计及模型定阶的低频振荡模式类噪声信号辨识

• 作者: 吴小辰 吴超 柳勇军 陆超 韩英铎
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 振荡模式辨识 类噪声信号 自回归滑动平均模型 贝叶斯准则 ARMA(2n,2n-1)建模方案
• 年，卷（期）: 2009,（21）
• 所属期刊栏目: 运行可靠性与广域安全防御
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM712
• 字数: 4252字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2009.21.001

摘要

弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,但目前基于测量信息只能在振荡发生后进行告警,而不能预警.大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动.文中基于这种类噪声信号,采用自回归滑动平均(ARMA)法进行低频振荡模式辨识,从而实现电网正常运行状态下的动态稳定性预警.模型定阶是利用ARMA法进行振荡模式辨识的关键步骤,直接关系到结果的准确性.在分析比较各种定阶准则优缺点的基础上,选用贝叶斯准则(BIC)确定ARMA模型阶数,进一步面向在线实际应用,采用ARMA(2n,2n-1)建模方案提高辨识速度.最后,将该方法用于对36节点系统仿真数据和南方电网实测类噪声信号进行处理,辨识结果说明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩英铎	清华大学电机系电力系统国家重点实验室	100	5508	45.0	73.0
2	柳勇军		50	577	14.0	21.0
3	吴小辰		33	836	19.0	28.0
4	陆超	清华大学电机系电力系统国家重点实验室	37	700	14.0	26.0
5	吴超	清华大学电机系电力系统国家重点实验室	13	258	5.0	13.0