《表3 不同方法的辨识结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《含高渗透率水电机组的电力系统振荡参数辨识》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证自适应VMD算法抗噪能力和辨识结果的准确性，在信噪比为10 dB和20 dB情况下，采用3种算法分别进行100次参数辨识实验。本文算法的采样频率为100 Hz，在信噪比为10 dB和20 dB时分别得到两组模态，对应惩罚因子的平均值分别为1 832.4、2 248.9和1 825.6、2 239.1。Prony滑动窗算法采样频率为10 Hz，滑动时间窗长度为6 s，阶数为采样总点数的0.4倍。ESPRIT算法采样频率为10 Hz，通过奇异熵确定模态阶数。表3为本文的算法、Prony滑动窗算法、ESPRIT算法辨识结果的平均值。图8为信噪比在10 dB情况下3种算法振荡参数辨识结果散点图。可以看出，Prony滑动窗算法在低频信号和超低频信号同时存在的情况下，对于低频振荡信号辨识结果准确度较高，在100次参数辨识实验中，低频振荡信号辨识出93次，对于超低频振荡信号辨识结果较低，在100次参数辨识实验中，只辨识出18次，严重的模态丢失。ESPRIT算法虽然能准确提取出模态数量，但辨识结果值与理论值存在较大误差。相反，本文算法对多类型振荡信号的特征参数提取和辨识结果不仅准确度高，而且抗噪性能好，平均误差均保持在3%左右。