[發(fā)明專利]基于MEEMD-Prony聯(lián)合算法的電力系統(tǒng)低頻振蕩特征參數(shù)提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110056660.1
• 申請(qǐng)日: 2021-01-15
• 公開(kāi)（公告）號(hào): CN112670990B
• 公開(kāi)（公告）日: 2022-07-12
• 發(fā)明（設(shè)計(jì)）人: 張程;劉佳靜;林谷青;匡宇;邱炳林
• 申請(qǐng)（專利權(quán)）人: 福建工程學(xué)院
• 主分類號(hào): G06F17/40
• 分類號(hào): G06F17/40;H02J3/00;G01R31/00
• 代理公司: 福州君誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 35211
• 代理人: 戴雨君

本發(fā)明公開(kāi)基于MEEMD?Prony聯(lián)合算法的電力系統(tǒng)低頻振蕩特征參數(shù)提取方法，首先對(duì)量測(cè)信號(hào)進(jìn)行MEEMD分解獲得一系列本征模態(tài)函數(shù)(IMF)，而后對(duì)除剩余殘量外的IMF分量進(jìn)行重構(gòu)達(dá)到降噪目的，最后將重構(gòu)信號(hào)作為新的輸入信號(hào)進(jìn)行Prony分析提取低頻振蕩各模態(tài)特征。通過(guò)仿真驗(yàn)證本發(fā)明提出的聯(lián)合方法能夠有效抑制模態(tài)混淆并完整準(zhǔn)確辨識(shí)振蕩模態(tài)，相較于其他方法具有一定的抗噪性和優(yōu)越性。

技術(shù)領(lǐng)域

本發(fā)明涉及電力電子技術(shù)領(lǐng)域，尤其涉及基于MEEMD-Prony聯(lián)合算法的電力系統(tǒng)低頻振蕩特征參數(shù)提取方法。

背景技術(shù)

振蕩是電力系統(tǒng)運(yùn)行的主要特征之一，很小的擾動(dòng)如負(fù)荷變化可能激發(fā)系統(tǒng)的振蕩，這種情況下若發(fā)生短路、斷線等大停電事故時(shí)更容易發(fā)生增幅振蕩事故，隨著系統(tǒng)故障的進(jìn)一步惡化，系統(tǒng)最終會(huì)瓦解，導(dǎo)致更大的事故，甚至引發(fā)生命安全問(wèn)題。電力系統(tǒng)低頻振蕩的頻繁發(fā)生已經(jīng)成為影響電網(wǎng)安全穩(wěn)定運(yùn)行的問(wèn)題之一，因此及時(shí)并準(zhǔn)確提取低頻振蕩信號(hào)特征參數(shù)具有重要意義。

現(xiàn)如今關(guān)于電力系統(tǒng)低頻振蕩信號(hào)模態(tài)特征參數(shù)的提取方法有很多，但是都有其不足之處，其中最為廣泛使用的是Prony法。Prony算法能夠通過(guò)求解多項(xiàng)式方便直接地估算給定信號(hào)的幅值、頻率、初相位、衰減因子等信息，還能將其得到的系統(tǒng)傳遞函數(shù)用于系統(tǒng)穩(wěn)定器(PSS)的配置中。但是Prony分析對(duì)噪聲十分敏感，而實(shí)際電力系統(tǒng)中必然存在噪聲干擾，有研究表明只有在信噪比不低于50～60dB的情況下使用Prony算法才能得到較為理想的辨識(shí)結(jié)果。目前比較受廣大學(xué)者應(yīng)用的濾除噪聲方法有卡爾曼濾波、自適應(yīng)濾波和基于小波變換的濾波方法，但卡爾曼濾波需要預(yù)先確定系統(tǒng)模型，難以得到實(shí)際輸入信號(hào)特性；自適應(yīng)濾波雖算法簡(jiǎn)單，但收斂過(guò)程慢，步長(zhǎng)與收斂速度、失調(diào)之間存在矛盾；小波去噪法雖計(jì)算量較小，但其存在閾值估計(jì)困難的限制。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于MEEMD-Prony聯(lián)合算法的電力系統(tǒng)低頻振蕩特征參數(shù)提取方法。

本發(fā)明采用的技術(shù)方案是：

基于MEEMD-Prony聯(lián)合算法的電力系統(tǒng)低頻振蕩特征參數(shù)提取方法，其包括以下步驟：

步驟1，在原始信號(hào)中加入2組振幅和標(biāo)準(zhǔn)差都相等且方向相反的白噪聲，得到添加了噪聲的信號(hào)s_i⁺(t)和s_i^-(t)

步驟2，將s_i⁺(t)和s_i^-(t)分別進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)得到一系列IMF分量I_ij⁺(t)和I_ij^-(t)；

步驟3，采用集成方法求此階IMF分量I_j(t)，

步驟4，判斷I_j(t)熵值是否大于MEEMD設(shè)定值θ；是則，顯示異常并執(zhí)行步驟1；否則，執(zhí)行步驟5；

步驟5，將各個(gè)信號(hào)分量從原始信號(hào)中分離得出剩余的殘量r(t)；

步驟6，將剩余殘量r(t)剔除后，重構(gòu)所有的IMF分量；

步驟7，把重構(gòu)信號(hào)作為新的輸入信號(hào)通過(guò)Prony算法的分析，最后提取該低頻振蕩各個(gè)模態(tài)的特征參數(shù)。

進(jìn)一步地，作為一種較優(yōu)實(shí)施方式，步驟2的分解公式(2)如下：

其中，I_ij(t)表示第i個(gè)信號(hào)的第j階分量；n為分解的IMF個(gè)數(shù)。

進(jìn)一步地，作為一種較優(yōu)實(shí)施方式，步驟4中θ＝0.6。

進(jìn)一步地，作為一種較優(yōu)實(shí)施方式，步驟7的具體步驟為：