CN108845230A - 一种次同步振荡随机时变模态辨识方法 - Google Patents
一种次同步振荡随机时变模态辨识方法 Download PDFInfo
- Publication number
- CN108845230A CN108845230A CN201810651116.XA CN201810651116A CN108845230A CN 108845230 A CN108845230 A CN 108845230A CN 201810651116 A CN201810651116 A CN 201810651116A CN 108845230 A CN108845230 A CN 108845230A
- Authority
- CN
- China
- Prior art keywords
- symmetric points
- point
- signal
- continuation
- minimum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种次同步振荡随机时变模态辨识方法,针对端点效应使模态辨识结果误差较大的问题,提出基于镜像延拓法的改进希尔伯特—黄变换辨识随机时变次同步振荡模态,首先在信号的左右两端确定对称点,然后对信号进行延拓,对包络线的拟合均采用延拓后的极值点为插值点进行三次样条插值,然后计算上,下包络线的局部均值,使上下包络线的拟合更加准确,明显改善了端点效应,通过对平稳信号、非平稳信号和实测信号的辨识验证了该法的可行性与有效性。
Description
技术领域
本发明属于电器工程技术领域,具体涉及一种次同步振荡随机时变模态辨识方法。
背景技术
作为电力系统稳定性的重要方面,次同步振荡从20世纪70年代至今,一直得到广泛的关注和研究。随着规模化风电和规模化光伏发电基地不断发展,并网容量不断增加,大容量电力电子技术广泛应用,次同步振荡呈现出新的特性。受风速等自然因素的影响,新能源电源的生产具有较大的随机波动性,这种随机波动性使得电力系统运行点发生随机漂移现象,运行工况变化范围更大,变化情况更为错综复杂,对次同步振荡的影响不容忽视。基于传统确定型系统的次同步振荡分析方法与控制措施,在强随机、大幅度波动的新能源并网情况下,难以适应电网安全的要求,由此引发的次同步振荡问题日益突出。
2011年以来,我国华北沽源地区风电场多次发生频率随机时变的次同步振荡事件,根据现场监测发现,研究发现当风速较低、风机转速下降到一定程度时,会出现不稳定的次同步振荡,其频率随风场拓扑结构演变和风机并网数量不同在较大范围(3~10Hz)内变化,呈现出随机时变,振荡频率范围宽的特点。此类问题在我国沽源、内蒙、吉林等地区均有报道。2015年7月1日,我国的新疆哈密地区发生了更为复杂的大规模双馈和直驱风电机组经弱交流和天中特高压直流系统送出的次同步振荡问题,根据现场监测数据,风电产生的次同步电流的振荡频率随时间变化,并在不同电压等级的交流系统传播,最终诱发了火电机组的轴系扭振,进而导致机组扭振保护启动,三台火电机组跳闸。在该事件中,首次出现了次同步频率分量传递问题,而且是频率随机时变的次同步电流分量的传递问题。由此可见,大规模新能源电力系统的次同步振荡呈现出随机时变幅频的特点,风电等可再生能源的随机波动特性难辞其咎。因此,需要研究能够正确辨识随机时变的次同步振荡模态的监测方法。
快速傅里叶变换(Fast Fourier Transformation,FFT)和Prony分析方法主要应用在平稳信号的模态分析方面,而希尔伯特-黄变换(Hilbert-Huang transform,HHT)能够从非平稳信号中准确提取其频率和幅值等信息,并且HHT在分析海洋信号,振动信号等领域已经取得了良好的效果。
HHT的端点效应由2部分组成,第一种是信号包络线拟合产生的,第二种是Hilbert变换时产生的。经验模态分解(Empirical Mode Decomposition,EMD)过程中需要拟合信号的上、下包络线,进而得到局部均值。EMD准确的前提是局部均值准确。包络线的拟合实际上是对信号极值点的三次样条插值。在信号端点处,端点不可能既是极大值点又是极小值点,也可能端点并非极值点。如果端点不是极值点,那么距离端点最近的极值点到端点之间的包络线是靠近端点的相邻两个极值点三次插值多项式的延伸。这样端点处的包络线偏离真实值,局部均值曲线不准确,筛出的固有模态函数(Intrinsic Mode Function,IMF)也就不准确。此次分解得到的IMF误差会影响到后面的EMD过程,端点处的误差逐渐向内污染,使分解结果失真。
