递归连续小波变换在电力系统振荡模式辨识中的应用

0 下载量 40 浏览量 更新于2024-09-03 收藏 1.33MB PDF 举报
"本文主要介绍了一种基于递归连续小波变换的电力系统低频振荡模式辨识方法。这种方法旨在提高辨识的准确性,并能够动态追踪电力系统的模态参数。" 在电力系统的研究和运营中,低频振荡是一个关键问题,因为它可能影响电网的安全稳定运行。传统的特征值分析法虽然简便有效,但受限于模型精度和规模,无法满足实时分析的需求。随着WAMS的普及,基于实测信号的低频振荡模式辨识成为可能。文中提出的新型方法结合了连续小波变换和递归最小二乘技术。 首先,连续小波变换(CWT)被用于分析电力系统的信号,因为小波变换能够提供多尺度的时间-频率分析,适合处理非平稳信号。然而,小波变换存在边缘效应,即在信号边界处的分析精度下降。为解决这一问题,文中引入了最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)。LSSVM通过对信号两端进行拟合延拓,可以有效地减少边缘效应,从而提升小波辨识的准确性。 接着,为了实现对电力系统振荡模式的动态追踪,文章进一步将小波辨识与递归最小二乘(Recursive Least Squares, RLS)算法结合。递归最小二乘允许在每次迭代中更新振荡频率和阻尼比,这使得系统能够实时跟踪模态参数的变化,提高了识别的动态性能。 对比其他方法,如Kalman滤波、希尔伯特-黄变换(HHT)、Prony算法,本文提出的方法更注重非平稳和时变振荡的处理。尽管Kalman滤波在噪声抑制上有优势,但无法考虑阻尼特性;HHT适合非平稳信号,但有端点效应问题;Prony算法适用于非时变系统,对于时变振荡则不够精确。而本文的方法能够更好地适应电力系统中低频振荡的复杂特性。 通过在IEEE 68节点系统仿真数据和实际南方电网数据上的应用,该方法的有效性和可行性得到了验证。这表明,基于递归连续小波变换的辨识方法有望成为电力系统在线安全评估和稳定控制的有力工具,特别是在应对非平稳和时变振荡问题上,能提供更为准确的分析结果。