申请/专利权人：浙江浙能技术研究院有限公司;浙江浙能嘉兴海上风力发电有限公司;浙江浙能国电投嵊泗海上风力发电有限公司

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117725394A

主分类号：G06F18/21

分类号：G06F18/21;G06F18/15;G06N3/006;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供了一种基于分层内嵌模态分解的风电场宽频振荡辨识方法，属于新能源信号辨识技术领域。其具体步骤如下：首先选取不同工况下的电压、电流参数作为信号来源，对信号来源进行数据清洗，得到初始的宽频振荡信号；随后，对宽频振荡信号进行分层内嵌模态分解，内层以最小化包络信息熵为优化目标，通过粒子群算法与万有引力算法相结合的搜索算法，优化求解最佳模态分量数与最佳惩罚因子，外层基于上述解集，采用拉格朗日交替方向乘子法，迭代得到宽频振荡信号的主导模态群；最后，推导主导模态群的幅值与频率参数辨识结果，从而确定导致风电场宽频振荡的分析结果，实现强抗噪性、高准确性和低计算量的优良辨识性能。

主权项：1.基于分层内嵌模态分解的风电场宽频振荡辨识方法，其特征在于，所述基于分层内嵌模态分解的风电场宽频振荡辨识方法的具体过程如下：步骤1、选取风电场海上升压站高压侧联络线、海上升压站低压侧母线、风机集聚线处不同工况下的电压、电流参数作为信号来源，确认宽频振荡信号来自于电网侧或风机侧，并基于次同步振荡与超同步振荡两种辨识工况，利用带通滤波器对信号来源进行数据清洗，得到初始的宽频振荡信号U；步骤2、对宽频振荡信号U进行分层内嵌模态分解，内层以最小化包络信息熵为优化目标，通过粒子群算法与万有引力算法相结合的搜索算法，优化求解宽频振荡信号的最佳模态分量数和最佳惩罚因子，外层基于已有的最佳模态分量数和最佳惩罚因子，采用拉格朗日交替方向乘子法，迭代得到宽频振荡信号U的主导模态群；步骤3、采用多间隔变速率采样的Teager-Kaiser离散能量算子算法，对主导模态群离散采样数据进行处理，计算离散采样时主导模态群中各模态分量的能量算子，并根据能量算子反向推导主导模态群的幅值与频率参数辨识结果，确定导致风电场宽频振荡的分析结果。

全文数据：

权利要求：

百度查询： 浙江浙能技术研究院有限公司;浙江浙能嘉兴海上风力发电有限公司;浙江浙能国电投嵊泗海上风力发电有限公司 基于分层内嵌模态分解的风电场宽频振荡辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD