基于改进的ARMA递推算法的低频振荡模式在线辨识.pdf

《基于改进的ARMA递推算法的低频振荡模式在线辨识.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第l期电力系统保护与控制Vo1．40NO．12012年1月1日PowerSystemProtectionandControlJan．I，2012基于改进fl~JARMA递推算法的低频振荡模式在线辨识陈刚2，龚啸。，李军，古志明(1．南方电网科学研究院，广东广州510080；2．输配电装备及系统安全与新技术国家重点实验室(重庆大学)重庆400044；3．重庆市电力公司，重庆400015)摘要：为提高电力系统低频振荡现象的实时监测水平，提出采用一种基于自回归滑动平均模型的两段加权递推最小二乘算法进行低频振荡模式辨识，并通过

2、估计ARMA谱的方法以提取低频振荡的主导模式。该改进算法先采用加权递推最小二乘算法拟合高阶AR模型单独得到白噪声估值，再将该估值用于常规加权递推最小二乘算法中，提高了算法参数辨识的精度和收敛速度。New—England39节点系统的时域仿真测试验证了该改进算法对低频振荡模式辨识的有效性，并通过与常规加权递推最小二乘算法辨识效果的比较验证了该改进算法对低频振荡模式的辨识具有更好的精确性且提高了收敛速度。最后通过对某电网PMU实测数据的辨识分析，验证了该改进算法能够准确地辨识系统的低频振荡主导模式频率和阻尼比，具有实际的2；-程意

3、义。关键词：自回归滑动平均模型；加权递推最小二乘算法；ARMA谱；低频振荡在线辨识；主导模式ImprovedARMArecursivealgorithmforonlineidentificationoflowfrequencyoscillationmodesCHENGang’，GONGXiao，LIJun3GUZhi—ming(1．ChinaSouthernPowerGridScienceResearchInstitute，Guangzhou510080，China；2．StateKeyLaboratoryofPowerTra

4、nsmissionEquipment&SystemSecurityandNewTechnology，ChongqingUniversity，Chongqing400044，China；3．ChongqingMunicipalElectricPowerCompany,Chongqing400015，China)Abstract：Inordertoimprovethelevelofreal—timemonitoringoflowfrequencyoscillation，thispaperproposestouseatwoparts

5、weightedrecursiveleastsquare(wm~s)algorithmbasedonauto—regressivemoving·average(ARMA)modeltoestimatethelowfrequencyoscillationmodes，andextractsthedomainmodesoflowfrequencyoscillationbythemethodofARMAspectrumestimation．TheimprovedalgorithmUSeStheobtainedwhitenoiseest

6、imatesbyfittingthehigherorderautoregressive(AR)modelbytheWRLSmethodintheconventionalWRLSmethod，andthenithasthepreferableaccuracyandthefastconvergencerateofparameteridentification．ThevalidityofproposedalgorithmisdemonstratedwithsimulationdatafromNew—England39一bussyst

7、em．Comparisonwithproposedalgorithmandconventionalwei【ghtedrecursiveleastsquarealgorithmshowstheadvantagesofthealgorithminthispaper．Finally，identificationanalysisofpracticalsignalmeasuredofPMUinsomegriddemonstratesthattheproposedalgorithmcanaccuratelyestimatethefrequ

8、encyanddampingratioofpowersystemlowfrequencyoscillationdomainmodes，SOtheproposedalgorithmhasthepracticalprojectsignificance．Keywords：ARMAm