隨著可再生能源互聯(lián)結(jié)構(gòu)的日益擴大、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)進入了一個大區(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)時期。高放大倍數(shù)快速勵磁系統(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,但同時導致系統(tǒng)內(nèi)弱聯(lián)網(wǎng)增多,加劇了欠阻尼低頻振蕩的發(fā)生。通過廣域測量系統(tǒng)對低頻振蕩信號進行監(jiān)測時,我們發(fā)現(xiàn)振蕩信號與系統(tǒng)隨機波動的形態(tài)較為接近并時�；祀s噪聲,這使得振蕩信號與噪聲和隨機波動難以區(qū)分。與此同時,電力系統(tǒng)低頻振蕩信號是典型的多分量混噪信號,這給低頻振蕩信號特征提取工作帶來了較大困難。因此,精確提取噪聲背景下低頻振蕩各主導模式信息對提升電力系統(tǒng)監(jiān)視功能以及保證電網(wǎng)安全穩(wěn)定運行具有重要意義。本文將近幾年提出的具有較強非平穩(wěn)信號處理能力的變分模態(tài)分解算法和經(jīng)驗小波變換算法作為采集信號的預處理算法,并結(jié)合隨機共振理論實現(xiàn)對電力系統(tǒng)低頻振蕩信號的特征在線辨識。本文首先針對低頻振蕩信號的特性,對傳統(tǒng)的低頻振蕩信號預處理算法--經(jīng)驗模態(tài)分解法的原理進行了介紹,鑒于該方法處理低頻振蕩信號時極易造成模態(tài)混疊、丟失和失真的現(xiàn)象,同時該方法的抗噪性能較差,文中引入了變分模... 

【文章頁數(shù)】：61 頁

【學位級別】：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)生機理及研究現(xiàn)狀
    1.3 低頻振蕩模態(tài)辨識方法及研究現(xiàn)狀
        1.3.1 基于模型的辨識方法
        1.3.2 基于量測數(shù)據(jù)的辨識方法
    1.4 本文主要研究內(nèi)容
第2章 低頻振蕩信號預處理主導模態(tài)分離算法分析
    2.1 引言
    2.2 經(jīng)驗模態(tài)分解算法
    2.3 變分模態(tài)分解算法
    2.4 經(jīng)驗小波變換分解算法
    2.5 基于帶寬總和限定策略的改進變分模態(tài)分解算法分析
    2.6 基于平頂包絡鏡面延拓策略的改進經(jīng)驗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線分析
        2.6.2 有效主導平頂?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)移隨機共振反演識別技術(shù)的低頻振蕩信號特征提取
    3.1 引言
    3.2 非線性模型-朗之萬方程
    3.3 隨機共振原理
        3.3.1 絕熱近似理論
        3.3.2 線性響應理論
        3.3.3 自適應隨機共振理論
    3.4 隨機共振信噪比及信噪比增益
    3.5 Duffing振子廣義調(diào)參隨機共振理論的研究
        3.5.1 Duffing振子隨機共振機理
        3.5.2 Duffing振子廣義調(diào)參隨機共振
    3.6 隨機共振反演識別技術(shù)分析
    3.7 隨機共振反演識別技術(shù)在振蕩參數(shù)辨識中的適用性分析
        3.7.1 經(jīng)SVMD預處理后的主導模態(tài)參數(shù)提取
        3.7.2 經(jīng)IEWT預處理后的主導模態(tài)參數(shù)提取
    3.8 本章小結(jié)
第4章 基于模態(tài)分離和隨機共振反演識別技術(shù)的低頻振蕩在線辨識仿真分析
    4.1 引言
    4.2 IEEE16機68節(jié)點系統(tǒng)仿真算例
        4.2.1 基于SVMD和隨機共振反演識別技術(shù)的振蕩算例分析
        4.2.2 基于IEWT和隨機共振反演識別技術(shù)的振蕩算例分析
    4.3 電網(wǎng)實測數(shù)據(jù)分析
        4.3.1 東北電網(wǎng)實測數(shù)據(jù)分析
        4.3.2 華北地區(qū)某電廠實測數(shù)據(jù)分析
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀學位期間取得的研究成果及發(fā)表的學術(shù)論文
致謝


【參考文獻】：
期刊論文
[1]基于MEMD和HHT的電力系統(tǒng)低頻振蕩模式識別方法研究[J]. 葛維春,殷祥翔,葛延峰,屈超,黃鑫,王長江.  電力系統(tǒng)保護與控制. 2020(06)
[2]一種基于Prony分析的水電機組調(diào)速器PID參數(shù)切換方法[J]. 張建新,江出陽,蘇寅生,謝惠藩,劉蔚,陳剛,蔡東陽,周挺輝.  南方電網(wǎng)技術(shù). 2019(12)
[3]光儲一體化并網(wǎng)發(fā)電系統(tǒng)的慣量阻尼機理分析[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)低頻振蕩模式識別[J]. 郁宇浩,張會林.  電子測量技術(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.  電力系統(tǒng)自動化. 2020(04)
[6]EEMD-RobustICA和Prony算法在電力系統(tǒng)低頻振蕩模態(tài)辨識中的應用[J]. 趙峰,吳夢娣.  太陽能學報. 2019(10)
[7]改進EMD的多信號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,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TLS-ESPRIT算法的電力系統(tǒng)低頻振蕩模態(tài)辨識[J]. 劉思議,張程,金濤.  高電壓技術(shù). 2019(03)
[10]基于自適應變分模態(tài)分解的電力系統(tǒng)機電振蕩特征提取[J]. 王麗馨,蔡國偉,楊德友,孫正龍.  電網(wǎng)技術(shù). 2019(04)

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

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



本文編號：3655851