基于经验模态分解的电力系统机电振荡模式识别方法研究

摘 要：当前机电振荡模式识别多采用粒子滤波算法，此方法易受到信号高频成分波动影响，导致识别准确性较低。为此，提出了基于经验模态分解的电力系统机电振荡模式识别方法。该方法对原始振荡信号进行去噪处理，还原真实信号，采用经验模态分解算法分解信号，并提取振荡参数，通过设计阈值门限准则，抑制高频波动，以此为依据，计算求取不同振荡模式下的状态参数，由此实现机电振荡模式的识别。对比实验结果表明，在电力系统机电振荡模式识别中，该方法具有更高的识别准确性。

关键词：经验模态分解；电力系统；振荡模式；识别方法

中图分类号：TM712    文献标志码：A    文章编号：1671-0797（2023）13-0015-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.13.004

0    引言

由于电力系统规模日益扩大，大型機电励磁系统的振荡问题不断增多，严重影响电力系统的安全稳定运行。准确且快速辨识出机电振荡模式，对电网的振荡特性分析与抑制具有重要意义。

文献[1]基于噪声量数据，对其中的同步相量单元进行提取，作为识别模型的输入数据，确定不同时段内振荡模式的变化阈值，以此实现振荡模式识别，但该方法的模型阶数对结果的影响较大，且抗噪能力较低。文献[2]提出了以负荷模式能量为基础的识别方法，该方法在表示精度与抗噪性方面更具优势，但对于动态变化性较大的电力系统而言，其无法准确表示信号的阻尼比，且在求解状态空间矩阵时比较依赖系统模型，限制了识别效率。

针对以上方法的不足，本文利用经验模态分解算法研究并设计了机电振荡模式识别方法，以期从多角度把握电力系统机电振荡特性，为振荡模式的识别研究提供新思路。……