的日益擴(kuò)大、柔性交直流輸電的大規(guī)模投建以及直流配網(wǎng)技術(shù)的蓬勃發(fā)展,全球電網(wǎng)進(jìn)入了一個(gè)大區(qū)聯(lián)網(wǎng)和整體資源優(yōu)化配置的新形態(tài)電力系統(tǒng)時(shí)期。高放大倍數(shù)快速勵(lì)磁系統(tǒng)的大量使用雖有效提升了電力系統(tǒng)暫態(tài)穩(wěn)定性和電壓質(zhì)量,但同時(shí)導(dǎo)致系統(tǒng)內(nèi)弱聯(lián)網(wǎng)增多,加劇了欠阻尼低頻振蕩的發(fā)生。通過(guò)廣域測(cè)量系統(tǒng)對(duì)低頻振蕩信號(hào)進(jìn)行監(jiān)測(cè)時(shí),我們發(fā)現(xiàn)振蕩信號(hào)與系統(tǒng)隨機(jī)波動(dòng)的形態(tài)較為接近并時(shí)�；祀s噪聲,這使得振蕩信號(hào)與噪聲和隨機(jī)波動(dòng)難以區(qū)分。與此同時(shí),電力系統(tǒng)低頻振蕩信號(hào)是典型的多分量混噪信號(hào),這給低頻振蕩信號(hào)特征提取工作帶來(lái)了較大困難。因此,精確提取噪聲背景下低頻振蕩各主導(dǎo)模式信息對(duì)提升電力系統(tǒng)監(jiān)視功能以及保證電網(wǎng)安全穩(wěn)定運(yùn)行具有重要意義。本文將近幾年提出的具有較強(qiáng)非平穩(wěn)信號(hào)處理能力的變分模態(tài)分解算法和經(jīng)驗(yàn)小波變換算法作為采集信號(hào)的預(yù)處理算法,并結(jié)合隨機(jī)共振理論實(shí)現(xiàn)對(duì)電力系統(tǒng)低頻振蕩信號(hào)的特征在線(xiàn)辨識(shí)。本文首先針對(duì)低頻振蕩信號(hào)的特性,對(duì)傳統(tǒng)的低頻振蕩信號(hào)預(yù)處理算法--經(jīng)驗(yàn)?zāi)B(tài)分解法的原理進(jìn)行了介紹,鑒于該方法處理低頻振蕩信號(hào)時(shí)極易造成模態(tài)混疊、丟失和失真的現(xiàn)象,同時(shí)該方法的抗噪性能較差,文中引入了變分模... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 低頻振蕩發(fā)生機(jī)理及研究現(xiàn)狀
    1.3 低頻振蕩模態(tài)辨識(shí)方法及研究現(xiàn)狀
        1.3.1 基于模型的辨識(shí)方法
        1.3.2 基于量測(cè)數(shù)據(jù)的辨識(shí)方法
    1.4 本文主要研究?jī)?nèi)容
第2章 低頻振蕩信號(hào)預(yù)處理主導(dǎo)模態(tài)分離算法分析
    2.1 引言
    2.2 經(jīng)驗(yàn)?zāi)B(tài)分解算法
    2.3 變分模態(tài)分解算法
    2.4 經(jīng)驗(yàn)小波變換分解算法
    2.5 基于帶寬總和限定策略的改進(jìn)變分模態(tài)分解算法分析
    2.6 基于平頂包絡(luò)鏡面延拓策略的改進(jìn)經(jīng)驗(yàn)小波變換分解算法分析
        2.6.1 基于OSF最大濾波原理的平頂上包絡(luò)線(xiàn)分析
        2.6.2 有效主導(dǎo)平頂?shù)奶崛?br>        2.6.3 邊界的確定
    2.7 算例分析
        2.7.1 EMD與SVMD分解法的適用性分析
        2.7.2 EWT與IEWT分解法的適用性分析
    2.8 本章小結(jié)
第3章 基于噪能轉(zhuǎn)移隨機(jī)共振反演識(shí)別技術(shù)的低頻振蕩信號(hào)特征提取
    3.1 引言
    3.2 非線(xiàn)性模型-朗之萬(wàn)方程
    3.3 隨機(jī)共振原理
        3.3.1 絕熱近似理論
        3.3.2 線(xiàn)性響應(yīng)理論
        3.3.3 自適應(yīng)隨機(jī)共振理論
    3.4 隨機(jī)共振信噪比及信噪比增益
    3.5 Duffing振子廣義調(diào)參隨機(jī)共振理論的研究
        3.5.1 Duffing振子隨機(jī)共振機(jī)理
        3.5.2 Duffing振子廣義調(diào)參隨機(jī)共振
    3.6 隨機(jī)共振反演識(shí)別技術(shù)分析
    3.7 隨機(jī)共振反演識(shí)別技術(shù)在振蕩參數(shù)辨識(shí)中的適用性分析
        3.7.1 經(jīng)SVMD預(yù)處理后的主導(dǎo)模態(tài)參數(shù)提取
        3.7.2 經(jīng)IEWT預(yù)處理后的主導(dǎo)模態(tài)參數(shù)提取
    3.8 本章小結(jié)
第4章 基于模態(tài)分離和隨機(jī)共振反演識(shí)別技術(shù)的低頻振蕩在線(xiàn)辨識(shí)仿真分析
    4.1 引言
    4.2 IEEE16機(jī)68節(jié)點(diǎn)系統(tǒng)仿真算例
        4.2.1 基于SVMD和隨機(jī)共振反演識(shí)別技術(shù)的振蕩算例分析
        4.2.2 基于IEWT和隨機(jī)共振反演識(shí)別技術(shù)的振蕩算例分析
    4.3 電網(wǎng)實(shí)測(cè)數(shù)據(jù)分析
        4.3.1 東北電網(wǎng)實(shí)測(cè)數(shù)據(jù)分析
        4.3.2 華北地區(qū)某電廠(chǎng)實(shí)測(cè)數(shù)據(jù)分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果及發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于MEMD和HHT的電力系統(tǒng)低頻振蕩模式識(shí)別方法研究[J]. 葛維春,殷祥翔,葛延峰,屈超,黃鑫,王長(zhǎng)江.  電力系統(tǒng)保護(hù)與控制. 2020(06)
[2]一種基于Prony分析的水電機(jī)組調(diào)速器PID參數(shù)切換方法[J]. 張建新,江出陽(yáng),蘇寅生,謝惠藩,劉蔚,陳剛,蔡?hào)|陽(yáng),周挺輝.  南方電網(wǎng)技術(shù). 2019(12)
[3]光儲(chǔ)一體化并網(wǎng)發(fā)電系統(tǒng)的慣量阻尼機(jī)理分析[J]. 吳永斌,王素娥,熊連松,張東輝,許昭.  電力系統(tǒng)自動(dòng)化. 2020(06)
[4]基于EMD盲源分離算法的電力系統(tǒng)低頻振蕩模式識(shí)別[J]. 郁宇浩,張會(huì)林.  電子測(cè)量技術(shù). 2020(02)
[5]考慮多振蕩模式的多頻段電力系統(tǒng)穩(wěn)定器參數(shù)整定方法[J]. 江崇熙,石鵬,黃偉,周靖皓,甘德強(qiáng).  電力系統(tǒng)自動(dòng)化. 2020(04)
[6]EEMD-RobustICA和Prony算法在電力系統(tǒng)低頻振蕩模態(tài)辨識(shí)中的應(yīng)用[J]. 趙峰,吳夢(mèng)娣.  太陽(yáng)能學(xué)報(bào). 2019(10)
[7]改進(jìn)EMD的多信號(hào)Prony電力系統(tǒng)低頻振蕩分析[J]. 王雨虹,董瑞.  控制工程. 2019(07)
[8]基于SURE小波閾值消噪和MCEEMD-HHT的低頻振蕩分析[J]. 陳堅(jiān),劉思議,金濤.  高電壓技術(shù). 2020(01)
[9]基于相鄰系數(shù)TQWT與改進(jìn)TLS-ESPRIT算法的電力系統(tǒng)低頻振蕩模態(tài)辨識(shí)[J]. 劉思議,張程,金濤.  高電壓技術(shù). 2019(03)
[10]基于自適應(yīng)變分模態(tài)分解的電力系統(tǒng)機(jī)電振蕩特征提取[J]. 王麗馨,蔡國(guó)偉,楊德友,孫正龍.  電網(wǎng)技術(shù). 2019(04)

