資源描述：
《基于時頻域混合方法的電力系統(tǒng)低頻振蕩模式在線辨識》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于時頻域混合方法的電力系統(tǒng)低頻振蕩模式在線辨識⑧重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：王予疆指導(dǎo)教師：周念成副教授專業(yè)：電氣工程學(xué)科門類：工學(xué)重慶大學(xué)電氣工程學(xué)院二O一二年五月onlineEstimationofPowerSystemLowFrequencyosciUationModeBasedonHybridMethod0fTime—FrequencyAThesisSubmittedtoChongqingUniVersityinPartialFulflllmentoftheRequirementfortheMaster’sDegreeofEngineeringB
2、vVWangYujiangSuperVisedbyAssociateProf．ZhouNianchengSpecialty：ElectricalEngineeringC011egeofE1ectricalEngineeringofChongqingUniVersity，Chongqing，ChinaMay2012重慶大學(xué)碩士學(xué)位論文中文摘要摘要隨著電力系統(tǒng)互聯(lián)規(guī)模日趨增大，低頻振蕩現(xiàn)象時有發(fā)生，成為限制互聯(lián)電網(wǎng)功率傳輸和危及電網(wǎng)安全穩(wěn)定運行的關(guān)鍵因素之一，對電網(wǎng)低頻振蕩模式進行有效監(jiān)測和抑制是智能電網(wǎng)中自愈功能的重要組成部分。目前常規(guī)低頻振蕩分析方法大多采用事后的時域P
3、ronv算法辨識，缺乏正常運行情況下的低頻振蕩模式跟蹤。因此，本文按照有功數(shù)據(jù)的非線性去趨算法、擾動數(shù)據(jù)的檢測和改進頻域分解法(FrequencyDomainDe∞mposition，F(xiàn)DD)的低頻振蕩在線辨識算法的研究路線，提出基于時頻域混合方法的電力系統(tǒng)低頻振蕩模式在線辨識算法及其應(yīng)用方案，主要內(nèi)容如下：①對電力系統(tǒng)動態(tài)有功數(shù)據(jù)進行去除非線性趨勢的研究。針對現(xiàn)有非線性去趨方法計算速度慢，相對誤差大的不足，本文結(jié)合平滑先驗方法原理，并選擇合適的正則化參數(shù)，提出一種基于平滑先驗方法的有功數(shù)據(jù)非線性去趨算法；該方法能夠有效去除動態(tài)數(shù)據(jù)中的非線性趨勢，并且相對傳統(tǒng)方法具有更
4、快的計算速度和更小的相對誤差，適用于有功數(shù)據(jù)在線應(yīng)用。②針對辨識數(shù)據(jù)中出現(xiàn)的有功數(shù)據(jù)擾動進行檢測算法研究。本文提出了基于數(shù)學(xué)形態(tài)學(xué)的電力系統(tǒng)有功數(shù)據(jù)擾動檢測應(yīng)用方法，采用一階求導(dǎo)法和軟閾值處理法中的形態(tài)梯度和軟閾值函數(shù)值作為指標函數(shù)，利用擾動前后指標函數(shù)的幅值變化來確定擾動起始點，有效地提高了檢測水平。⑧基于FDD的改進低頻振蕩在線辨識算法，利用功率譜矩陣的最大奇異值與特征量之間的對應(yīng)關(guān)系實現(xiàn)模式參數(shù)的辨識。本文結(jié)合FDD的原理，提出采用模態(tài)幅值相干系數(shù)(ModalAmplitudeCoherence，MAC)以確定奇異值分解曲線譜峰附近單模態(tài)區(qū)域的改進，在頻域中直接用
5、最小二乘擬合求出模式頻率和阻尼，避免了傳統(tǒng)頻域方法阻尼求取時反傅立葉變換導(dǎo)致的精度損失。④基于Matlab編程實現(xiàn)了本文所提出的算法，通過測試系統(tǒng)的仿真數(shù)據(jù)和電網(wǎng)的實測數(shù)據(jù)進行算例分析，計算結(jié)果均證明了本文所提算法的有效性和可行性。并根據(jù)以上研究，完成了基于改進FDD算法和Prony算法的低頻振蕩模式在線辨識應(yīng)用。關(guān)鍵詞：低頻振蕩，在線辨識，平滑先驗法，數(shù)學(xué)形態(tài)學(xué)，改進FDD算法，Prony算法重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTWiththecontinuousdeVelopmentofinterconnectedpowersystem，10w一丘equenc
6、yoscillation(LF01su—hceseomtimetotimea11dbecomesoneofthecriticalfactorsthat1imitpowertransferandjeopardizemesafetyandstabilityofgndoperation．E髖ctivesupervisingandcon仃011ingtoLFOisaJlimpotantcomponentpanofself-healingabilityinsmartpowergrids．thetime—domainalgorimmbasedonProny．oneoftheconV
7、entionalLFOanalysismostlyusedf．orofninecondition，lackstheabilityoftrackingLFOmodeundernomaloperatingcondition．Thus，inthisthesistheproblemsofho聃7torealizethemethodbasedon行equency—domaindecomposition(FDD)andPronyforLFOmodeidentificationinpowersystemisanalyzedfollowingtheord
