电力系统低频振荡问题作为互联电力系统固有现象，严重地制约了联络线功率传输，同时也严重地威胁电网的安全稳定运行。实测PMU信号实时反映系统运行状态，且不需要对复杂系统进行数学建模，有效弥补了传统基于模型的特征值分析方法固有不足。目前大部分基于广域测量PMU数据进行低频振荡的辨识算法往往只考虑高斯白色噪声，忽略了高斯有色噪声对辨识的影响。本文主要研究了高斯色噪声背景下电力系统低频振荡的在线检测算法。 本文首先研究了在不同程度的高斯白噪声下Prony、HTLS（Hankel Total Least Squares）、MP（Matrix Pencil）、SVD-Prony算法的辨识性能。借鉴HTLS算法、MP算法良好的抗噪能力，对采样数据直接建立的Hankel矩阵进行SVD滤波并与Prony相结合，提出了具有较好抗噪能力SVD-Prony算法。通过理想测试信号算例、四机两区仿真系统算例、HZ电网一组实测PMU数据验证了Prony、HTLS、MP、SVD-Prony算法的检测性能。其次，研究了高斯有色噪声背景下基于高阶混合累积量相关低频振荡检测算法。详细推导了无限长数据和单记录有限长数据背景下的四阶混合累积量（FOMC），利用高阶混合累积量的盲高斯性，提出可抑制高斯噪声（包括高斯有色噪声）的FOMC-Prony、FOMC-HTLS、FOMC-MP三种算法。通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析，表明所提的FOM相关算法可抑制高斯色噪声、提高检测精度的能力、同时在四阶混合累积量算法下原始信号模态信息的求解更好实现算法的定量评价。然后，研究了高斯有色噪声背景下基于互相关函数滤波（CCF）的低频振荡检测算法。详细推导了无限长数据和有限长数据背景下互相关函数对高斯噪声（包括高斯色噪声）的处理。利用互相关函数序列和原始信号具有相同的频率和衰减因子，同时可以抑制高斯噪声这一性质，提出可抑制高斯有色噪声并可获得原始模态信息的CCF-Prony、CCF-HTLS、CCF-MP这三种算法。最后，同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析，表明所提的CCF相关算法实现了抑制高斯色噪声、提高检测精度的能力和对算法重构信号的定量评价。最后，针对FOMC序列CCF序列模态信息与原始振荡模式不同，模态求取不易，而总体最小二乘法求取模态精度不足、容易在多维矩阵求逆过程中出现病态等不足，提出了利用Adaline神经网络求取低频振荡模态信息的方法。给出了高斯色噪声背景下，已知频率和衰减因子的情况下，利用Adaline神经网络求取原始信号模态参数的详细步骤，并提出了FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline这四种算法。同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析，并探究了Adaline神经网络的学习速率的取值大小与权向量的调节精度和收敛速度的关系。最后，从运算效率和拟合精度的角度分析并比较上述所提的FOMC相关算法、CCF相关算法、以及Adaline相关算法。表明FOMC-HTLS、CCF-HTLS、FOMC-HTLS-Adaline、CCF-HTLS-Adaline算法的运算效率最高，Adaline神经网络相关算法算法，如 FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline的拟合精度整体最高。
展开▼
