基于MM-ARMA算法的次同步振荡模态参数辨识

• 作者: 刘涤尘 宋春丽 宫璇 涂炼 董飞飞 赵一婕
• 来源期刊: 高电压技术
• 关键词: 电力系统 次同步振荡 模态辨识 数学形态滤波 ARMA模型 加权递推最小二乘法
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 电网安全与运行
• 页码范围: 1252-1257
• 页数: 6页
• 字数: 5802字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6520.2013.05.034

摘要

传统电力系统次同步振荡的辨识方法存在对噪声敏感、辨识精度不高的局限性.为此,提出了一种基于数学形态学自回归移动平均(MM-ARMA)算法的辨识方法,实现了在有噪声干扰下对次同步振荡模态的准确辨识.该方法利用形态滤波器可以有效抑制噪声的特性对次同步振荡信号进行消噪处理,保留信号的主要特征信息；对消噪后的信号建立基于加权递推最小二乘法参数估计的ARMA模型,根据估计的模型参数计算次同步振荡模态参数,完成次同步振荡模态辨识.与传统的Prony算法和自回归移动平均(ARMA)算法辨识结果进行的对比分析结果表明,所提次同步振荡模态辨识方法能快速、准确地辨识出模态参数,且具有较强的抗噪能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘涤尘	武汉大学电气工程学院	306	4153	33.0	48.0
2	宫璇	武汉大学电气工程学院	17	130	6.0	11.0
3	董飞飞	武汉大学电气工程学院	42	426	12.0	19.0
4	赵一婕	武汉大学电气工程学院	14	233	8.0	14.0
5	宋春丽	武汉大学电气工程学院	13	228	8.0	13.0
6	涂炼	武汉大学电气工程学院	5	62	4.0	5.0