基于互相关函数滤噪算法的低频振荡在线辨识方法
【专利摘要】本发明公开了一种基于互相关函数滤噪算法的低频振荡在线辨识方法，其特点是以互相关函数代替实测信号，抑制色噪声，并结合总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法进行低频振荡的模态辨识。该算法能够快速、准确辨识出色噪声环境下电力系统低频振荡的模态，为系统的安全稳定分析及抑制措施提供有效依据。
【专利说明】基于互相关函数滤噪算法的低频振荡在线辨识方法
【技术领域】
[0001] 本发明涉及一种基于互相关函数滤噪算法的低频振荡在线辨识方法，具体地说，本发明是以互相关函数代替实测信号，从而抑制色噪声，并结合总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法进行低频振荡的模态辨识，属于电气信息领域。
【背景技术】
[0002]随着全国电网的互联，区域间低频振荡会直接影响区域间的功率交换，制约联络线传输能力。传统的低频振荡模态分析方法计算量大，只适合离线分析。随着广域测量系统(WAMS)，尤其是相量测量单元(PMU)在电力系统中的广泛应用，使低频振荡在线辨识得到实现。
[0003]近年来，快速傅里叶变换(FFT)、卡尔曼滤波以及希尔伯特一黄变换(HHT)等量测方法应用很广。FFT与卡尔曼滤波不能有效提取振荡的衰减特征。而HHT能提取低频振荡频率和衰减系数并且可自适应处理非线性、非平稳信号，但此算法采用经验模态分解(EMD)，复杂度高，不适合在线辨识；且EMD分解存在模态混叠现象，对于多模态存在的实际系统不太实用。
[0004]主流的模态辨识算法可分为两类:线性预测方法和子空间旋转不变方法。Prony以及改进的Prony算法属于线性预测方法。矩阵束(MP)算法以及各种ESPRIT算法属于子空间旋转不变方法。线性预测方法在低信噪比的情况下，性能会有所下降，而子空间旋转不变方法在运算效率和抗噪声性能方面更具优势。
[0005]电力系统的测量、传输环节通常都会引入噪声干扰，主要来源于系统负荷的随机变化，考虑采样误差及计算的截断误差，将这些误差看成高斯白噪声。PMU采集信号中的高斯白噪声经低通滤波处理后，会形成高度相关的高斯有色噪声。高斯有色噪声的存在，会产生估计偏差，从而影响低频振荡模态辨识的精度。目前，电力系统模态辨识一般都是通过自带的奇异值分解进行噪声的消除，这种情况对有色噪声的估计并不足，尤其对低信噪比情况下的噪声处理能力有限。
【发明内容】
[0006]本发明的目的是针对现有技术的不足而提供一种基于互相关函数滤噪算法的低频振荡在线辨识方法，其特点是采用互相关函数(CCF)来抑制高斯色噪声的影响，在此基础上通过总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法来在线辨识出低频振荡模态信息，以下统称为CCF-TLS-ESPRIT。
[0007]本发明的目的由以下技术措施实现
[0008]基于互相关函数滤噪算法的低频振荡在线辨识方法包括以下步骤:
[0009]1)去除实测信号的均值，保留振荡分量，电力系统低频振荡信号模型为:
[0010]
【权利要求】
1.基于互相关函数滤噪算法的低频振荡在线辨识方法，其特征在于该方法包括以下步骤: 1)去除实测信号的均值，保留振荡分量，电力系统低频振荡信号模型为:
【文档编号】H02J3/24GK103944174SQ201410172670
【公开日】2014年7月23日 申请日期:2014年4月28日 优先权日:2014年4月28日
【发明者】李兴源, 胡楠, 王峰, 刘天琪, 陈实, 曾琦 申请人:四川大学, 中国电力科学研究院, 国家电网公司, 国网浙江省电力公司