振荡与谐波扰动识别prony分析法.pdfVIP

振荡与谐波扰动识别的prony分析法1 易新超，徐永海，肖湘宁，陈磊 华北电力大学电气工程学院（102206） email: yonghaixu@263.net 摘 要：为实现电压扰动的抑制与补偿，需要对电压扰动进行自动的识别，以便有针对性地 采取措施。针对电压扰动中难以正确区分的谐波与高、低频振荡扰动，提出了一种基于 Prony算法的识别方法。该方法能够对谐波和高、低频振荡扰动信号进行有效识别，并求 解出相应扰动信号成分的特征参数：幅值、衰减系数、频率和初相位等。对该方法进行了 计算机仿真验证，取得了令人满意的效果。信噪比为40dB条件下，谐波、振荡和振荡与谐 波扰动同时发生时，在准确计算特征参数情况下的正确识别率分别为96%、94%和92%，若 只考虑类型识别正确率则上述指标可达 98%。所提方法适用于频率跨度大、成分比较复杂 的扰动信号的分析，能够很好实现扰动的识别。将所提方法与其它方法结合，还可对多种 扰动进行有效的识别。 关键词：普罗尼分析，扰动识别，特征参数，谐波，振荡。 1.引言 [1~4] 对电网内重要节点进行扰动监测、类型识别与频次统计是国内外近年来研究的热点 。 现有的分析方法主要有傅里叶变换、小波分析（或结合人工神经网络）等。傅立叶分析方 法与各种改进的FFT和 DFT已成为现代频谱分析和谐波分析的基础，但它们并不适用于突 变信号和非稳定信号的分析。小波变换具有时域局部化和频域局部化性质，它对突变信 号非常敏感，可以准确检测扰动的发生时刻，有良好的消噪能力等。但小波变换也存 在着不足，如小波基函数选取的不同，对结果会产生很大的影响，同时小波变换尺度的选 [2] 择也是重要的影响因素等 。文献[2][4]中提到的神经网络（ANN）方法，具有不必对被 研究对象建立明确的数学模型，能进行自学习等特点。但 ANN存在理想的训练样本提取 [3] 困难，网络结构不易优化，扩展性差等缺点 。 [5] [6] 近年来，Prony算法在电力系统振荡 和谐波 分析中得到应用，该方法能够有效地求 出振荡与谐波扰动中各个频率成分的幅值、衰减系数、频率和初相位。为此，本文提出 采用该方法对高、低频振荡和谐波扰动进行识别和参数求解，该方法能有效地对扰动 加以识别，可以实现谐波与振荡扰动同时发生的复合扰动和谐间波的分析。Prony分析 的主要缺陷是计算时间较长，在实时系统中应用存在困难，但用来做离线的信号分析确 实是一个很好的工具，该算法在电力系统的响应信号分析中己获得初步的研究成果并显示出 良好的应用前景。 振荡与谐波以外的一些扰动类型（如：电压暂降、相位跳变等）的识别可采用基于 dq [7] 变换 的方法实现，然后结合本文所提方法即可实现对多种扰动信号的识别。作为完整扰动 ——————————————————— 1 本课题得到高等学校博士学科点专项科研基金（项目编号：20010079002 ）资助 振荡与谐波以外的一些扰动类型（如：电压暂降、相位跳变等）的识别可采用基于 dq [7] 变换 的方法实现，然后结合本文所提方法即可实现对多种扰动信号的识别。作为完整扰动 识别工作内容的一部分，本文主要讨论振荡与谐波的识别。 2．Prony分析方法 传统的信号分析一般采用傅氏分析，认为信号由一系列不衰减的正弦频率分量组成。而 更一般地，Prony算法假设模型是由一系列具有任意振幅、相位、频率和衰减因子的指数函 数的组合，也即由一组衰减的正弦分量所组成。该方法是用含有N个指数项的指数曲线来拟 合2N个数据样本，当数据样本个数大于2N时，该方法是在最小二乘意义下实现的。本文采 用这种方法进行振荡和谐波扰动的识别与参数确定。 Prony算法简介[5-6