大规模电力系统低频振荡分析与广域自适应控制研究(18)

山东大学博士学位论文

参数化模型辨识方法两类。参数化模型辨识方法还可以按照下列原则进行细分。

１）数据处理方式：一般而言，采样数据越多，模型辨识的精确度就越高。若采用块处理（ｂｌｏｃｋｐｒｏｃｅｓｓｉｎｇ）方式一次完成辨识就需要存储大量的数据，这不仅要占用大量的计算机内存，而且随着数据的增加，计算时间也越来越长。递推算法的基本思想是，每取得～个新数据，就根据新数据对原估计量进行修正，从而得到改善的新估计量，而不是将新数据加到旧数据中重新计算。

２）采样信号类型：在电力系统小干扰功角稳定性研究中，系统遭受的扰动主要有三种：①人为地实施大扰动，用来模拟冲击信号，如短路、投切线路、投切制动电阻、切除发电机等；②在二次设备（如ＡＶＲ）上人为地施加脉冲、阶梯、正弦、伪随机等幅值较小的扰动信号；③电网中负荷的随机变化。系统对这些扰动的响应通常可以分为两类：扰动信号（ｒｉｎｇｄｏｗｎｓ）和运行数据（ａｍｂｉｅｎｔ）。前者指的是系统突然遭受大扰动和在二次设备上施加脉冲、阶梯、正弦扰动信号后系统较大幅度的机电振荡响应过程；后者指的是在二次设备上施加伪随机扰动或负荷随机变化的激励下系统的运行信息。

３）辨识模型的类型：辨识模型可分为传递函数（阵）和状态空间模型。前者仅能描述具有线性特性对象的输入与输出间的关系；后者通过状态变量能够完全描述系统的运行状态，并建立系统内部状态变量与外部输入变量和输出变量之间的关系。８

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典教育范文大规模电力系统低频振荡分析与广域自适应控制研究(18)在线全文阅读。