高 洁，李群湛，汪 佳，周 阳



基于模糊聚类的NExT-ERA低频振荡类噪声辨识

高 洁1，李群湛1，汪 佳2，周 阳1

(1.西南交通大学电气工程学院，四川 成都 610031；2.四川省电力公司计量中心，四川 成都 610045)

低频振荡模态分析为电网的安全稳定运行提供了最基本的信息要素。针对环境激励下PMU量测的类噪声信号，讨论了自然激励技术结合特征系统实现算法(NExT-ERA)进行低频振荡模态识别的适用性，对非同步量测信号采用数据截断预处理后，利用该方法同样可以实现有效辨识。引入模糊C均值聚类算法对辨识结果中真伪模态进行自动拾取，提高了辨识精度。通过对IEEE4机11节点系统和IEEE16机68节点系统的仿真数据分析，表明所提出的方法对低频振荡类噪声信号具有较高的模态辨识能力和计算效率，在低频振荡广域监测中具有很好的应用前景。

低频振荡；模态分析；环境激励；自然激励技术；特征系统实现算法；模糊C均值聚类

0 引言

电网区域间的互联，阻尼的减弱，导致系统增幅性振荡失稳的现象越来越普遍。因此，快速准确地获得低频振荡模式及参数信息，对电网的在线监测以及阻尼控制显得尤为重要，同时也更加困难[1]。

随着电力系统中相量测量装置(Phasor Measurement Unit，PMU)的完全应用以及基于PMU的广域监测系统(Wide Area Monitoring Systems，WAMS)的逐步建立，利用实测轨迹分析系统低频振荡具有广泛的应用前景。根据扰动强度的不同，识别方法可分为两类：基于大扰动信号辨识方法和基于随机小扰动信号(类噪声)辨识方法[2]。目前，Prony算法是基于大扰动信号的低频振荡模态识别方法中，应用最为广泛的一种[3]。……