为提高目前电力系统次同步振荡参数辨识精度,提出一种基于随机减量技术RDT(random decrement technique)和稀疏时域STD(sparse time domain)算法相结合的辨识方法。利用RDT对输入信号进行处理,提取自由衰减时域信号。然后通过STD算法计...为提高目前电力系统次同步振荡参数辨识精度,提出一种基于随机减量技术RDT(random decrement technique)和稀疏时域STD(sparse time domain)算法相结合的辨识方法。利用RDT对输入信号进行处理,提取自由衰减时域信号。然后通过STD算法计算得到振荡模态参数。仿真算例和实测算例的结果表明,该方法可以有效地辨识出次同步振荡的模态参数,可以用于辨识电力系统次同步振荡,为抑制次同步振荡的设计奠定了基础。展开更多
现代的大型复杂结构,如大坝、高层建筑、桥梁及海洋平台等,处于复杂的环境载荷作用下,这些环境载荷往往是无法测量的。在仅有输出响应时,应用随机减量法RDT获得自由衰减响应信号,而后用时域复指数拟合法、ITD法、特征系统实现算法ERA等...现代的大型复杂结构,如大坝、高层建筑、桥梁及海洋平台等,处于复杂的环境载荷作用下,这些环境载荷往往是无法测量的。在仅有输出响应时,应用随机减量法RDT获得自由衰减响应信号,而后用时域复指数拟合法、ITD法、特征系统实现算法ERA等算法获得结构的模态参数是一种有效的方法。但在数据量有限时,随机减量函数的平均次数过少,导致RD函数的收敛性较差。为此提出了利用Vector Random Decrement技术(VRDT)提取自由衰减响应信号,而后利用特征系统实现算法ERA求得模态参数的方法,新算法能够有效地提高模态参数识别精度。数值算例验证了所提算法的有效性。展开更多
文摘为提高目前电力系统次同步振荡参数辨识精度,提出一种基于随机减量技术RDT(random decrement technique)和稀疏时域STD(sparse time domain)算法相结合的辨识方法。利用RDT对输入信号进行处理,提取自由衰减时域信号。然后通过STD算法计算得到振荡模态参数。仿真算例和实测算例的结果表明,该方法可以有效地辨识出次同步振荡的模态参数,可以用于辨识电力系统次同步振荡,为抑制次同步振荡的设计奠定了基础。
文摘现代的大型复杂结构,如大坝、高层建筑、桥梁及海洋平台等,处于复杂的环境载荷作用下,这些环境载荷往往是无法测量的。在仅有输出响应时,应用随机减量法RDT获得自由衰减响应信号,而后用时域复指数拟合法、ITD法、特征系统实现算法ERA等算法获得结构的模态参数是一种有效的方法。但在数据量有限时,随机减量函数的平均次数过少,导致RD函数的收敛性较差。为此提出了利用Vector Random Decrement技术(VRDT)提取自由衰减响应信号,而后利用特征系统实现算法ERA求得模态参数的方法,新算法能够有效地提高模态参数识别精度。数值算例验证了所提算法的有效性。
