[发明专利]基于类噪声信号的风电场潜在次同步振荡识别方法

权利要求书

1.一种基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，包括以下步骤：

1)采集含次同步振荡信息的风电场类噪声数据X(t)；

2)对风电场类噪声数据X(t)进行小波分解，从中提取有效信号Y(t)；

3)针对有效信号Y(t)，通过模态辨识方法，识别出风电场潜在的次同步振荡模态信息；

其中，步骤2)的具体实现过程包括：

i)选取合适的小波基ψ(*)与分解层数J；

ii)根据上述小波基ψ(*)与分解层数J，对风电场类噪声数据X(t)进行小波分解，分解后的信号描述为：X(t)≈X_J(t)＝X₀(t)+w₀(t)+w₁(t)+...+w_J-1(t)；其中，X₀(t)为剩余信号，w_j(t)，j＝0,1,...,J-1为第j个小波分量，其频率f_j所属范围为：f_s为采样频率；

iii)对各个小波分量w_j及剩余信号X₀(t)的频率所属范围进行判断，判断是否成立，若成立，则将该小波分量所有信息保留，否则将其所有信息滤除；

iv)将保留的小波分量信号叠加，重组成新的信号Y(t)。

2.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤1)中，所述风电场类噪声数据包括风电场输出有功功率、无功功率、等效电磁转矩、母线电压电流、发电机等效转子角速度。

3.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤1)中，风电场类噪声数据信号模型表示为：X(t)＝S(t)+N(t)；其中，X(t)为含噪声的信号序列，也就是风电场类噪声数据；S(t)为实际小扰动下的响应信号序列，也就是类噪声中的有效信息；N(t)为噪声信号序列。

4.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，小波基ψ(*)选择sym5、bior3.3或db11。

5.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，分解层数J的计算公式为：

6.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法，其特征在于，步骤3)中，模态辨识方法包括快速傅里叶变换、Prony或Ibrahim时域法。