基于改进TLS-ESPRIT的电力系统低频振荡模态辨识

朱进宏

(中国电建集团福建工程有限公司，福建 福州 350018)

1 引言

随着超高压以及特高压的飞速发展，大电网互联成为必然的发展方向[1-2]。在带来巨大经济效益的同时，互联大电网之间的低频振荡问题也越来越严重，这对互联大电网的安全与稳定带来了巨大隐患。快速对低频振荡进行模态辨识对保证供电可靠性具有重大意义[3-4]。

低频振荡信号的模态方法有两种，与耗时时间长和维度大的特征根的辨识方法相比，基于实测信号辨识方法具有天然的优势。基于实测信号的辨识方法主要有 FFT方法[8]、MP方法[9]、Prony方法[10-11]、HHT 方法[12-13]、 TLS-ESPRIT 方法[14]方法等。然而这些方法大都只考虑了高斯白噪声，对高斯色噪声的考虑不足。

基于此，本文提出了一种基于四阶混合平均累积量(Fourth-order mixed mean cumulant，FOMMC)与TLS-ESPRIT的模态辨识方法，该方法首先利用FOMMC来对辨识信号进行预处理，抑制信号中的色噪声，接着，利用TLS-ESPRIT对信号进行辨识。通过构建的数值信号和电力系统中实测的信号进行测试，其结果表明，该方法对色噪声具有较强的抑制作用，同时辨识的速度和精度更高。

2 基于FOMMC的色噪声抑制

3 低频振荡模态辨识步骤

图1 低频振荡模态辨识步骤

4 算例分析

4.1 数值信号算例

为了验证所提方法在包含高斯色噪声信号模态辨识中的优势，构成如下测试信号，并在该信号中加入高斯色噪声。

利用本文所提辨识方法对该构建的信号进行模态辨识，辨识结果如图2所示。

图2 数值信号下的辨识结果

从图中可以看出，利用辨识结果重构的信号可以很好的拟合包含色噪声的低频振荡信号，从而验证了所提方法在包含色噪声的情形下，能够很好的辨识出低频振荡信号的模态。

将所提方法与Prony方法，MP方法、SSI方法和未进行FOMMC色噪声抑制的TLS-ESPRIT方法进行对比，对比结果如表1所示。

表1 数值信号下各种方法的对比结果

从表1中可以看出Prony算法和SSI算法受色噪声的影响较大，使得辨识的结果产生了很大的误差；MP算法和TLS-ESPRIT算法辨识的精度较为接近；本文的方法能够有效的抑制高斯色噪声，辨识的结果与构造信号的低频振荡参数最为接近。

4.2 真实信号算例

为了进一步验证所提方法在包含高斯色噪声信号模态辨识中的优势，利用电力系统实际采集的低频振荡信号进行测试，该信号如图3所示，测试结果如图4所示。

图3 电力系统真实的低频振荡信号

图4 真实信号下的辨识结果

从图4中可以看出，利用辨识结果重构的信号可以很好的拟合包含色噪声的低频振荡信号，从而验证了所提方法在真实低频振荡信号下，依旧能够很好的辨识出低频振荡信号的模态。

将所提方法与MP方法、未进行FOMMC色噪声抑制的TLS-ESPRIT方法在真实信号下进行对比，对比结果如表2所示。

表2 真实信号下各种方法的对比结果

从表2中可以看出:三种方法都能准确辨识出低频模态，但是，本文所提方法由于增加了对色噪声的预处理环节，导致其在辨识速度和准确度上要比其他方法更好。

5 结论

基于实测信号的低频振荡模态辨识方法对高斯白噪声考虑较多，对高斯色噪声的考虑不足，对此，提出一种基于FOMMC与TLS-ESPRIT的模态辨识方法；通过构建的数值信号和电力系统中实测的信号进行测试，可以得出以下结论:

(1)在进行模态辨识前，利用FOMMC来对辨识信号进行预处理，能够有效抑制信号中的色噪声；

(2)对预处理有的信号，利用TLS-ESPRIT对信号进行辨识，可以较大幅度地提高辨识速度和精度。