您现在的位置是：网站首页>电力电气>应用于电力系统低频振荡模式估计的组合算法
应用于电力系统低频振荡模式估计的组合算法
简介
摘要：
提出了一种基于复香浓小波变换(Complex Shannon Wavelet Transform,CSWT)和粒子群算法(Particle Swarm Optimization, PSO)的低频振荡模式参数测量新算法。通过调整复香浓小波的带宽参数,CSWT能具备较好 的动态特性和频域分辨率,不但能准确提取振荡波形中同时存在的多种主导模式的瞬时振荡频率和时域信息， 而且对非平稳的振荡信号具有很好的适应性。利用最小二乘法对CSWT提取的时域信息进行拟合能获取相应的 振荡幅值和阻尼因子。PSO具有优秀的并行捜索性能，能高效估计低频振荡模型中的直流分量幅值和相位参数。 MATLAB仿真合成信号、四机两区域系统仿真和基于广域测量系统(WAMS)的实测数据三个算例分析结果表 明,本文提出的组合方法能够准确测量振荡波形中同时存在的多种主导振荡模式的频率、阻尼因子、幅值和相 位，而对噪声具有较好的抗干扰能力。
摘要：
提出了一种基于复香浓小波变换(Complex Shannon Wavelet Transform,CSWT)和粒子群算法(Particle Swarm Optimization, PSO)的低频振荡模式参数测量新算法。通过调整复香浓小波的带宽参数,CSWT能具备较好 的动态特性和频域分辨率,不但能准确提取振荡波形中同时存在的多种主导模式的瞬时振荡频率和时域信息， 而且对非平稳的振荡信号具有很好的适应性。利用最小二乘法对CSWT提取的时域信息进行拟合能获取相应的 振荡幅值和阻尼因子。PSO具有优秀的并行捜索性能，能高效估计低频振荡模型中的直流分量幅值和相位参数。 MATLAB仿真合成信号、四机两区域系统仿真和基于广域测量系统(WAMS)的实测数据三个算例分析结果表 明,本文提出的组合方法能够准确测量振荡波形中同时存在的多种主导振荡模式的频率、阻尼因子、幅值和相 位，而对噪声具有较好的抗干扰能力。
推荐下载
精品资源合集一键下载