找到 1 条结果
基于同步相量的次/超同步振荡参数辨识方法：自适应经验傅里叶分解
Synchrophasor-Based Parameter Identification of Sub/Super-Synchronous Oscillations Using Adaptive Empirical Fourier Decomposition
Lixin Wang · Zihan Zhang · Zhenglong Sun · Han Gao 等7人 · IEEE Transactions on Power Delivery · 2025年12月 · Vol.41
针对同步相量测量噪声导致次同步振荡（SSO）参数辨识精度低的问题，本文提出融合自适应经验傅里叶分解（AEFD）与Prony法的联合辨识方案，可准确分离并提取次/超同步模态，提升抗噪性与模态解耦能力。
解读: 该研究对阳光电源ST系列PCS、PowerTitan储能系统及组串式逆变器在弱电网/新能源高渗透场景下的并网稳定性监测具有重要价值。其高精度振荡模态辨识能力可增强iSolarCloud平台对次/超同步振荡的早期预警与故障归因分析能力，建议将AEFD-Prony算法嵌入PCS嵌入式DSP或iSolar...