EEMD-RobustICA和Prony算法在电力系统 低频振荡模态辨识中的应用

• 作者: 吴梦娣 赵峰
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 总体经验模态分解 鲁棒性独立分量分析 Prony算法 低频振荡 模式辨识
• 年，卷（期）: 2019,（10）
• 页码范围: 2919-2929
• 页数: 11页
• 分类号: TM712
• 语种: 中文

摘要

针对互联电网低频振荡辨识过程中Prony算法对噪声敏感的问题,该文将总体经验模态分解法、鲁棒性独立分量分析方法与Prony进行有机结合,运用到关键振荡模式辨识中.将待处理信号进行总体经验模态分解后得到的本征模态函数作为鲁棒性独立分量分析算法的输入,对得到的独立分量进行软阈值去噪后进行反变换得到重构后的本征模态函数,接着将重构后的本征模态函数相加得到去噪信号,用Prony算法对去噪信号进行辨识,最终得到低频振荡的模态参数.仿真结果表明:该方法综合利用了总体经验模态分解不依赖信号任何先验知识和完全由数据驱动的自适应性优点,及鲁棒性独立分量分析提取独立分量并保持分量信号完整性的优势,相比传统总体经验模态分解去噪算法,该方法在没有损失信号的前提下可提高分量信号的信噪比,克服Prony算法对噪声敏感的缺陷,更大程度去除噪声,有利于提高辨识精度和准确性,更能满足实际应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵峰		96	515	13.0	18.0
2	吴梦娣		2	1	1.0	1.0