【算法在低频振荡中的应用分析1800字】

算法在低频振荡中的应用分析目录TOC\o"1-3"\h\u6779算法在低频振荡中的应用分析 1160901.1算法作用机理 1257211.2Prony算法类别 2292041.1.1基本Prony算法 2270881.3.1采样频率 333651.3.2时间长度 4325071.3.3主导模式 4255061.3.4模型阶数 41.1算法作用机理在进行本质分析的基础上，算法主要在信号分析方法的范畴内，在进行平稳振荡模式的提取应用方面相对广泛，其主要的实际能效为利用已有的输入信号判断，可以直接将振荡信号的频率、衰减因子以及相位等重要信息获得，在模态辨识信息的使用上具有优质的反响。因此在应用于动态系统信号大规模的辨识中更加有显著的效果[39]。算法在对振荡的信息进行监测方面也同样适用，还能够对系统内发生振荡的模式以及频率给予确定，对于信号所出现的振荡特征可以给予准确的提取，在振荡阻尼方面也可以完成相应的定量分析。法国数学家在年对算法展开研究时，一种使用指数函数衰减线性组合构建形成间隔采样数据的数学模型被发现，主要的表达式是：或者（1.1）从上面式中，我们能够清晰的发现它们的关系，那么能够推出下面的方程式，如下：（1.2）同样的，能够推导出：（1.3）在以上公式中，为方程的根：（1.4）以上方程组在构造中，所遵循的原理为：将以上公式1.2中的第一个方程和相乘度，第二个到第个方程中和系数分别相乘，对以上个方程求和，也就能够获取公式。依照这一方式，将以上1.2方程组中的第二个方程和相乘，第三个到第个方程其中和系数分别相乘，对以上个方程求和，也就能够获取公式。对以上步骤进行重复，也就可以获取公式1.4中表示的个方程。1.2Prony算法类别1.1.1基本Prony算法根据上面论述，我们可以设定一个条件，然后根据这个条件进行运算，这时候可以加入法，此方法能够将运算更贱简洁、方便。相关方程可以表述为：（1.5）公式中出现的和是复数，具体表示为（1.6）在以上公式中，为相位，单位为；为振荡频率，单位为；为振幅,为采样时间间隔。能够更加方便的推出结果，即为以下公式：（1.7）进而可得到公式：（1.8）在获取的值后，能够通过最小二乘法得到的值，也就可以获取法应用下所辨识的参数值。1.3Prony算法的参数选择此算法的情况，上述论文里已经给出了相关论述，我们知道本文研究的振荡机理其相关研究得出：当系统经受扰动其幅度数值到达最大限度时，一般仅需在2-3个振荡周期经历，振幅大小一般是经受扰动源头的位置与振荡频率、幅度数值等多方面的影响，当系统经受扰动其幅度数值到达最小限度时，该系统扰动源消失，其出现的振荡状态也会恢复正常。一些振荡状态能够用强迫功率振荡机理解释，研究人员把该机理所需要研究的重点着重放在扰动源位置的确定以及辨识上在算法应用过程中[42]。所以，选取合适的参数具有重要作用。其中在各项参数选择过程中，具体的方法为：1.3.1采样频率相关结果一定要对采样定律有效满足，以此显著减少频谱所致混叠问题[43]。在实际操作过程中，通常在采样频次取值中会高于最高频率的2倍，存在一定的裕度，以能够提升参数估计准确性。当然在实际应用中，如果采样频率过高也不行，在时间长度确定下，采样频率也会随之加大，自然也就会提高运算量，运算时间过长容易导致出现拟合结果误差较大，严重可以导致出现拟合失败[44]。在对电力系统低频振荡分析过程中，通常采样频率确定为最高频次的倍。1.3.2时间长度如果所选取的时间长度过长，也就会导致快速衰减中的振荡分析辨识不明显，通常情况下将时间长度确定为已知信号最低频率振荡周期的两倍。1.3.3主导模式采用算法分析原始信号的时候，振荡信号主导模式的识别和相近频率不同振荡模式的识别[46]。所以才引入了此概念，来更方便、快速的得出我们想要验证的结果，有助于后期将其应用于更广泛的电力系统中。在算法计算过程中，各振荡模式频率、模型阶数以及衰减因子对主导模式选择具有直接影响作用[47]。主要是在实际低频振荡中，一旦发生负阻尼或者弱阻尼情况下，系统稳定性不高，也就需要对以上问题提高关注。1.3.4模型阶数在振荡信号模型分析中，最为重要的一个问题也就是有效阶数的选择。如果在选择中，阶数过大，会导致噪声分量过多，和信号实际阶数相比，算法分析所得模型阶数偏高；阶数过小，会导致无法辨识部分振荡模式，导致出现信号信息丢失。所以在模型结束选择中，选择结果对算法分析结果准确性具有直接影响。在整个系统里，一般来说，其实际的数值都较大，在运算中就更加麻烦，运算量也无形的增大，无论哪种模型，基本上都算是其阶数在下降，在我们实际的运用中，一般