[发明专利]一种基于EEMD和Prony方法的次同步振荡分析方法

说明书

本发明公开了一种基于EEMD和Prony方法的次同步振荡分析方法，属于电力系统次同步振荡技术领域。首先利用EEMD对含噪声信号进行分解，去除其中的高频噪声分量，同时有效解决EMD去噪时的模态混频问题，得到平稳信号后利用Prony可准确识别次同步振荡的特征参数。将集中经验模态分解(EEMD)去噪和Prony辨识相结合，有效解决了EMD中存在的模态叠加问题，由于Prony方法对噪声信号敏感，经过去噪后的信号利用Prony辨识结果更加准确，能识别出次同步振荡的主导模式，对分析振荡的来源和提出抑制措施至关重要，具有抗噪性强和准确度高的优点。

技术领域

本发明属于电力系统次同步振荡技术领域，具体涉及一种基于EEMD和Prony方法的次同步振荡分析方法。

背景技术

随着汽轮发电机组装机容量增加，转子长度逐渐加长；另外电力远距离输送会使用的串补装置或高压直流输电形式，这都使得机组发生次同步振荡的风险加剧

次同步振荡的分析方法主要有基于实测数据的信号分析法是次同步振荡模态辨识中常用的方法，主要有快速傅里叶变换FFT、小波变换WT、希尔伯特-黄变换HHT和Prony法，其中FFT可以对线性平稳信号的主要频率进行较精确的识别，但由于FFT是整体变换，无法获取信号的衰减系数、瞬时幅值和相位等重要信息，并且其计算精度依赖于数据窗的选取；HHT结合了经验模态分解EMD和希尔伯特变换，该方法对噪声具有较好的抗性，但EMD分析过程中存在模态混叠问题，并且在对频率精度要求较高时该方法存在局限性；小波变换的计算精度取决于小波基函数的选取，而小波基函数的确定困难，这就使得小波变换的结果具有不确定性，另外小波变换同样存在模态混叠现象。Prony法是在模态识别中常用的一种方法，主要思想是假设信号是由一系列指数函数组成，利用采集数据进行求解，获取频率、衰减系数、幅值和相位信息，由此可见利用Prony法可获取次同步振荡的全面信息，有利于故障特征分析，但Prony法对噪声十分敏感，当获取信号中含有明显噪声成分时需要对信号进行预处理。

常用的处理方法是对信号进行滤波，但这就需要知道信号的某些特性去噪方法：如卡尔曼滤波和维纳滤波等，卡尔曼滤波建立系统模型时需要信号的振荡特性，这对含噪声的非平稳信号是很难提供的，另外这些滤波方法实现过程复杂；利用小波分解对信号进行去噪处理的方法也得到应用，但小波基函数的选取是一个难点。

发明内容

为了解决上述现有技术中存在的缺陷，本发明的目的在于提供一种基于EEMD和Prony方法的次同步振荡分析方法，将集合经验模态分解(EEMD)与Prony方法相结合，在进行Prony模态辨识之间，利用EEMD对信号进行滤波去噪，得到更加接近实际的信号会提高辨识的准确度，并且EEMD也有效改善了传动经验模态滤波(EMD)的端点效应。

本发明是通过以下技术方案来实现：

一种基于EEMD和Prony方法的次同步振荡分析方法，包括以下步骤：

步骤1：测量汽轮发电机组的扭转振动信号，当判别汽轮发电机组发生次同步振荡时触发模态辨识功能；

步骤2：向测得的扭转振动信号中注入白噪声信号，并对注入白噪声信号的扭转振动信号进行经验模态分解，得到各个本征模态分量；

步骤3：计算各个本征模态分量与白噪声信号的相关系数，筛选出包含故障特征的信号和噪声信号，去除噪声信号，将包含故障特征的信号和残余信号重构，得到去噪后的扭转振动信号采集点；

步骤4：利用Prony法拟合步骤3得到的去噪后的扭转振动信号采集点并求解，得到次同步振荡的振荡特性信息，完成次同步振荡分析。

优选地，步骤1中，汽轮发电机组的扭转振动信号是通过安装在汽轮发电机组轴系机头的扭角测量传感器测得的。

优选地，步骤2的具体步骤为：

步骤2.1：向测得的扭转振动信号中注入白噪声信号：