[发明专利]一种计及奇异值的低频振荡信号参数辨识方法

说明书

本发明公开了一种计及奇异值的低频振荡信号参数辨识方法，不仅可以有效检测量测、创新序列和模型结构存在的奇异值，而且通过降低奇异值的权重，避免了传统卡尔曼滤波奇异值存在情形下的发散问题，提高了辨识方法的鲁棒性，能够实现奇异值存在情形下电力系统低频振荡信号参数的准确辨识。

技术领域

本发明涉及一种计及奇异值的低频振荡信号模型参数辨识方法，属于信号分析与参数辨识技术领域。

背景技术

电力系统安全稳定问题与低频振荡信号之间存在着密切联系，低频振荡信号包含着电力系统运行态势信息。因此，如何通过监测和分析手段提取低频振荡信号所表征的信息，适时采取合适的举措，对于保证电力系统安全运行意义重大。

近年来，众多学者围绕电力系统低频振荡信号模态识别，模型参数辨识开展了深入而广泛的研究。针对低频振荡信号模型参数辨识问题，提出了许多有效方法，主要包括快速傅里叶变换(fast Fourier transform,FFT)、小波算法、Prony算法和扩展卡尔曼滤波算法(extended Kalman filter,EKF)等。FFT参数辨识方法精度会受到数据窗限制，无法有效反映振荡信号的阻尼特性；基于小波算法的低频振荡信号参数辨识方法能够体现信号时变特性，但存在小波基难选取的问题；Prony算法比较简单方便，但其对噪声敏感性大。EKF方法具有在线辨识的特点，而且计算占用内存低，效率高，应用较为广泛。不过，需要指出的是上述这些方法，均未考虑由脉冲噪声等引起奇异值，无法实现此种情形下的低频振荡信号参数准确辨识。

发明内容

发明目的：为了克服现存方法的不足，提高低频振荡信号模型参数辨识方法的鲁棒性和辨识精度，本发明设计一种计及奇异值的低频振荡信号参数辨识模型及其参数辨识方法，该方法通过对奇异值检测、降低权重，并利用迭代最小二乘法寻优，从而避免奇异值所带来的影响，有效改善低频振荡信号模型参数辨识效果。

本发明所采用的技术方案为：一种计及奇异值的低频振荡信号参数辨识模型，建立状态变量分量中包含电力系统低频振荡信号模型待估参数的状态空间模型；

该电力系统低频振荡信号由N个指数衰减的振荡波信号组成：

式中，λ_i,w_i,δ_i,φ_i分别为幅值，频率，衰减因子，初始相位；n(t)是一个零均值的白噪声；

定义4N个状态变量为如下形式：

x_4i-1,k＝w_i (4)

x_4i,k＝δ_i (5)

式中，下标i表示构成低频振荡信号的第i个衰减的振荡波信号，k代表时刻，f_s代表采样频率，根据上式，得到k+1时刻的状态分量：

x_4i-1,k+1＝x_4i-1,k+ω_4i-1,k (8)

x_4i,k+1＝x_4i,k+ω_4i,k (9)

式中，ω_4i-j,k(i＝1…N,j＝0…3)为k时刻均值为零，协方差矩阵为W_k的高斯白噪声；