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.pdf

在互联电力系统中，低频振荡是一个不可避免的现象，它可以引发电力设备的损坏，降低电网的稳定性。近年来，随着电力系统的规模不断扩大，对电力系统的稳定性要求也随之提高，因此，对低频振荡模式的准确辨识就显得尤为重要。本文提出了一种高精度的低频振荡模态辨识方法，该方法结合了广义形态滤波和改进矩阵束算法，不仅提高了电力系统的稳定性，还为阻尼控制策略的实施提供了数据支持。 广义形态滤波是基于广义形态学原理的一种信号处理技术，它通常用于图像处理中去除噪声和突出边缘，也可用于信号处理中，以达到类似效果。通过定义开运算和闭运算，广义形态滤波能够有效地过滤掉信号中的噪声成分，同时保持信号的重要特征不变。在电力系统信号处理领域，广义形态滤波能够对低频振荡信号进行预处理，从而去除噪声，为后续的模态辨识提供了更为清晰的信号输入。 在信号经过预处理后，文章提出了改进的矩阵束算法，用于从信号中提取系统的动态特性。矩阵束方法是一种强大的参数估计技术，其应用范围广泛，包括电力系统分析、声纳信号处理等多个领域。作者对传统的矩阵束算法进行了改进，通过优化算法流程，提高了对模态参数的识别精度，这使得辨识出的低频振荡模式的参数，如频率和衰减因子等，更加准确可靠。 在模态辨识过程中，一个关键步骤是确定辨识算法的模态阶数，这直接影响到辨识结果的准确性。文章采用了归一化奇异熵定阶方法来估计模态阶数，它能够在保持系统拟合精度的前提下，使得估计结果与实际值更为接近，从而增强了辨识的准确性。这种定阶方法的引入，为模态辨识提供了新的可能性。 为验证所提出方法的有效性和可行性，文章通过仿真算例、测试系统以及实际电网案例进行了多方面的实验。实验结果表明，结合广义形态滤波和改进矩阵束算法的辨识方法，能够准确地识别出电力系统中的低频振荡模式，并为电力系统的稳定运行提供了有力的数据支持。这一辨识方法的成功应用，为电力系统的监测和控制提供了新的技术和手段，具有重要的实际应用价值。 值得一提的是，本研究得到了欧盟FP7国际合作基金、国家自然科学基金和福建省杰出青年科学基金的资助，这不仅说明了该研究在学术界的重要地位，也体现了其在实际电力系统领域应用的潜力和价值。本研究提供的新思路和技术手段，有望在电力系统低频振荡的研究中得到进一步的推广和应用，对于电力系统的稳定运行和安全保障具有深远的影响。