综上所述,大规模新能源电力系统的次同步振荡呈现出随机时变幅频的特点,因此,准确辨识次同步振荡的模态变得困难,而希尔伯特-黄变换(Hilbert-Huangtransform,HHT)能够从非平稳信号中准确提取其频率和幅值等信息,但HHT存在端点效应,会使边界处的辨识结果存在较大误差。
发明内容
本发明提供了一种次同步振荡随机时变模态辨识方法,目的在于针对经验模态分解过程中的端点效应,提出了采用镜像延拓法对端点效应进行改善。
为达到上述目的,本发明所述一种次同步振荡随机时变模态辨识方法,包括以下步骤:
步骤1、采用经验模态分解将采样信号x(n)分解为有限个IMF分量和一个残余量,在采样信号x(n)分解过程中,拟合包络线时,将采样信号x(n)的极值点和经镜像延拓的极值点作为插值点进行插值;
IMF分量满足以下两个条件:
条件一:整个IMF分量的极值点个数与零点个数之差不超过1;
条件二:IMF分量极大值点确定的上包络线与极小值点确定的下包络线的均值始终为零;
步骤2、对每个IMF分量l(n)进行Hibert变换,将变换后的信号作为虚部,原信号l(n)作为实部构成复数信号即解析信号;
步骤3、利用解析信号计算采样信号x(n)的瞬时幅值A(n)、瞬时频率f(n)和瞬时相位θ(n)。
进一步的,经验模态分解包括以下步骤:
步骤1.1、取采样信号x(n)的全部极值点,选取对称点,以该对称点为对称轴向外延拓极小值点和极大值点各2个,将原信号的所有极值点和延拓的极值点作为插值点进行三次样条插值,得到采样信号的上包络线和下包络线,求上下包络线的均值曲线j(n);
步骤1.2、检查原始信号与包络均值之差l(n)=x(n)-j(n)是否满足IMF条件,
如果不满足条件,令l(n)代替x(n)为新的输入返回步骤1.1;
如果满足条件,则l(n)即为采样信号的一个IMF分量,进行步骤1.3;
步骤1.3、令r(n)=x(n)-l(n),检查r(n)是否满足IMF条件分解终止条件(r(n)为一个单调函数,或r(n)的上下包络均值足够小),如果不满足条件,以r(n)代替x(n)返回步骤(1),求其极值和包络线,如果满足条件,r(n)为残余量,经验模态分解终止,分解后的x(n)表示为:
进一步的,镜像延拓法是将采样信号x(n)端点或靠近边界的极值点作为对称点对极值点进行延拓,在信号两端各添加4个极值点,利用延拓后的极值点求包络线均值。
进一步的,对称点的选择过程如下:
设一段点数为n的信号序列为x(i),其时间序列为t(i),该信号的M个极大值为xM(i),该M个极大值xM(i)对应的时间序列为tM(i),x(i)的N个极小值为xN(i),xN(i)对应的时间序列为tN(i),
左端对称点的选择流程为:
比较tM(1)和tN(1)的大小,
若tM(1)<tN(1)成立,则比较x(1)与xN(1)的大小,若x(1)>xN(1),xM(1)为左端对称点,否则,x(1)为左端对称点;
若tM(1)<tN(1)不成立,则比较x(1)与xM(1)的大小,若x(1)>xM(1),x(1)为左端对称点,否则xN(1)为左端对称点;
右端对称点的选择流程为:比较tM(M)和tN(N)的大小,
若tM(M)<tN(N)成立,则比较x(n)与xM(M)的大小,若x(n)<xM(M),xN(N)为右端对称点,否则,x(n)为右端对称点;
若tM(M)<tN(N)成立不成立,则比较x(n)与xN(N)的大小,若x(n)<xN(N),x(n)为右端对称点,否则,xM(M)为右端对称点;
进一步的,步骤2中,延拓点按以下方法确定:
第1个极大值延拓点幅值与原信号中距离对称点最近的极大值(不包括对称点)幅值相等,第1个极大值延拓点时间坐标与原信号中距离对称点最近的极大值(不包括对称点)时间坐标关于对称点的时间坐标对称;
第2个极大值延拓点幅值与原信号中距离对称点第二近的极大值(不包括对称点)幅值相等,第2个极大值延拓点时间坐标与原信号中距离对称点第二近的极大值(不包括对称点)时间坐标关于对称点的时间坐标对称;
