-
题名计及模型定阶的低频振荡模式类噪声信号辨识
被引量：31
- 1
-
-
作者
吴超
陆超
韩英铎
吴小辰
柳勇军
-
机构
清华大学电机系电力系统国家重点实验室
南方电网技术研究中心
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2009年第21期1-6,共6页
-
基金
电力系统国家重点实验室项目(SKLK08Z01)
中国南方电网有限责任公司重大科技专项资助
-
文摘
弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,但目前基于测量信息只能在振荡发生后进行告警,而不能预警。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中基于这种类噪声信号,采用自回归滑动平均(ARMA)法进行低频振荡模式辨识,从而实现电网正常运行状态下的动态稳定性预警。模型定阶是利用ARMA法进行振荡模式辨识的关键步骤,直接关系到结果的准确性。在分析比较各种定阶准则优缺点的基础上,选用贝叶斯准则(BIC)确定ARMA模型阶数,进一步面向在线实际应用,采用ARMA(2n,2n-1)建模方案提高辨识速度。最后,将该方法用于对36节点系统仿真数据和南方电网实测类噪声信号进行处理,辨识结果说明了该方法的有效性。
-
关键词
振荡模式辨识
类噪声信号
自回归滑动平均模型
贝叶斯准则
arma(2n
2n-1)建模方案
-
Keywords
oscillation mode estimation
ambient signal
arma model
BIC
arma（2n, 2n- 1） modeling procedure
-
分类号
TM712
[电气工程—电力系统及自动化]
-
