买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海电力大学

摘要：本发明涉及一种次同步振荡阻尼特性影响因素的量化辨识方法，包括以下步骤：1采集风电场的原始运行波形数据、风电场运行环境信息以及风电场内部参数；2对原始运行波形数据采用SVD‑Prony算法提取作为因变量的振荡模态相关信息，包括模态频率、阻尼比、相位和幅值；3从风电场运行环境信息以及风电场内部参数中选取影响阻尼特性的影响因素自变量，并对自变量做相关性分析及共线性诊断，剔除相关性及共线性过强的自变量；4对因变量以及相关性分析剔除后的所有影响因素自变量进行主成分回归分析，获得自变量及因变量之间的量化关系。与现有技术相比，本发明具有准确有效、降低计算量等优点。

主权项：1.一种次同步振荡阻尼特性影响因素的量化辨识方法，其特征在于，包括以下步骤：1采集风电场的原始运行波形数据、风电场运行环境信息以及风电场内部参数；2对原始运行波形数据采用SVD-Prony算法提取作为因变量的振荡模态相关信息，包括模态频率、阻尼比、相位和幅值；3从风电场运行环境信息以及风电场内部参数中选取影响阻尼特性的影响因素自变量，并对自变量做相关性分析及共线性诊断，剔除相关性及共线性过强的自变量；4对因变量以及相关性分析剔除后的所有影响因素自变量进行主成分回归分析，获得自变量及因变量之间的量化关系，辨识出次同步振荡主要影响因素；所述的步骤2中，SVD-Prony算法具体包括以下步骤：21将风电场的原始运行波形数据构造为m×n的Hankel矩阵H；22对Hankel矩阵H进行奇异值分解，则有：H＝Um×mSm×nVn×n其中，U为m×m的标准化矩阵，V为n×n阶的标准化矩阵，S＝diagσ1,σ2,…,σr,0为m×n阶的奇异值矩阵，σi为第i个奇异值，奇异值均非零且降序排列，r为矩阵S的秩；23确定有效奇异值数目k，保留奇异值矩阵S中前k个奇异值并将剩余的r-k个奇异值置0，得到矩阵S’；24进行奇异值反变换得到矩阵H’＝US’V，选择矩阵H’中的第一行所有元素以及最后一列第二到最后一个元素，组成重构信号，并通过Prony算法从重构信号中提取振荡模态相关信息；所述的步骤23中，根据奇异值增长率变化值最大的奇异值确定有效奇异值数目k；所述的奇异值增长率的表达式为： 其中，ηi为第i个奇异值的奇异值增长率。

全文数据：

权利要求：

百度查询： 上海电力大学 一种次同步振荡阻尼特性影响因素的量化辨识方法