博士論文
[1]基于廣域測(cè)量技術(shù)的電力系統(tǒng)低頻振蕩問(wèn)題研究[D]. 李尚遠(yuǎn).浙江大學(xué) 2019

碩士論文
[1]基于耦合、聯(lián)合和非對(duì)稱(chēng)雙穩(wěn)態(tài)的隨機(jī)共振系統(tǒng)的微弱信號(hào)檢測(cè)研究[D]. 張義俊.重慶郵電大學(xué) 2019
[2]低頻振蕩多參數(shù)影響因素及機(jī)理研究[D]. 魯海峰.哈爾濱工業(yè)大學(xué) 2019
[3]電力系統(tǒng)持續(xù)低頻振蕩辨識(shí)算法研究[D]. 汪艷.合肥工業(yè)大學(xué) 2019
[4]基于改進(jìn)VMD-HT的電力系統(tǒng)低頻振蕩模態(tài)辨識(shí)[D]. 劉宏波.哈爾濱工業(yè)大學(xué) 2018
[5]基于Prony算法的電力系統(tǒng)低頻振蕩特征辨識(shí)[D]. 楊婷.華中科技大學(xué) 2018
[6]基于ARMA遞推算法的電力系統(tǒng)低頻振蕩模式在線(xiàn)辨識(shí)研究[D]. 龔嘯.重慶大學(xué) 2011



本文編號(hào)：3655851