基于同步挤压小波变换的抗混叠低频振荡模态参数识别

摘要
图/表
参考文献
相关文章 (8)

全文: PDF (30574 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对经验模态分解法对低频振荡信号模态提取时,存在相邻频率分量混叠而导致分析结果不正确的问题,本文提出基于同步挤压小波变换的抗混叠低频振荡模态参数识别新方法,首先利用同步挤压小波变换将低频振荡信号分解为一组无频率混叠的固有模态分量,实现各固有模态的精确提取;其次对各固有模态分量进行希尔伯特（Hilbert）变换、计算其相对应瞬时幅值、瞬时频率及相位;最后运用瞬时频率、瞬时幅值计算其阻尼比,从而实现对低频振荡模态参数的有效识别,数值仿真及实例分析均表明该方法的可行性和有效性。同时该方法有助于评价阻尼控制器对系统不同振荡模态阻尼特性的影响,为阻尼控制器的设计研究及改进提供理论支撑,具有较好的实用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	谢家安

关键词 ：同步挤压小波变换, 抗混叠, 低频振荡, 瞬时参数, 阻尼比

Abstract：In order to solve the problem of incorrect analysis results caused by the aliasing of adjacent frequency components when the empirical mode decomposition (EMD) is used to extract the modes of low frequency oscillation signal (LFO), a novel method based on synchrosqueezing wavelet transform (SST) is introduced to extract the anti-aliasing model parameters of LFO. It applies SST to extract a set of intrinsic mode components without frequency aliasing in LFO signal and calculates the instantaneous parameters including magnitude, frequency and phase of every model function with Hilbert transformation (HT), and then calculates the damping ratio of every model function based on the parameters above and the formulas derived. Thus it realizes effective extraction of all parameters of LFO signal. This method can be adopted to analyze strong non-linear oscillation models in power systems and design damping controllers. The simulation and example analysis results indicate the feasibility and validity of the new method proposed in this paper.

Key words： synchrosqueezing wavelet transform (SST) anti-aliasing low frequency oscillation instantaneous parameters damping ratio

收稿日期: 2019-03-16 出版日期: 2019-12-19

作者简介: 谢家安（1980-）,男,福建三明人,硕士研究生,高级工程师,主要从事信号处理、非线性系统理论在电力系统应用及高压直流输电方面的研究工作。

引用本文:

谢家安. 基于同步挤压小波变换的抗混叠低频振荡模态参数识别[J]. 电气技术, 2019, 20(12): 28-34. Xie Jiaan. Identification of anti-aliasing modal parameters for low frequency oscillations based on synchrosqueezing wavelet transform. Electrical Engineering, 2019, 20(12): 28-34.

链接本文:

https://dqjs.cesmedia.cn/CN/Y2019/V20/I12/28

[1] 龚鸿, 江伟, 王渝红, 等. 基于静止同步补偿器与直流调制协调控制的低频振荡抑制方法[J]. 电工技术学报, 2017, 32(6): 67-75.
[2] 金涛, 刘对. 基于广义形态滤波与改进矩阵束的电力系统低频振荡模态辨识[J]. 电工技术学报, 2017, 32(6): 3-13.
[3] 仲启树, 唐志军, 金涛. 基于部分左特征结构配置的电力系统优化阻尼控制[J]. 电工技术学报, 2018, 33(13): 3012-3022.
[4] 罗超, 肖湘宁, 张剑, 等. 并联型有源次同步振荡抑制器阻尼控制策略优化设计[J]. 电工技术学报, 2016, 31(21): 150-158.
[5] 赵妍, 李志民, 李天云. 低频振荡模态参数辨识的共振稀疏分解SSI分析方法[J]. 电工技术学报, 2016, 31(2): 136-144.
[6] 竺炜, 马建伟, 曾喆昭, 等. 分段傅里叶神经网络的低频振荡模式识别方法[J]. 电力系统保护与控制, 2012, 40(15): 40-45.
[7] 侯王宾, 刘天琪, 李兴源. 基于经验模态分解滤波的低频振荡Prony分析[J]. 物理学报, 2010, 59(5): 3531-3537.
[8] 肖晋宇, 谢小荣, 胡志祥, 等. 电力系统低频振荡在线辨识的改进Prony算法[J]. 清华大学学报: 自然科学版, 2004, 44(7): 883-887.
[9] 芦晶晶, 郭剑, 田芳, 等. 基于Prony方法的电力系统振荡模式分析及PSS参数设计[J]. 电网技术, 2004, 28(15): 31-34, 44.
[10] 徐东杰, 贺仁睦, 高海龙. 基于迭代Prony算法的传递函数辨识[J]. 中国电机工程学报, 2004, 24(6): 40-43.
[11] 赵妍, 李武璟, 聂永辉. 次同步振荡的频率切片小波变换检测方法[J]. 电工技术学报, 2017, 32(6): 106-114.
[12] Rueda J L, Juarez C A, Erlich I.Wavelet-based analysis of power system low-frequency electro- mechanical oscillations[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1733-1743.
[13] 李天云, 谢家安, 张方彦, 等. HHT在电力系统低频振荡模态参数提取中的应用[J]. 中国电机工程学报, 2007, 27(28): 79-83.
[14] Huang Ne, Shen Z, Long S R, et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society A-Mathematical Physical and Engineering Sciences, 1998, 454(1971): 903-995.
[15] 喻敏, 王斌, 陈绪轩, 等. 同步挤压小波变换在电力系统低频振荡模态参数提取中的应用[J]. 电工技术学报, 2017, 32(6): 14-20.
[16] 喻敏, 王斌, 王文波, 等. 基于SST的间谐波检测方法[J]. 中国电机工程学报, 2016, 36(11): 2944-2951.