第1个极小值延拓点幅值与原信号中距离对称点最近的极小值(不包括对称点)幅值相等,第1个极小值延拓点时间坐标与原信号中距离对称点最近的极小值(不包括对称点)时间坐标关于对称点的时间坐标对称;
第2个极小值延拓点幅值与原信号中距离对称点第二近的极小值(不包括对称点)幅值相等,第2个极小值延拓点时间坐标与原信号中距离对称点第二近的极小值(不包括对称点)时间坐标关于对称点的时间坐标对称。
进一步的,步骤2中,l(n)的Hibert变换h(n)定义为:
进一步的,步骤3中,信号l(n)的瞬时幅值A(n)、瞬时相位θ(n)和瞬时频率f(n)分别由以下公式求出,
与现有技术相比,本发明至少具有以下有益的技术效果,本发明首先在信号的左右两端确定对称点,然后对信号进行延拓,在信号两端各添加4个极值点,共添加8个极值点。拟合包络线时,将原信号的极值点和延拓的极值点作为插值点进行插值,使上下包络线的拟合更加准确,明显改善端点效应,通过验证可知,通过镜像延拓法得到瞬时频率在边界处波动较小,模态辨识结果比较准确,端点效应明显改善。次同步振荡会造成发电机轴系扭振不稳定甚至轴系损坏,给发电机组及电网的安全运行带来严重影响。电力系统动态运行中次同步振荡模态的频率、幅值和阻尼系数是次同步振荡监测、预警、控制和保护研究的关键参数。为保障机组本身及整个电力系统的稳定运行,对次同步振荡模态参数的准确检测和分析是极其必要的,同时这也是将各种抑制和控制次同步振荡的方法付诸实施的基础。
附图说明
图1为左端对称点选择流程;
图2为右端对称点选择流程;
图3为未经边界处理EMD分解结果;
图4为未经边界处理瞬时频率;
图5为镜像延拓法EMD分解结果;
图6为镜像延拓法瞬时频率;
图7为非平稳信号图;
图8为未经边界处理EMD分解结果;
图9为未经边界处理辨识结果;
图10为镜像延拓法EMD分解结果;
图11为镜像延拓法辨识结果;
图12为实测电流信号;
图13为拟合信号与原始信号对比。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
一种次同步振荡随机时变模态辨识方法,首先采用经验模态分解将采样信号x(n)分解为有限个固有模态函数和一个残余量,然后对每个固有模态分量进行Hibert变换。将变换后的信号作为虚部,原信号作为实部构成复数信号即解析信号。利用解析信号得到原始信号的瞬时幅值、瞬时频率和瞬时相位信息。
经验模态分解把原始信号分为若干IMF分量(固有模态函数)和一个残余量,求出的IMF分量需要满足以下两个IMF条件:
条件一:整个IMF分量的极值点个数与零点个数之差最多不能超过1;
条件二:IMF分量极大值点确定的上包络线与极小值点确定的下包络线的均值始终为零,也就是关于时间轴局部对称。
经验模态分解步骤为:
(1)取采样信号x(n)的全部极值点,对所有极值点三次样条插值得到采样信号的上包络线和下包络线,将上下包络线相加除以2求出均值曲线j(n)。
(2)检查原始信号与包络均值之差l(n)=x(n)-j(n)是否满足IMF条件。
如果不满足条件,令l(n)代替x(n)为新的输入返回步骤(1);
如果满足条件,则l(n)即为采样信号的一个IMF分量。进行步骤(3)
(3)令r(n)=x(n)-l(n),检查r(n)是否满足IMF条件分解终止条件(r(n)为一个单调函数,或r(n)的上下包络均值足够小),如果不满足条件,以r(n)代替x(n)返回步骤(1),求其极值和包络线等。如果满足条件,r(n)为残余量,经验模态分解终止。
经过上面的分解x(n)可表示为:
步骤2、IMF分量Hibert变换
l(n)的希尔伯特变换h(n)定义为:
l(n)的解析信号即为l(n)+jh(n),信号l(n)的瞬时幅值A(n)、瞬时相位θ、瞬时频率f(n)和衰减因子λ(n)分别由式(3)、式(4)、式(5)和式(6)求出。其中Fs为采样频率。
λ(n)=Fs ln(A(n)/A(n-1)) (6)。
经验模态分解过程中,首先要利用信号的极值点通过三次样条插值的方法拟合上包络线和下包络线,然后计算上,下包络线的局部均值。如果信号的边界点不是极值点,这就对信号边界处包络线的拟合带来问题。信号边界处的局部均值可能会有较大误差,并且这些误差会影响后面的分解过程。
