改进自适应VMD和TLS-ESPRIT的风电系统次/超同步振荡参数辨识

针对现有方法在提取耦合次/超同步振荡参数时存在的噪声适应性差与模态混叠问题，提出一种改进的自适应变分模态分解（VMD）方法，结合残差损失总熵、中心频率切比雪夫距离及边缘熵确定分解参数，并联合最小二乘-旋转不变技术（TLS-ESPRIT）实现振荡分量的参数辨识，无需额外降噪。通过复合信号测试与PSCAD/EMTDC仿真验证了方法有效性。对比改进Prony与MCEEMD方法表明，该方法在不同噪声与频率条件下能更准确分解振荡信号，抑制噪声干扰，提升参数辨识可靠性，对风电系统振荡溯源与阻尼改善具有参考价值。

为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题,该文提出了一种自适应的变分模态分解法(variational mode decomposition,VMD),定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵共同决定分解模态数和带宽,结合最小二乘-旋转不变技术(total least square-estimating signal parameter via rotational invariance techniques,TLS-ESPRIT)对分解出的振荡分量进行参数辨识,无需另外使用降噪算法.通过复合信号测试法、PSCAD/EMTDC电磁暂态仿真法验证了所提方法的有效性.最后,将所提方法与改进 Prony 算法、MCEEMD 法在不同噪声水平和振荡频率下进行对比,结果表明,所提方法能够有效地抑制原始信号的噪声干扰,对耦合的次/超同步振荡信号分解更加准确,参数辨识结果可靠性较高,对风电系统振荡溯源、改善系统阻尼具有一定的参考意义.