[发明专利]基于广义形态滤波与改进MP算法的低频振荡模态辨识方法有效
申请号: | 201610907179.8 | 申请日: | 2016-10-19 |
公开(公告)号: | CN106505587B | 公开(公告)日: | 2019-01-18 |
发明(设计)人: | 金涛;刘对;刘思议 | 申请(专利权)人: | 福州大学 |
主分类号: | H02J3/24 | 分类号: | H02J3/24 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 蔡学俊 |
地址: | 350108 福建省福州市*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于广义形态滤波与改进MP算法的低频振荡模态辨识方法,提出一种将广义形态滤波与改进MP算法相结合来对电力系统低频振荡模态辨识,利用广义形态滤波对低频振荡信号进行去噪处理,然后再采用改进MP算法进行模态辨识。对于MP算法在进行低频振荡模态辨识的过程中阶数确定的问题,采用归一化奇异熵来进行定阶,该方法在定阶时计算量较小、速度快、受主观因素影响也较小。本发明可以实现噪声干扰下的低频振荡模态准确的辨识,克服了由于电力系统的测量、传输环节通常都会引入噪声干扰,而噪声将严重影响电力系统低频振荡模态辨识的准确性等问题,具有较好的应用前景。 | ||
搜索关键词: | 基于 广义 形态 滤波 改进 mp 算法 低频 振荡 辨识 方法 | ||
【主权项】:
1.一种基于广义形态滤波与改进MP算法的低频振荡模态辨识方法,其特征在于,包括如下步骤:步骤S1:提取电力系统低频振荡信号,采用广义形态学滤波器对其进行去噪;步骤S2:构造广义形态滤波器,y(n)={OC[f(n)]+CO[f(n)]}/2,其中,y(n)为广义形态滤波器的输出信号,OC[f(n)]为广义形态开‑闭滤波器,CO[f(n)]为广义形态闭‑开滤波器;步骤S3:采用滤波误差E和信噪比SNR评估广义形态滤波的效果,若满足,则结束,若不满足,则返回步骤S1;步骤S4:提取经广义形态滤波后的低频振荡数据x(n),n=0,1,…,N‑1;用M阶的指数模型进行估计;步骤S5:根据电力系统低频振荡采样数据x(0),x(1),…,x(N‑1),构造Hankel数据矩阵,如下:式中,L为矩阵束参数;步骤S6:对X进行奇异值分解,得到由奇异值矩阵所组成的对角矩阵,如下:X=UDVT;式中,U为主导左特征值向量矩阵,且为N‑L阶正交矩阵,VT为主导右特征值向量矩阵,且为L+1阶正交矩阵,D为(N‑L)×(L+1)阶对角阵;步骤S7:根据计算确定所构建的数据矩阵的阶数M;步骤S8:重新构造矩阵D′、V1T;D′为(N‑L)×L阶矩阵,前M行由D的前M个奇异值组成,后N‑L‑M行为0,该矩阵D′能有效的消除噪声的影响;为X奇异值分解后的前M个主导右特征向量矩阵VT的第1行~第L行,V1T为X奇异值分解后的前M个主导右特征向量矩阵VT的第2行~第L+1行;步骤S9:根据重新构造之后的矩阵D′、V1T,重新构造两个样本矩阵X1′=UD′V1T,表示如下:步骤S10:进一步获取矩阵B、Z;B为包含M阶信号的所有幅值和相位信息的矩阵,Z为包含M阶信号的所有振荡频率和衰减因子信息的矩阵,如下:B=diag(b1,b2,…,bM);Z=diag(z1,z2,…,zM);步骤S11:求得Z矩阵之后,结合数据采样时间间隔Ts,求得相应的衰减因子αi和振荡频率ωi,并根据所述矩阵Z,确定振荡幅值Ai和相位θi;步骤S12:得出电力系统低频振荡各模态的完整参数包括:振荡频率、衰减因子、振荡幅值和相位信息;在所述步骤S6中,所述D具体表示如下:式中,d1,d2,…,dL+1为对X进行奇异值分解得到的奇异值,满足d1≥d2≥…≥dL+1,且对于不含噪声的理想M阶信号,有如下等式:在所述步骤S7中,还包括如下步骤:步骤S71:将得到的奇异值从大到小排列,计算信号的奇异熵;步骤S72:根据所述步骤S71的计算可以得知,k阶奇异熵Ek;步骤S73:从而可以得出归一化奇异熵;步骤S74:当所述归一化奇异熵E大于预设限值时,将对应的k值定为系统的模态阶数M。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610907179.8/,转载请声明来源钻瓜专利网。