镜像延拓法是将信号端点或靠近边界的极值点作为对称点对极值点进行延拓,拟合包络线时,将原信号的极值点和延拓的极值点作为插值点进行插值,对称点的选择过程如下:
设一段点数为n的信号序列为x(i),其时间序列为t(i)。该信号的M个极大值为xM(i),该M个极大值xM(i)对应的时间序列为tM(i)。x(i)的N个极小值为xN(i),xN(i)对应的时间序列为tN(i)。信号左端与右端对称点的选择流程如图1和图2所示。
参照图1,左端对称点的选择流程为:
比较第1个极大值时间点tM(1)和第1个极小值时间点tN(1)的大小,
若tM(1)<tN(1)成立,则比较x(1)与xN(1)的大小,若x(1)>xN(1),xM(1)为左端对称点,否则,x(1)为左端对称点;
若tM(1)<tN(1)不成立,则比较x(1)与xM(1)的大小,若x(1)>xM(1),x(1)为左端对称点,否则xN(1)为左端对称点;
参照图2,右端对称点的选择流程为:
比较最后一个极大值时间点tM(M)和最后一个极小值时间点tN(N)的大小,
若tM(M)<tN(N)成立,则比较x(n)与xM(M)的大小,若x(n)<xM(M),xN(N)为右端对称点,否则,x(n)为右端对称点;
若tM(M)<tN(N)成立不成立,则比较x(n)与xN(N)的大小,若x(n)<xN(N),x(n)为右端对称点,否则,xM(M)为右端对称点;
对称点确定后,以该对称点为对称轴向外延拓极小值点和极大值点各2个。
第1个极大值延拓点幅值与原信号中距离对称点最近的极大值(不包括对称点)幅值相等,第1个极大值延拓点时间坐标与原信号中距离对称点最近的极大值(不包括对称点)时间坐标关于对称点的时间坐标对称。
第2个极大值延拓点幅值与原信号中距离对称点第二近的极大值(不包括对称点)幅值相等,第2个极大值延拓点时间坐标与原信号中距离对称点第二近的极大值(不包括对称点)时间坐标关于对称点的时间坐标对称。
第1个极小值延拓点幅值与原信号中距离对称点最近的极小值(不包括对称点)幅值相等,第1个极小值延拓点时间坐标与原信号中距离对称点最近的极小值(不包括对称点)时间坐标关于对称点的时间坐标对称。
第2个极小值延拓点幅值与原信号中距离对称点第二近的极小值(不包括对称点)幅值相等,第2个极小值延拓点时间坐标与原信号中距离对称点第二近的极小值(不包括对称点)时间坐标关于对称点的时间坐标对称。
以左端点的对称点为xM(1)时为例,其延拓点按下式(7)-(10)确定:
tM(0)=2tM(1)-tM(2),xM(0)=xM(2) (7),
tM(-1)=2tM(1)-tM(3),xM(-1)=xM(3) (8),
tN(0)=2tM(1)-tN(1),xN(0)=xN(1) (9),
tN(-1)=2tM(1)-tN(2),xN(-1)=xN(2) (10),
请补充以下字母或符号的含义:
每次对包络线的拟合均采用延拓后的极值点为插值点进行三次样条插值,然后计算上,下包络线的均值,能够改善EMD过程中的端点效应,提高辨识准确度。
下面采用平稳信号、非平稳信号和实测信号验证本方法的有效性和可行性。
1)平稳信号模式辨识
构造一个次同步振荡仿真信号如式(1),对边界处理效果进行分析。未经边界处理的EMD分解结果如图3所示,利用镜像延拓法边界处理的EMD分解结果如图5所示。
x=2e-0.02tcos(2π×13t)+2e-0.01tcos(2π×30t) (1)
参照图3,未经边界处理时,IMF1与IMF2边界处有较大误差,IMF1边界处的幅值明显减小,对后续的EMD分解造成影响,即IMF2边界处的幅值增大,造成“飞翼”现象,并且产生了虚假分量IMF3;参照图5,当信号极值点经过镜像延拓法处理后,IMF分量边界处的误差明显减小,有效分离了两种模态,并且没有虚假分量,改善了端点效应。
将经镜像延拓法对边界处理和得到的各IMF分量进行希尔伯特变换构造解析信号,得到瞬时频率分析结果如图4和图6所示。
参照图4,未经边界处理的瞬时频率在边界处波动很大,无法辨识真实模态。参照图6,镜像延拓法得到瞬时频率在边界处波动较小,模态辨识结果比较准确,端点效应明显改善。
2)非平稳信号模式辨识
