随机子空间法在低频振荡分析中的应用.pdf

《随机子空间法在低频振荡分析中的应用.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23卷第4期电力系统及其自动化学报Vo1．23No．42011年8月ProceedingsoftheCSU—EPSAAug．2011随机子空间法在低频振荡分析中的应用袁荣湘，江保锋，赵树华，陈剑锋，方永康，吴路力，黄凯荣(1．武汉大学电气工程学院，武汉430072；2．广东电网公司江门供电局，江门529000)摘要：电网规模的日益扩大使得低频振荡成为电力系统稳定运行中备受关注的问题之一，文中将随机子空间法应用于电力系统低频振荡模式辨识。以状态空间模型为基础，通过随机子空间辨识得到系统的状态矩阵，由其特征值可求得信号的频率和阻尼比，再由最小二乘法可得到各分量的幅值和相

2、角。通过一合成信号验证了算法的正确性，再利用四机两区系统的仿真数据，采用随机子空间法和Prony方法分别进行辨识，结果表明，随机子空间法辨识正确，快速有效，可以应用于低频振荡的在线监测和离线分析。关键词：随机子空间法；低频振荡；在线辨识；电力系统中图分类号：TM711文献标志码：A文章编号：1003—8930(2O11)04—0051—05StochasticSubspaceIdentificationforPowerSystemLowFrequencyOscillationsAnalysisYUANRong—xiang，JIANGBao—feng，ZHAOShu—h

3、ua，CHENJian—feng，FANGYong—kang。，WULu—li，HUANGKai—rong。(1．SchoolofElectricalEngineering，WuhanUniversity，Wuhan430072，China；2．JiangmenPowerSupplyBureauofGuangdongPowerGridCorporation，Jiangmen529000，China)Abstract：Withthedevelopmentofpowersystem，lowfrequencyoscillationsbecomeoneoftheissueso

4、fcon—cerninthestableoperationofpowersystem．Astochasticsubspaceidentification(SSI)methodwasappliedtopowersystemlowfrequencyoscillationmodesidentificationinthepaper．Basedonthestatespacemodel，thestatematrixiscomputedbySSI．Thesignalfrequencyanddampingareobtainedbythestatematrixeigenval—uesa

5、ndtheamplitudeandphaseofeachmodecanbeacquiredbyleastsquaresmethod．AsyntheticsignalwasusedtOverifyitscorrectness．SSImethodandPronyalgorithmwerecomparedbyuseofthesimulationdataoffourmachinetwoareasystem．ResultsshowthattheSSImethodiscorrect，fastandefficient，anditcanbeappliedtO1ow—frequency

6、oscillationon—linemonitoringoroff—lineanalysis．Keywords：stochasticsubspaceidentification(SSI)；lowfrequencyoscillation；on-lineidentification；powersystem低频振荡现象是电力系统稳定运行中备受关的确定也较为困难，往往需要增加阶数来提高辨识注的重要问题之一，其在线监测与离线分析也是广精度，增加了算法的复杂度和计算代价。基于总体域测量系统WAMS(wideareameasurement最小二乘法TLS(totalleastsqu

7、ares)和旋转不变system)应用的重要组成部分[1q]。特征值分析技术估计信号参数ESPRIT(estimationofsignal法是进行电力系统低频振荡研究的一种经典parametersviarotationalinvariancetechniques)方法，但其计算量大，计算速度慢，不能满足在线分的方法(简称TLS—ESPRIT算法)也已应用于低频析的要求l_6]。目前应用较广的是Prony及其改进方振荡分析l_】，该方法突出的优点是抗噪能力强，辨法[6]，但Prony算法对噪声比较敏感，模型阶数识精度高，由于需要进行两次奇异值分解，使得