一种基于模态分解与稀疏时域法的低频振荡模态辨识方法技术

本发明专利技术涉及低频振荡模态特征辨识技术领域，且公开了一种基于模态分解与稀疏时域法的低频振荡模态辨识方法，包括利用变分模态分解对低频振荡的量测信号进行分解，改进变分模态分解，采用灰狼优化算法，对变分模态分解进行改进，利用稀疏时域法进行振荡模态及其参数的辨识，本方案，通过改进变分模态分解方法对机组低频震荡信号进行预处理，引入灰狼优化算法优化变分模态分解，求取模型的最佳分解层数和二次惩罚因子值；将降噪处理后的信号作为新的输入信号，利用稀疏时域法进行振荡模态及其参数的辨识，对于低频震荡信号有着良好的辨识精度。度。度。

【技术实现步骤摘要】
一种基于模态分解与稀疏时域法的低频振荡模态辨识方法


[0001]本专利技术涉及低频振荡模态特征辨识技术的领域，尤其是涉及一种基于模态分解与稀疏时域法的低频振荡模态辨识方法。

技术介绍

[0002]随着电力网络规模的持续扩大、各地区电网之间的密切联系以及电能需求量剧增等因素，火力发电机组发生低频振荡的风险也在日益增长，特别是以水电机组为主导的电力网络，但其存在着发生超低频振荡的风险。处理火电机组低频振荡事故的关键在于能够及时准确地辨识出系统中存在的振荡模态及其参数。
[0003]低频振荡是指当电力系统受到负荷波动、设备故障等不同程度的扰动时，同步运行的发电机的转子间的相对摇摆，导致系统功角、功率、电压等电气量发生不同程度的振荡现象；这种振荡的频率通常在0.2
‑
2.5Hz之间，因此被称作低频振荡；按照低频振荡涉及的范围，低频振荡可分为区域振荡模式和局部振荡模式；负阻尼机理、强迫振荡机理、参数谐振机理及非线性机理等是目前低频振荡产生的主要机理原因。
[0004]目前低频振荡的分析方法分为两种：电气转矩分析方法和变分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模态分解与稀疏时域法的低频振荡模态辨识方法，其特征在于：包括如下步骤，S1、采集电厂机组的A相电压幅值的振荡信号，并在该信号中添加信噪比为9.5dB的高斯白噪声作为含噪低频振荡信号作为实验数据集，根据FFT结果确定分解层数k，由样本熵计算确定二次惩罚因子a；S2、利用变分模态分解对低频振荡的量测信号进行分解；变分模态分解通过一个自适应滤波器组将原始信号f(x)分解为k个中心频率为ω
k
的模态函数u
k
，其中k为预设模态分量个数，为了得到具有一定带宽频率的k个模态分量，通常对每个模态函数u
k
进行Hilbert变换得到边际谱：预估各模态解析信号中心频率，将每个模态的频谱调制到相应的基频带：计算解析信号梯度的平方(L2)范数，估计出各模态的信号带宽，受约束的变分问题可以表示如下：表示如下：求解得到：求解得到：拉格朗日乘数λ：利用乘法算子交替方向法求取式(6)变分问题，通过交替更新和寻求增广拉格朗日表达式的鞍点；式(5)为约束变分模型的最优解，从而将f分解为k个窄带IMF分量；VMD方法的具体过程如下：1)初始化n＝0；2)n＝n+1，执行迭代循环；
3)使k＝k+1，按照式(5)和式(6)更新与直至k＝K；4)按照式(7)更新5)当满足给定的判别精度ε＞0，时，则停止迭代，否则重复步骤(2)
‑
(5)；S3、改进变分模态分解，采用灰狼优化算法，对变分模态分解进行改进，对本征模态数k和惩罚因子α参数进行巡优，按照适应度函数从大到小排列，将狼群分为4个等级，即a1、b1、c1和d1，目标函数的最优解依次由a1、b1和c1来决定，d1来执行，通过不断迭代更新，找到最优解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：解，其中GWO的位置更新公式为：采用MAEE作为适应度函数，对变分模态分解算法的参数进行寻优采用MAEE作为适应度函数，对变分模态分解算法的参数进行寻优采用MAEE作为适应度函数，对变分模态分解算法的参数进行寻优S4、利用稀疏时域法进行振荡模态及其参数的辨识；设存在n阶系统，在某一观测点中信号x(t)可表示为如式(1)形式的复指数...

【专利技术属性】
技术研发人员：刘磊，吴铮，杨少杰，董泽，杨振勇，陈振山，邢智炜，尤默，
申请(专利权)人：国家电网有限公司北京华电杰德科技有限公司，
类型：发明
国别省市：