下面对图7所示的次同步振荡非平稳信号进行分析。所构造的非平稳信号含有两个模式,一个频率线性变化,另一个按指数规律变化。未经边界处理和经边界处理的EMD分解结果分别如图8和10所示,未经边界处理和经边界处理的频率辨识结果分别如图9和图11所示。
由图8可知,未经边界处理的EMD分解结果产生了虚假分量IMF3和残余量res。分解结果误差很大,信号失真,端点效应非常严重,以至于图9所示的瞬时频率误差非常大,无法辨识出真实频率。经过镜像延拓法对边界处理后,图10中没有产生虚假分量,图11中边界处时变频率误差减小,两个频率分量与真实值基本一致,端点效应得到抑制。
3)实测信号模式辨识
某省电网实测PMU电流幅值信号如图12所示,利用基于镜像延拓法的改进HHT对其进行辨识。辨识结果如表1所示。
表1实测电流信号分析结果
实测信号中含有三个模态,第一个模态为次同步振荡,振荡频率在0.5s时发生变化,由21Hz变为13.64Hz。第二个模态在1s和2s时频率和阻尼比发生变化。第三个模态振荡频率为0.76Hz,主导时间为全时段。根据表1中的辨识结果对信号进行拟合,得到结果如图13。
拟合信号与原始信号基本相符,验证了分析结果的准确性和基于镜像延拓法的改进HHT的可行性。
Claims (7)
1.一种次同步振荡随机时变模态辨识方法,其特征在于,包括以下步骤:
步骤1、采用经验模态分解将采样信号x(n)分解为有限个IMF分量和一个残余量,在采样信号x(n)分解过程中,拟合包络线时,将采样信号x(n)的极值点和经镜像延拓的极值点作为插值点进行插值;
IMF分量满足以下两个条件:
条件一:整个IMF分量的极值点个数与零点个数之差不超过1;
条件二:IMF分量极大值点确定的上包络线与极小值点确定的下包络线的均值始终为零;
步骤2、对每个IMF分量l(n)进行Hibert变换,将变换后的信号作为虚部,原信号l(n)作为实部构成复数信号即解析信号;
步骤3、利用解析信号计算采样信号x(n)的瞬时幅值A(n)、瞬时频率f(n)和瞬时相位θ(n)。
2.根据权利要求1所述的一种次同步振荡随机时变模态辨识方法,其特征在于,经验模态分解包括以下步骤:
步骤1.1、取采样信号x(n)的全部极值点,选取对称点,以该对称点为对称轴向外延拓极小值点和极大值点各2个,将原信号的所有极值点和延拓的极值点作为插值点进行三次样条插值,得到采样信号的上包络线和下包络线,求上下包络线的均值曲线j(n);
步骤1.2、检查原始信号与包络均值之差l(n)=x(n)-j(n)是否满足IMF条件,
如果不满足条件,令l(n)代替x(n)为新的输入返回步骤1.1;
如果满足条件,则l(n)即为采样信号的一个IMF分量,进行步骤1.3;
步骤1.3、令r(n)=x(n)-l(n),检查r(n)是否满足IMF条件分解终止条件,如果不满足条件,以r(n)代替x(n)返回步骤(1),求其极值和包络线,如果满足条件,r(n)为残余量,经验模态分解终止,分解后的x(n)表示为:
3.根据权利要求1所述的一种次同步振荡随机时变模态辨识方法,其特征在于,镜像延拓法是将采样信号x(n)端点或靠近边界的极值点作为对称点对极值点进行延拓,在信号两端各添加4个极值点,利用延拓后的极值点求包络线均值。
4.根据权利要求3所述的一种次同步振荡随机时变模态辨识方法,其特征在于,对称点的选择过程如下:
设一段点数为n的信号序列为x(i),其时间序列为t(i),该信号的M个极大值为xM(i),该M个极大值xM(i)对应的时间序列为tM(i),x(i)的N个极小值为xN(i),xN(i)对应的时间序列为tN(i),
左端对称点的选择流程为:
比较tM(1)和tN(1)的大小,
若tM(1)<tN(1)成立,则比较x(1)与xN(1)的大小,若x(1)>xN(1),xM(1)为左端对称点,否则,x(1)为左端对称点;
若tM(1)<tN(1)不成立,则比较x(1)与xM(1)的大小,若x(1)>xM(1),x(1)为左端对称点,否则xN(1)为左端对称点;
右端对称点的选择流程为:比较tM(M)和tN(N)的大小,
若tM(M)<tN(N)成立,则比较x(n)与xM(M)的大小,若x(n)<xM(M),xN(N)为右端对称点,否则,x(n)为右端对称点;
