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。