基于CCF-TLS-ESPRIT算法低频振荡在线辨识.PDFVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 6 (2014) 068401 基于CCF-TLS-ESPRIT算法的 低频振荡在线辨识 胡楠 李兴源 李宽 覃波 (四川大学电气信息学院, 成都 610065) ( 2013 年10 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, 并结合总体最小二乘-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-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 1 引 言 变方法16−19 . 线性预测方法在低信噪比的情况下, 性能会有所下降15,20 , 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1,2 . 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 3 误差及计算的截断误差, 可将这些误差看成高斯白 只适合离线分析 . 随着广域测量系统(WAMS), 尤其是相量测量单元 (PMU) 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 . 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(FFT)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 6 7−12 模态辨识的精度. 目前, 电力系统模态辨识一般都 波 以及希尔伯特-黄变换 (HHT) 等量测方 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[21] 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(IMF) 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