若tM(M)<tN(N)成立不成立,则比较x(n)与xN(N)的大小,若x(n)<xN(N),x(n)为右端对称点,否则,xM(M)为右端对称点;
对称点确定后,以该对称点为对称轴向外延拓极小值点和极大值点各2个。
5.根据权利要求3所述的一种次同步振荡随机时变模态辨识方法,其特征在于,步骤2中,延拓点按以下方法确定:
第1个极大值延拓点幅值与原信号中距离对称点最近的极大值幅值相等,第1个极大值延拓点时间坐标与原信号中距离对称点最近的极大值时间坐标关于对称点的时间坐标对称;
第2个极大值延拓点幅值与原信号中距离对称点第二近的极大值幅值相等,第2个极大值延拓点时间坐标与原信号中距离对称点第二近的极大值时间坐标关于对称点的时间坐标对称;
第1个极小值延拓点幅值与原信号中距离对称点最近的极小值幅值相等,第1个极小值延拓点时间坐标与原信号中距离对称点最近的极小值时间坐标关于对称点的时间坐标对称;
第2个极小值延拓点幅值与原信号中距离对称点第二近的极小值幅值相等,第2个极小值延拓点时间坐标与原信号中距离对称点第二近的极小值时间坐标关于对称点的时间坐标对称。
6.根据权利要求1所述的一种次同步振荡随机时变模态辨识方法,其特征在于,步骤2中,l(n)的Hibert变换h(n)定义为:
7.根据权利要求1所述的一种次同步振荡随机时变模态辨识方法,其特征在于,步骤3中,信号l(n)的瞬时幅值A(n)、瞬时相位θ(n)和瞬时频率f(n)分别由以下公式求出,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651116.XA CN108845230A (zh) | 2018-06-22 | 2018-06-22 | 一种次同步振荡随机时变模态辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810651116.XA CN108845230A (zh) | 2018-06-22 | 2018-06-22 | 一种次同步振荡随机时变模态辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108845230A true CN108845230A (zh) | 2018-11-20 |
Family
ID=64203703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810651116.XA Pending CN108845230A (zh) | 2018-06-22 | 2018-06-22 | 一种次同步振荡随机时变模态辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108845230A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613609A (zh) * | 2019-01-16 | 2019-04-12 | 国家深海基地管理中心 | 一种基于变长度处理的组合信号分解方法 |
CN109613522A (zh) * | 2019-01-18 | 2019-04-12 | 淮海工学院 | 一种改进emd削弱多波束残余误差的方法 |
CN110492496A (zh) * | 2019-07-09 | 2019-11-22 | 广西电网有限责任公司 | 一种新的含风电电网次同步振荡抑制方法 |
CN111239489A (zh) * | 2018-11-29 | 2020-06-05 | 南京南瑞继保电气有限公司 | 一种结合prony与fft算法的次同步振荡分析方法 |
CN111464354A (zh) * | 2020-03-31 | 2020-07-28 | 全球能源互联网研究院有限公司 | 一种细粒度的网络流量计算方法、装置及存储介质 |
CN113127716A (zh) * | 2021-04-29 | 2021-07-16 | 南京大学 | 一种基于显著性图的情感时间序列异常检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941091A (zh) * | 2014-04-25 | 2014-07-23 | 福州大学 | 基于改进emd端点效应的电力系统hht谐波检测方法 |
