[发明专利]一种基于随机减量和盲源分离的低频振荡参数识别方法

说明书

本发明公开了一种基于随机减量和盲源分离的低频振荡参数识别方法，包括步骤：1)采用随机减量技术对采集到的环境激励下的类噪声电力信号进行处理，得到自由衰减信号；2)对自由衰减信号采用盲源分离算法，分解出不同的单模式信号；3)对不同的单模式信号进行希尔伯特变换，求解出振荡频率和衰减系数，并采用识别程序，确定最佳的模式结果。本发明突破现有识别方法基于明显扰动下的事后识别缺点，利用盲源分离和随机减量算法，实现高效准确的事前低频振荡参数识别。

技术领域

本发明涉及模式识别和低频振荡的技术领域，尤其是指一种基于随机减量和盲源分离的低频振荡参数识别方法。

背景技术

随着“西电东送”、“全国联网”战略的发展，我国的电力系统规模不断扩大，形成了各地区互联，交直混联的超大规模电网。电网的互联有利于各项资源的优化配置，但同时也会带来电力系统稳定性的问题，其中低频振荡问题日益突出。准确且迅速地识别低频振荡参数从而实施有效的抑制措施是保证电力系统稳定的重要基础之一。

目前，低频振荡参数识别的工作主要是基于明显扰动(如短路，负荷大幅度变化)时的系统响应信号进行的。这类方法的不足在于：1、电力系统实际运行中发生明显扰动的概率很小，不可认为操控，数据量有限。2、这类方法仅能用于事后调节，无法在事前对低频振荡参数进行识别。

基于此，提出了一种针对类噪声信号的低频振荡参数识别方法，可以在未发生低频振荡的情况下识别出低频振荡参数。为了解决类噪声信号衰减响应提取问题，采用了自然激励技术，可靠、快速地提取出自由衰减响应信号；用盲源分离算法处理自由衰减信号，分解出不同的单模式信号；对不同的单模式信号进行希尔伯特变换，求解出振荡频率和衰减系数，并采用识别程序，确定最佳的模式结果；该方法能够快速准确地识别出低频振荡参数，为抑制低频振荡的控制策略提高有效信息。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于随机减量和盲源分离的低频振荡参数识别方法，突破现有识别方法基于明显扰动下的事后识别缺点，利用盲源分离和随机减量算法，实现高效准确的事前低频振荡参数识别。

为实现上述目的，本发明所提供的技术方案为：一种基于随机减量和盲源分离的低频振荡参数识别方法，包括以下步骤：

1)采用随机减量技术对采集到的环境激励下的类噪声电力信号进行处理，得到自由衰减信号；

2)对自由衰减信号采用盲源分离算法，分解出不同的单模式信号；

3)对不同的单模式信号进行希尔伯特变换，求解出振荡频率和衰减系数，并采用识别程序，确定最佳的模式结果。

在步骤1)中，采用随机减量技术对采集到的环境激励下的类噪声电力信号进行处理，得到自由衰减信号，包括以下步骤：

1.1)选取一个触发阈值，取类噪声信号标准差的-0.6倍，采用的触发条件为：

y＞a且

其中，y为信号值，a为阈值；

1.2)确定每段截取信号的窗口长度，采样点数为6倍采样周期长度；

1.3)从各个相同起始条件截取到的N个信号累加并除以N，得到自由衰减信号。

在步骤2)中，对自由衰减信号采用盲源分离算法，分解出不同的单模式信号，包括以下步骤：

2.1)先求出观测信号矩阵X(t)的协方差矩阵R_X(t)，并对其进行特征值分解R_X(t)＝EDE^T，其中，E和D分别表示特征向量矩阵和特征值矩阵，T代表矩阵转置；