基于随机子空间递推的电力系统低频振荡高效辨识方法

本文主要探讨的是电力系统中基于递推随机子空间的低频振荡辨识方法。随着我国电力系统的快速发展，尽管稳定性有所提升，低频振荡问题依然是影响系统稳定性的重要因素。智能电网的出现，尤其是广域测量系统的（WAMS）应用，为实时分析和控制低频振荡提供了新的手段。 当前，低频振荡辨识技术的研究十分活跃，涉及多种方法，如自回归移动平均（ARMA）、子空间、汉克总体最小二乘（HTLS）、Prony、矩阵束、频域分解（FDD）等参数化方法，以及FFT、谱密度分析、维格纳维尔时频分布（WVD）、经验模态分解（EMD）、局部均值分解（LMD）等非参数方法。Prony方法因其非线性的多位滤波特性，是辨识技术中应用最广泛的一种，但其在处理平稳运行时环境噪声激励下的稳态信号时精度较低。 文章关注点在于改进传统的辨识方法，提出了基于双边迭代的随机子空间递推方法，这种新方法旨在提高辨识的实时性和灵活性。它通过递推误差和考虑低频振荡数据特性，设计了一种遗忘因子和加权因子选择策略，以确保辨识过程的快速平稳进行。这种方法的优势在于能更有效地处理WAMS记录中包含的大量稳态信号，这些信号中蕴含着丰富的系统信息，对于电力系统监控和稳定性分析至关重要。 子空间算法如随机子空间算法（SSI）、旋转矢量不变算法（ESPRIT）、N4SID算法和MOESP算法等，因其能够精确分离噪声子空间和信号子空间，具有较高的识别精度。然而，文中提到的递推随机子空间方法是对这些传统子空间算法的创新，它可能在处理复杂电力系统数据时展现出更好的性能。 作者通过理想数据、仿真数据和WAMS数据的实例分析，验证了所提出的递推随机子空间低频振荡辨识方法的有效性和实用性。这表明，该方法不仅适用于暂态振荡信号辨识，也能有效应对电网运行中的稳态噪声和动态数据，为电力系统的实时监控和稳定性评估提供了一种有力工具。