CN105515018A (zh) * | 2016-01-07 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种基于经验模式分解的风电次同步振荡检测及抑制方法 |
CN105510711A (zh) * | 2015-12-24 | 2016-04-20 | 合肥工业大学 | 一种改进的经验模态分解的谐波分析法 |
CN105760347A (zh) * | 2016-02-04 | 2016-07-13 | 福建工程学院 | 一种基于数据/极值联合对称延拓的hht端点效应抑制方法 |
-
2018
- 2018-06-22 CN CN201810651116.XA patent/CN108845230A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941091A (zh) * | 2014-04-25 | 2014-07-23 | 福州大学 | 基于改进emd端点效应的电力系统hht谐波检测方法 |
CN105510711A (zh) * | 2015-12-24 | 2016-04-20 | 合肥工业大学 | 一种改进的经验模态分解的谐波分析法 |
CN105515018A (zh) * | 2016-01-07 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种基于经验模式分解的风电次同步振荡检测及抑制方法 |
CN105760347A (zh) * | 2016-02-04 | 2016-07-13 | 福建工程学院 | 一种基于数据/极值联合对称延拓的hht端点效应抑制方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239489A (zh) * | 2018-11-29 | 2020-06-05 | 南京南瑞继保电气有限公司 | 一种结合prony与fft算法的次同步振荡分析方法 |
CN111239489B (zh) * | 2018-11-29 | 2022-02-18 | 南京南瑞继保电气有限公司 | 一种结合prony与fft算法的次同步振荡分析方法 |
CN109613609A (zh) * | 2019-01-16 | 2019-04-12 | 国家深海基地管理中心 | 一种基于变长度处理的组合信号分解方法 |
CN109613609B (zh) * | 2019-01-16 | 2019-09-24 | 国家深海基地管理中心 | 一种基于变长度处理的组合信号分解方法 |
CN109613522A (zh) * | 2019-01-18 | 2019-04-12 | 淮海工学院 | 一种改进emd削弱多波束残余误差的方法 |
CN109613522B (zh) * | 2019-01-18 | 2022-03-29 | 淮海工学院 | 一种改进emd削弱多波束残余误差的方法 |
CN110492496A (zh) * | 2019-07-09 | 2019-11-22 | 广西电网有限责任公司 | 一种新的含风电电网次同步振荡抑制方法 |
CN110492496B (zh) * | 2019-07-09 | 2022-12-20 | 广西电网有限责任公司 | 一种新的含风电电网次同步振荡抑制方法 |
CN111464354A (zh) * | 2020-03-31 | 2020-07-28 | 全球能源互联网研究院有限公司 | 一种细粒度的网络流量计算方法、装置及存储介质 |
CN111464354B (zh) * | 2020-03-31 | 2023-02-28 | 全球能源互联网研究院有限公司 | 一种细粒度的网络流量计算方法、装置及存储介质 |
CN113127716A (zh) * | 2021-04-29 | 2021-07-16 | 南京大学 | 一种基于显著性图的情感时间序列异常检测方法 |
