[发明专利]基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法

说明书

本发明公开基于FastICA与TLS‑ESPRIT的电力系统低频振荡模态辨识方法，获取低频振荡信号进行零均值化和白化处理；构建分离矩阵并计算分离矩阵的逆矩阵；进行迭代循环，更新分离矩阵；判断为收敛后将利用FastICA恢复的信号作为新的主导信号进行采样；针对新的主导信号进行TLS‑ESPRIT分析，计算各个振荡模式的频率、衰减因子、幅值和相位。本发明不仅能够在噪声干扰的情况下较好地保留信号原有特征，提高信噪比；而且辨识准确且精度较高，能够较准确且全面地反应出低频振荡信号特性，因此其在低频振荡预警及阻尼控制器设计具有良好的应用前景。

技术领域

本发明涉及电力技术系统领域，尤其涉及基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法。

背景技术

随着互联电网规模的不断扩大，出现低频振荡的风险大大提高。当系统在某些特定运行方式下存在弱阻尼或负阻尼的振荡模式时，振荡严重时会导致电力系统解裂甚至危及整个电网的稳定运行。因此发现并及时准确地提取低频振荡模态并获得特征参数对电力系统安全稳定运行具有重要意义。

多年来，关于低频振荡问题的研究方法有很多，特征值分析法就是其中经典方法之一，但随系统规模及复杂程度的不断增加，“维数灾”现象频繁发生，计算难度加大，因此运用范围受到了限制。随着同步相量测量单元(Phasor Measurement Unit,PMU)在电网大规模配置，通过从PMU采集的实测数据对低频振荡进行分析是电力系统研究的重要内容之一。实测信号的分析方法主要有快速傅立叶变换(FFT)、小波变换、Prony分析、希尔伯特-黄变化(HHT)及ESPRIT等算法。FFT法具有较好的准确度和鲁棒性，但该方法适用于分析单个振荡模式的情况，对于多振荡模式的情况则需要继续研究；

小波变换存在小波基选取困难的问题；Prony分析虽然是当今学术界使用较广泛的一种低频振荡辨识方法，但是该方法对噪声十分敏感，在信噪比低于50dB时无法得到理想的效果；HHT法在实际应用中本身会存在模态混叠、端点效应和虚假分量；ESPRIT算法虽能较准确地辨识系统的振荡模式，但是在有色噪声和低信噪比的情况下其性能也会随之降低。

发明内容

本发明的目的在于提供基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法。

本发明采用的技术方案是：

基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法，其包括以下步骤：

步骤1，获取广域测量信号作为初始输入混合信号x并进行FastICA处理，具体步骤为：

步骤1-1，获取低频振荡信号进行零均值化和白化处理；

步骤1-2，构建分离矩阵W并计算分离矩阵W的逆矩阵；

步骤1-3，进行迭代循环，更新分离矩阵W；

步骤2，判断是否收敛；是则，执行步骤3；否则，执行步骤1；

步骤3，将利用FastICA恢复的信号作为新的主导信号进行采样，

步骤4，针对新的主导信号进行TLS-ESPRIT分析，计算各个振荡模式的频率、衰减因子、幅值和相位。

进一步地，作为一种较优实施方式，步骤1-2构建分离矩阵前确定要估计分量数目n、算法迭代次数q并选取初始权。

进一步地，作为一种较优实施方式，步骤1-3中分离矩阵W采用如下公式(8)进行迭代计算；

式中：E[·]表示均值运算；g(·)表示非线性函数；W为构造的分离矩阵，x为随机信号。

进一步地，作为一种较优实施方式，步骤4具体包括以下步骤：