基于CCFTLSESPRIT算法的低频振荡在线辨识.pdfVIP

物 理 学报 ActaPhys．Sin．Vo1．63，No．6(2014) 068401 基于CCF—TLS．ESPRIT算法的 低频振荡在线辨识冰 胡楠十 李兴源 李宽 覃波 (四川大学电气信息学院，成都 610065) f2013年 1O月 16日收到；2013年 12月6日收到修改稿) 低频振荡在线辨识需用到广域测量系统 (WAMS)的采集信号，而WAMS采集的信号中常伴有高斯白噪 声，经过常规的低通滤波处理后会产生高斯色噪声，从而影响辨识的精度．针对在线辨识中的色噪声问题， 提出以互相关函数 (CCF)来代替实测信号，从而抑制色噪声，并结合总体最4-乘一旋转不变技术参数估计 (TLS—ESPRIT)算法进行模态辨识．仿真结果表明，CCF．TLS．ESPRIT算法能够有效辨识出色噪声环境中 的系统低频振荡模态，并具有一定的效率． 关键词：广域测量技术，互相关函数，总体最小二乘一旋转不变技术参数估计，高斯色噪声 PACS：84．30．Jc，84．71-．b DOI：10．7498／aps．63．068401 P)算法以及各种ESPRIT算法属于子空间旋转不 变方法 l【6--191．线性预测方法在低信噪比的情况下， 1 引 言 性能会有所下降 1【5)00】，而子空间旋转不变方法在 随着全国电网的互联，区域间低频振荡会直 运算效率和抗噪声性能方面更具优势． 接影响区域间的功率交换，制约联络线传输能 电力系统的测量、传输环节通常都会引入噪声 力 【，．传统的低频振荡模态分析方法计算量大， 干扰，主要来源于系统负荷的随机变化。考虑采样 只适合离线分析 3【】_随着广域测量系统fWAMS)， 误差及计算的截断误差，可将这些误差看成高斯 自 尤其是相量测量单元 fPMU)在 电力系统中的广泛 噪声．PMU采集信号中的高斯 白噪声经低通滤波 应用，使低频振荡在线辨识得到实现 4[1_ 处理后，会形成高度相关的高斯有色噪声．高斯有 近年来，快速傅里叶变换fFFT)[5]、卡尔曼滤 色噪声的存在会产生估计偏差，从而影响低频振荡 波 [。】以及希尔伯特一黄变换 (HHT)[一。]等量测方 模态辨识的精度．目前，电力系统模态辨识一般都 法应用很广．FFT与卡尔曼滤波不能有效提取振 是通过 自带的奇异值分解进行噪声的消除，这种情 荡的衰减特征．而HHT能提取低频振荡频率和衰 况对有色噪声的估计并不足，尤其对低信噪比情况 减系数并且可 自适应处理非线性、非平稳信号，但 下的噪声处理能力有限．文献 f211采用EMD进行 此算法采用经验模态分解 (EMD)，复杂度高，不适 信号滤波后再采用其他算法进行模态辨识．EMD 合在线辨识；且EMD分解存在模态混叠现象，对于 滤波其实是根据标准差筛选本征模态函数 (IMF1 多模态存在的实际系统不太实用． 分量进行滤波的，而IMF分量事先是不确定的，故 主流的模态辨识算法可分为两类：线性预测 噪声信号也可能无法确定；其次，严格的筛选条件 方法和子空间旋转不变方法．Prony以及改进 的 会导致算法时间过长和过筛等问题；再者 噪声尤 Prony算法属于线性预测方法 [13 引．矩阵束 (M— 其是有色噪声的影响使前文所述的模态混叠现象 国家自然科学基金重点项目(批准号和国家电网公司大电网重大专项 (批准号 SGCC—MPLG027-20121资助的课