CN113127716B (zh) * | 2021-04-29 | 2023-07-28 | 南京大学 | 一种基于显著性图的情感时间序列异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108845230A (zh) | 一种次同步振荡随机时变模态辨识方法 | |
Zhong et al. | A novel frequency regulation strategy for a PV system based on the curtailment power-current curve tracking algorithm | |
Cheng et al. | A model for assessing the power variation of a wind farm considering the outages of wind turbines | |
CN103887815A (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
Jin et al. | Method for assessing grid frequency deviation due to wind power fluctuation based on “time-frequency transformation” | |
CN111507637B (zh) | 电力系统稳定计算用水轮机及引水系统参数建模与测试方法 | |
CN105929331A (zh) | 一种双馈风力发电机定转子故障分析诊断装置及方法 | |
CN106786567B (zh) | 一种基于pmu类噪声数据的在线负荷建模方法 | |
CN106202815A (zh) | 基于有功响应的双馈型风电场动态等值方法 | |
CN107947228B (zh) | 基于Markov理论的含风电电力系统随机稳定性分析方法 | |
CN112907075B (zh) | 一种电力系统综合负荷模型参数辨识方法 | |
CN110674864B (zh) | 一种含同步相量量测装置的风电异常数据辨识方法 | |
CN112018784B (zh) | 一种基于同步相量测量数据的次同步谐振溯源方法 | |
CN103758699A (zh) | 一种风力发电机组的桨距角控制方法及桨距角控制器 | |
CN109921426A (zh) | 基于cv-kde的风电并网系统概率潮流计算方法 | |
CN111130135A (zh) | 一种适用于高比例新能源接入下的电力系统惯量计算方法 | |
CN106410862A (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
Pan et al. | Hierarchical parameter estimation of DFIG and drive train system in a wind turbine generator | |
CN110504695B (zh) | 一种评估双馈风机在强迫振荡中参与度的方法 | |
Yan et al. | Transient modelling of doubly‐fed induction generator based wind turbine on full operation condition and rapid starting period based on low voltage ride‐through testing | |
CN112910006B (zh) | 一种直驱风电机组通用电磁暂态建模方法 | |
CN109240085A (zh) | 非高斯系统动态数据校正与系统控制性能优化方法 | |
CN114465280A (zh) | 一种新能源并网系统动态等效建模方法 | |
Ai et al. | Dynamic state estimation for synchronous machines based on interpolation H∞ extended Kalman filter | |
CN112861326B (zh) | 一种基于量测的新能源电网发电机阻尼评估装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |