朱進宏

(中國電建集團福建工程有限公司，福建 福州 350018)

1 引言

隨著超高壓以及特高壓的飛速發(fā)展，大電網(wǎng)互聯(lián)成為必然的發(fā)展方向[1-2]。在帶來巨大經(jīng)濟效益的同時，互聯(lián)大電網(wǎng)之間的低頻振蕩問題也越來越嚴重，這對互聯(lián)大電網(wǎng)的安全與穩(wěn)定帶來了巨大隱患?？焖賹Φ皖l振蕩進行模態(tài)辨識對保證供電可靠性具有重大意義[3-4]。

低頻振蕩信號的模態(tài)方法有兩種，與耗時時間長和維度大的特征根的辨識方法相比，基于實測信號辨識方法具有天然的優(yōu)勢?；趯崪y信號的辨識方法主要有 FFT方法[8]、MP方法[9]、Prony方法[10-11]、HHT 方法[12-13]、 TLS-ESPRIT 方法[14]方法等。然而這些方法大都只考慮了高斯白噪聲，對高斯色噪聲的考慮不足。

基于此，本文提出了一種基于四階混合平均累積量(Fourth-order mixed mean cumulant，F(xiàn)OMMC)與TLS-ESPRIT的模態(tài)辨識方法，該方法首先利用FOMMC來對辨識信號進行預處理，抑制信號中的色噪聲，接著，利用TLS-ESPRIT對信號進行辨識。通過構建的數(shù)值信號和電力系統(tǒng)中實測的信號進行測試，其結果表明，該方法對色噪聲具有較強的抑制作用，同時辨識的速度和精度更高。

2 基于FOMMC的色噪聲抑制

3 低頻振蕩模態(tài)辨識步驟

圖1 低頻振蕩模態(tài)辨識步驟

4 算例分析

4.1 數(shù)值信號算例

為了驗證所提方法在包含高斯色噪聲信號模態(tài)辨識中的優(yōu)勢，構成如下測試信號，并在該信號中加入高斯色噪聲。

利用本文所提辨識方法對該構建的信號進行模態(tài)辨識，辨識結果如圖2所示。

圖2 數(shù)值信號下的辨識結果

從圖中可以看出，利用辨識結果重構的信號可以很好的擬合包含色噪聲的低頻振蕩信號，從而驗證了所提方法在包含色噪聲的情形下，能夠很好的辨識出低頻振蕩信號的模態(tài)。

將所提方法與Prony方法，MP方法、SSI方法和未進行FOMMC色噪聲抑制的TLS-ESPRIT方法進行對比，對比結果如表1所示。

表1 數(shù)值信號下各種方法的對比結果

從表1中可以看出Prony算法和SSI算法受色噪聲的影響較大，使得辨識的結果產(chǎn)生了很大的誤差；MP算法和TLS-ESPRIT算法辨識的精度較為接近；本文的方法能夠有效的抑制高斯色噪聲，辨識的結果與構造信號的低頻振蕩參數(shù)最為接近。

4.2 真實信號算例

為了進一步驗證所提方法在包含高斯色噪聲信號模態(tài)辨識中的優(yōu)勢，利用電力系統(tǒng)實際采集的低頻振蕩信號進行測試，該信號如圖3所示，測試結果如圖4所示。

圖3 電力系統(tǒng)真實的低頻振蕩信號

圖4 真實信號下的辨識結果

從圖4中可以看出，利用辨識結果重構的信號可以很好的擬合包含色噪聲的低頻振蕩信號，從而驗證了所提方法在真實低頻振蕩信號下，依舊能夠很好的辨識出低頻振蕩信號的模態(tài)。

將所提方法與MP方法、未進行FOMMC色噪聲抑制的TLS-ESPRIT方法在真實信號下進行對比，對比結果如表2所示。

表2 真實信號下各種方法的對比結果

從表2中可以看出:三種方法都能準確辨識出低頻模態(tài)，但是，本文所提方法由于增加了對色噪聲的預處理環(huán)節(jié)，導致其在辨識速度和準確度上要比其他方法更好。

5 結論

基于實測信號的低頻振蕩模態(tài)辨識方法對高斯白噪聲考慮較多，對高斯色噪聲的考慮不足，對此，提出一種基于FOMMC與TLS-ESPRIT的模態(tài)辨識方法；通過構建的數(shù)值信號和電力系統(tǒng)中實測的信號進行測試，可以得出以下結論:

(1)在進行模態(tài)辨識前，利用FOMMC來對辨識信號進行預處理，能夠有效抑制信號中的色噪聲；

(2)對預處理有的信號，利用TLS-ESPRIT對信號進行辨識，可以較大幅度地提高辨識速度和精度。