一种基于MEEMD-TEO-HT法的低频振荡的模态参数辨识方法与流程

本发明涉及低频振荡分析，具体为一种基于meemd-teo-ht法的低频振荡的模态参数辨识方法。

背景技术：

1、我们加大了对太阳能、风能等新能源的开发力度，从而电力网络中的新能源接入比例也随之攀升，致使系统中的弱阻尼振荡模式被进一步地弱化，阻尼的弱化将进一步地导致系统的稳定性下降，此时，若发生相应的故障等干扰，都将可能引起系统的低频振荡现象，而持续的振荡又将影响供电质量与供电可靠性，如若不加以及时地发现和处理，最终将会进一步地夸大故障范围，更严重的情况下，将导致系统的区域电网与主网解裂。为此，尽早地处理振荡才是关键所在，处理前，我们需要提取出导致系统振荡的关键分量，才能为后续抑制低频振荡提供必要的前提，而如何在实际大量噪声干扰采样背景下，进行参数的准确辨识，是目前我们研究系统振荡并对其进行抑制的关键之处。为解决低频振荡准确提取参数的相关问题，相关学者也做了许多研究，但由于我国电力网络的互联程度不断提高，导致电网的复杂性也在不断增加，计算量大幅上升。

2、为适应当下计算量大且错综复杂的电力系统，信号分析法由此被采用，人们利用在线测量装置采集电力网络中的实时数据，以对低频振荡中的主导振荡参数进行最为便捷且较为可靠的提取。其中，较为常用的方法有快速傅里叶、hilbert-huang变换、小波分析等，都是比较实用的信号处理办法，它们各具优势，但这些方法又各有不足。有方法采用fft来分析采集到信号的特征，对单一的振荡信号具有较好的适用性，但对于多振荡模式下的信号，其fft的分析能力不足。近些年,因hht具有较强的自适应性、能够处理多种信号等特点，hht法进而被广泛地采纳，但由于hht中的emd分解存在着严重的端点效应，致使分解时存在较大误差。因此，如何解决模态混叠的问题及其后续衍生问题目前来说非常重要。

3、在现有技术cn103956756b一种电力系统低频振荡模态辨识方法中提出通过改进的emd分解法解决传统emd分解法中存在的端点效应问题减少误差，再用柯尔摩科洛夫-斯米洛夫检验(k-s)法提取有效振荡分量，最后利用数位演算法提取振荡参数的方法。在现有技术中，通过emd算法不能解决模态混叠的问题，提取的有效振荡分量数量较多，不一定都是主导分量，得到的结果不够准确。

技术实现思路

1、为了解决上述现有技术中存在的问题，本发明提出了一种基于meemd-teo-ht法的低频振荡的模态参数辨识方法。

2、本发明的技术方案如下：

3、一方面，本发明提出一种基于meemd-teo-ht法的低频振荡的模态参数辨识方法，具体步骤包括：

4、采集非平稳信号x0(t)，并分别添加平均值为0的白噪声信号分量ni(t)和-ni(t)获得两个含有噪声的混合信号和

5、通过emd模态分解法对上述混合信号和进行模态分解，获得两组分解分量imf序列分量和

6、对两组imf序列分量和进行均值化处理合并为一组均值化的imf序列分量si(t)；

7、根据meemd集合经验模态分解法，再次对均值化处理后的imf序列分量si(t)进行emd模态分解，获取最终的imf序列分量；

8、根据teo指标计算每一采样点各imf序列分量的信号能量ψ(xn)，并计算各imf序列分量的对应信号总能量ex及各imf序列分量的能量权重，同时根据能量权重筛选主导imf序列分量；

9、根据ht变换获取各主导imf序列分量的相关振荡参数。

10、作为优选实施方式，所述采集非平稳信号x(t)，并分别添加平均值为0的白噪声信号分量ni(t)和-ni(t)获得两个含有噪声的混合信号和的步骤具体为：

11、

12、式中，ai表示白噪声分量的幅值，其中，i＝1,2,3,…,n。

13、作为优选实施方式，所述通过emd模态分解法对上述混合信号和进行模态分解，获得两组分解分量imf序列分量和的步骤具体为：

14、

15、式中，和分别代表两组imf序列分量的集合。

16、作为优选实施方式，所述对两组imf序列分量和进行均值化处理合并为一组均值化的imf序列分量si(t)的步骤具体为：

17、

18、作为优选实施方式，所述根据meemd集合经验模态分解法，再次对均值化处理后的imf序列分量si(t)进行emd模态分解，获取最终的imf序列分量的步骤具体为：

19、对均值化处理后的imf序列分量si(t)进行emd模态分解，获得每个采样点处的imf序列分量的分解分量和剩余分量，具体计算公式如下：

20、

21、式中，ci(t)和ri(t)分别为第i个si(t)信号的分解分量和剩余分量；

22、再通过meemd集合经验模态分解法可以将非平稳信号x(t)表示为如下形式：

23、

24、式中，ci(t)和ri(t)分别为最终分解分量与剩余分量。

25、作为优选实施方式，所述根据teo指标计算每一采样点各imf序列分量的信号能量ψ(xn)的步骤具体为：

26、获取每个采样点处各imf序列分量对应信号xn和角频率ω，具体公式如下：

27、

28、式中，a、f、fs分别为信号xn的幅值、信号频率及采样频率，ω为角频率，其中，式中要求ω<π/4且表示初相角；

29、计算各imf序列分量的信号能量ψ(xn)，具体公式如下：

30、

31、作为优选实施方式，所述步骤计算各imf序列分量的对应信号总能量ex及各imf序列分量的能量权重的步骤具体为：

32、计算各imf序列分量对应信号xn的信号总能量，具体公式如下：

33、

34、式中，ex为目标imf序列分量对应信号xn的信号总能量，m为采样点数，k(xn)为各采样点处目标imf序列分量对应信号xn的信号能量。

35、计算各imf序列分量的能量权重，具体公式如下：

36、

37、式中，为所有imf序列分量的信号总能量。

38、作为优选实施方式，在步骤根据ht变换获取各主导imf序列分量的相关振荡参数中，所述相关振荡参数包括瞬时频率f(t)和阻尼比ξ(t)，具体计算步骤如下：

39、根据各主导imf序列分量的对应信号x(t)及其对应的共轭信号y(t)，获得解析信号z(t)、瞬时幅值a(t)和瞬时相位具体公式如下：

40、

41、

42、根据各主导imf序列分量的对应信号x(t)及其对应的共轭信号y(t)结合瞬时幅值a(t)与瞬时相位获得瞬时频率f(t)和阻尼比ξ(t)，具体公式如下：

43、

44、

45、另一方面，本发明提出一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明任一实施例所述的一种基于meemd-teo-ht法的低频振荡的模态参数辨识方法。

46、另一方面，本发明提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任一实施例所述的一种基于meemd-teo-ht法的低频振荡的模态参数辨识方法。

47、本发明具有如下有益效果：

48、1、本发明通过meemd集合经验模态分解法对存在噪声干扰的含噪信号直接进行信号分解，获取各分解小信号和噪声干扰信号，解决了模态混叠问题。

49、2、本发明通过teo指标对meemd集合经验模态分解法分解出的多种信号进行筛选，寻找引起系统的低频振荡现象的关键信号。

50、3、本发明通过ht变换对提取到的关键信号进行解析，获得信号的相关振荡参数，进而可以获取引起系统振荡的弱阻尼模式，为后续采取措施抑制振荡提供了重要依据。