基于双协方差随机子空间识别的类噪声数据低频振荡辨识

• 作者: 季天瑶 张禄亮 林伟斌
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 类噪声 低频振荡 随机子空间识别 双协方差 系统聚类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 25-32
• 页数: 8页
• 分类号: TM71
• 字数: 4915字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.001.004

摘要

低频振荡可能会给电力系统的安全稳定带来极大危害,因此在线监测和分析低频振荡参数十分重要.为了有效地从类噪声数据中获取低频振荡模态参数,基于双协方差随机子空间识别(stochastic subspace identification,SSI)算法提出了一种低频振荡模态辨识的新方法.在传统SSI算法的基础上,引入双协方差SSI算法和系统聚类算法对物理模态自动拾取、自动定阶,实现低频振荡参数的有效精确辨识.分别应用传递函数和IEEE WSCC 3机9节点系统模型产生的仿真数据进行了测试,结果表明该方法能够实现自动定阶,得到的稳定图较传统SSI算法更清晰,识别结果中不会出现虚假模态,能高精度估计低频振荡模态参数,且抗噪性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林伟斌	华南理工大学电力学院	4	8	1.0	2.0
2	季天瑶	华南理工大学电力学院	18	60	5.0	7.0
3	张禄亮	华南理工大学电力学院	5	52	4.0	5.0