基于改进ARMA递推算法低频振荡模式在线辨识.pdfVIP

第40 卷 第 1 期 电力系统保护与控制 Vol.40 No.1 2012 年 1 月 1 日 Power System Protection and Control Jan. 1, 2012 基于改进的ARMA递推算法的低频振荡模式在线辨识 1,2 2 3 3 陈 刚 ，龚 啸 ，李 军 ，古志明 (1. 南方电网科学研究院，广东 广州 510080； 2.输配电装备及系统安全与新技术国家重点实验室(重庆大学)， 重庆 400044；3.重庆市电力公司，重庆 400015） 摘要：为提高电力系统低频振荡现象的实时监测水平，提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法 进行低频振荡模式辨识，并通过估计 ARMA 谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法 拟合高阶 AR 模型单独得到白噪声估值，再将该估值用于常规加权递推最小二乘算法中，提高了算法参数辨识的精度和收敛 速度。New-England 39 节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性，并通过与常规加权递推 最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度。最后通过对某 电网PMU实测数据的辨识分析，验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比，具有实际的工程 意义。 关键词: 自回归滑动平均模型；加权递推最小二乘算法；ARMA谱；低频振荡在线辨识；主导模式 Improved ARMA recursive algorithm for online identification of low frequency oscillation modes 1, 2 2 3 3 CHEN Gang , GONG Xiao , LI Jun , GU Zhi-ming (1. China Southern Power Grid Science Research Institute, Guangzhou 510080, China; 2. State Key Laboratory of Power Transmission Equipment System Security and New Technology, Chongqing University, Chongqing 400044, China; 3. Chongqing Municipal Electric Power Company, Chongqing 400015, China) Abstract: In order to improve the level of real-time monitoring of low frequency oscillation, this paper proposes to use a two parts weighted recursive least square (WRLS) algorithm based on auto-regressive moving-average (ARMA) model to estimate the low frequency oscillation modes, and extracts the domain modes of low frequency oscillation by the method of ARMA spectr