王诗雨，季天瑶，张禄亮，朱林

(华南理工大学 电力学院，广东 广州 510641)

近年来，风电等新能源的并网容量不断增加[1]。由于风能资源分布的限制，大型风电场往往依赖长距离输电，需要安装串联补偿电容来提升输电容量。然而，串联补偿线路与风电场间常常存在能量交互，会对并网系统造成扰动，引起电力电子设备的快速响应，进而对风力发电机的电磁转矩产生负面影响，诱发包括次同步振荡在内的各类系统振荡，严重危害电网的安全与稳定[2-5]。受到风光等环境因素及电力电子设备的影响，电力系统振荡信号往往呈现出难以辨识的非线性、非平稳特性[6-9]。

目前，学者们提出了许多基于数学原理的电力系统振荡参数辨识方法，可归纳为2类：信号模型估计和数字信号分解。信号模型估计方法通常需要建立信号的准确模型，然后对模型参数进行估计以实现振荡信号的检测，常见的有Prony算法、递归最小二乘法、矩阵束算法和随机子空间算法等[10-13]，但这些方法往往需要大量的先验信息来确定模型阶数。数字信号分解方法通常直接对采样信号进行分解，获取各振荡模态分量的信息。随着相量测量单元(phasor measurement unit，PMU)在电力系统动态故障监测中的大规模应用，此类方法越来越多地用于振荡信号参数辨识，包括傅里叶变换[14]、小波变换[15-16]以及基于经验模态分解(empirical mode score，EMD)的希尔伯特黄变换(Hilbert-Huang transform，HHT)[17-21]等。短时傅里叶变换通过正弦函数对信号的时频转换来分析模态参数，具有简单快速的优点，但在波形变化比较平滑的时刻，尤其是低频信号上无法实现频率细分；……