为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法...为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法首先利用能量比函数对电力系统广域量测信息实时检测,当检测到信号能量发生突变时,利用SSGST对检测到的振荡信号分解得到相应的SSGST时频系数矩阵;然后通过改进的脊线提取方法在时频域实现对各振荡分量的最优轨迹搜索;进一步,结合最优轨迹时频索引重构各振荡分量的时域分量,并利用ISTD辨识方法计算出各振荡分量的频率和阻尼比系数;最后,通过自合成模拟信号、双馈风电场经串补并网系统仿真信号和某实际风电场实测数据验证了所提方法的准确性和有效性。展开更多
为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,...为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,利用该响应信号的功率谱密度特征曲线确定局部最大同步挤压算子中滑动窗的宽度;再次,通过局部最大同步挤压算子进行时频重排;最后,采用模极大值改进算法提取瞬时频率曲线。通过两个数值算例、一个滑动窗宽参数分析和一个时变拉索试验验证了所提方法的有效性,研究结果表明:利用功率谱密度特征曲线能够有效确定滑动窗的窗宽和模极大值算法的提取范围。相比局部最大同步挤压变换算法,基于滑动窗宽优化的LMSSGST具有更佳的瞬时频率识别效果。展开更多
文摘为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法首先利用能量比函数对电力系统广域量测信息实时检测,当检测到信号能量发生突变时,利用SSGST对检测到的振荡信号分解得到相应的SSGST时频系数矩阵;然后通过改进的脊线提取方法在时频域实现对各振荡分量的最优轨迹搜索;进一步,结合最优轨迹时频索引重构各振荡分量的时域分量,并利用ISTD辨识方法计算出各振荡分量的频率和阻尼比系数;最后,通过自合成模拟信号、双馈风电场经串补并网系统仿真信号和某实际风电场实测数据验证了所提方法的准确性和有效性。
文摘为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,利用该响应信号的功率谱密度特征曲线确定局部最大同步挤压算子中滑动窗的宽度;再次,通过局部最大同步挤压算子进行时频重排;最后,采用模极大值改进算法提取瞬时频率曲线。通过两个数值算例、一个滑动窗宽参数分析和一个时变拉索试验验证了所提方法的有效性,研究结果表明:利用功率谱密度特征曲线能够有效确定滑动窗的窗宽和模极大值算法的提取范围。相比局部最大同步挤压变换算法,基于滑动窗宽优化的LMSSGST具有更佳的瞬时频率识别效果。
