[发明专利]一种基于改进广义形态滤波的低频振荡模态辨识方法

摘要

本发明涉及一种基于改进广义形态滤波的低频振荡模态辨识方法，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TLS‑ESPRIT算法进行模态辨识。对于TLS‑ESPRIT算法在进行低频振荡模态辨识的过程中阶数确定的问题，采用奇异值差值与最大奇异值比值法来进行定阶，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，具有较好的应用前景。

主权项

1.一种基于改进广义形态滤波的低频振荡模态辨识方法，其特征在于，包括以下步骤：步骤S1：提取电力系统低频振荡信号，采用广义形态滤波器对其进行去噪；步骤S2：构造广义形态滤波器，y(n)＝α(OC[f(n)])+β(CO[f(n)])，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，α、β为权系数；步骤S3：采用信噪比SNR来评估广义形态滤波的效果，若满足SNR＞δ，则结束滤波，若不满足，则返回所述步骤S1；所述信噪比SNR：其中，δ＝40dB，P为原始信号的方差，P_s为噪声方差；步骤S4：对去噪后信号进行采样，即从0时刻起信号采样为X＝[x0,x1,…,xN‑1]，并构建L×M阶的Hankel矩阵：其中，N＝L+M‑1，且L＞P,M＞P；P为信号模型的阶数；步骤S5：对矩阵H进行奇异值分解，H＝UΣVH；其中，VH表示矩阵V的共轭转置，且UHU＝I,VHV＝I,U∈CL×L,V∈CM×M，I,C分别为单位矩阵和酉矩阵，奇异值矩阵Σ∈CL×M为对角矩阵，其对角线上元素即为矩阵H的奇异值；步骤S6：确定系统的阶数P；步骤S7：利用确定的系统阶数P，通过VH生成信号子空间VS和噪声子空间VN；步骤S8：将信号子空间V_S删除最后一行和删除第一行分别得到V₁、V₂，由V₁＝V₂Ψ得到旋转算子Ψ；对[V₁ V₂]进行奇异值分解得到有特征向量对右奇异矩阵划分为4个方阵，即：步骤S9：计算的特征根；求取Ψ_TLS的特征值λ＝[λ₁,λ₂,…λ_p]，λ_i即为特征值z_i的估计值；步骤S10：利用求得的zi得到信号的频率、衰减因子、阻尼比；步骤S11：利用求出的zi，以及采样信号X＝[x0,x1,…,xN‑1]，通过采用求解下面的超定阶方程求取参数b；X＝Zb；式中，X＝(x(0),x(1),…,x(N‑1))T，b＝(b1,b2,…,bM)T，使用最小二乘法求解出振荡信号的幅值和相位；步骤S12：由下列式子求出振荡信号幅值Ai和相位θi：步骤S13：得出电力系统低频振荡的模态参数；步骤S14：利用得出的模态参数进行曲线拟合，拟合指标的计算公式为：式中，为估计信号、x(n)为原信号、rms代表求取均方根，单位为dB；步骤S15：若满足AFI＞ψ，且ψ＝20dB，则输出完整的振荡参数，若不满足，则返回所述步骤S4。