資源描述：
《基于改進Prony算法的電力系統(tǒng)低頻振蕩模式識別》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、第33卷第5期電網(wǎng)技術Vol.33No.52009年3月PowerSystemTechnologyMar.2009文章編號：1000-3673（2009）05-0044-04中圖分類號：TM711文獻標志碼：A學科代碼：470·4054基于改進Prony算法的電力系統(tǒng)低頻振蕩模式識別1212竺煒，唐穎杰，周有慶，曾喆昭（1．湖南大學電氣與信息工程學院，湖南省長沙市410082；2．長沙理工大學電氣與信息工程學院，湖南省長沙市410076）IdentificationofPowerSystemLowFrequencyOscillationModeBa
2、sedonImprovedPronyAlgorithm1212ZHUWei，TANGYing-jie，ZHOUYou-qing，ZENGZhe-zhao（1．SchoolofElectrical&InformationEngineering，HunanUniversity，Changsha410082，HunanProvince，China；2．SchoolofElectrical&InformationEngineering，ChangshaUniversityofScienceandTechnology，Changsha410076，Hunan
3、Province，China）ABSTRACT:AnewimprovedPronyalgorithmispresentedin0引言whichtheoscillationamplitudetobesolvedisservedasweight[1-3]在全國電網(wǎng)互聯(lián)與西電東送的過程中，電力andthetrainedbyneuralnetworktoimplementthe交換更加頻繁，安全穩(wěn)定問題大多表現(xiàn)為低頻振identificationofpowersystemlowfrequencyoscillationmode.[4]蕩。電力系統(tǒng)低頻振蕩頻率
4、一般在0.2~2.5Hz范TheproposedalgorithmavoidsthedefectswhilePronyalgorithmisappliedinactualcalculation,suchas圍內(nèi)。利用現(xiàn)場實測數(shù)據(jù)分析、處理信號，得到振ill-conditionedexpressionofmatrixandlowaccuracyof蕩特征參數(shù)是研究電力系統(tǒng)低頻振蕩的一種有效[5-7]amplitudeandphasecalculatedbymatrix;andovercomesthe途徑。shortcominginweakanti-i
5、nterferenceabilityoftraditional分析實測數(shù)據(jù)、識別低頻振蕩模式的方法有實Pronyalgorithm.Simulationresultsshowthattheimproved時快速傅里葉變換(fastFouriertransform，F(xiàn)FT)[8]、Pronyalgorithmcaneliminateinterferenceeffectivelyand小波算法[9]、Prony算法[5]等。實時FFT的精度受數(shù)identifydominantmodereliablyandaccurately,besidesits據(jù)窗限
6、制，不能反映振蕩的阻尼特性；小波算法可calculationburdenislight,sotheproposedalgorithmissuitable以反映信號的時變特性，但存在小波基難以選取的toidentifytheoscillationsignalscontainingnoisesundermulti問題；Prony算法能直接提取幅值、相位、頻率和samplingnumber.衰減因子，算法簡便，因此被廣泛用于電力系統(tǒng)低KEYWORDS:Pronyalgorithm；neturalnetwork；low頻振蕩模式的識別[10-15]。但是，
7、Prony算法對噪聲frequencyoscillation；dominantmode；modeidentification較敏感，識別含噪低頻振蕩信號時的誤差較大；當摘要：提出了一種新的改進Prony算法，該算法將待求振蕩振蕩模式為多階且采樣率增大時，識別振蕩幅值和[11]幅值作為權值，基于神經(jīng)網(wǎng)絡進行訓練，實現(xiàn)對電力系統(tǒng)低初相的計算量呈指數(shù)增加，矩陣求逆運算困難。頻振蕩模式的識別。該算法避免了Prony算法在實際計算中針對Prony算法的這些問題，文獻[12]中采用預估低矩陣呈病態(tài)以及通過矩陣求逆計算幅值和相位時精度不高頻階數(shù)來預測振蕩趨勢，減
8、小了計算量，但合適的的問題，克服了傳統(tǒng)Prony算法抗干擾較差的問題。仿真結線性預測參數(shù)不好把握。文獻[13]對實測數(shù)據(jù)濾
