Existing mode meter algorithms were derived with the assumption that load variations are accurately represented by white noise or an integral of white noise, which may not be satisfied in actual power systems. This paper proposes a mode meter algorithm which relaxes this assumption by explicitly taking into account spectral load characteristics. These characteristics can be either measured or estimated using the inverse of the existing power system model. The method is developed assuming an autoregressive moving average (ARMA) model of the system and incorporating estimated correlations between loads as inputs and synchrophasor measurements as outputs. Performances of the proposed method are compared with the Yule-Walker and N4SID methods using simulated synchrophasor data obtained from the KTH Nordic 32 test system. Finally, the effects of measurement noise on the proposed method are analyzed, as well as the effects of model uncertainty when the power system model is used to determine spectral load characteristics. It is shown that the proposed algorithm increases accuracy in mode estimates when the loads are described with nonwhite noise

چکیده

الگوریتم ­های فعلی سنجش مد با فرض اینکه تغییرات بار به­ طور دقیق با نویز سفید یا انتگرال نویز سفید نشان داده می­ شوند، استنباط شده­ اند؛ این فرض ممکن است در سیستم ­های قدرت واقعی برآورده نشود. این مقاله یک الگوریتم سنجش مد که با در نظرگرفتن آشکار ویژگی­ های طیفی بار، این فرض را تقلیل می ­دهد، پیشنهاد می­ دهد. این ویژگی­ ها می ­تواند با معکوس مدل قدرت سیستم فعلی اندازه گیری یا تخمن زده شود. روش پیشنهادی با فرض مدل متوسط حرکت خودبازگشتی (ARMA) سیستم و همبستگی­ های تخمین یکپارچه بین بارها به­عنوان ورودی و اندازه­ گیری­ های همگام به­عنوان خروجی، ایجاد شده­است. عملکرد روش پیشنهادی با روش ­های Yule-Walker و N4SID با استفاده از اطلاعات همگام شبیه­ سازی شده که از سیستم تست KTH Nordic 32 گرفته شده­ اند، مقایسه شده ­است. در نهایت، تاثیر نویز اندازه ­گیری بر روش پیشنهادی و همچنین عدم قطعیت مدل در زمان تعیین ویژگی ­های طیفی بار بررسی شده ­است. نشان داده می­ شود که الگوریتم پیشنهادی، دقت تخمین مدها زمانی ­که با نویز سفید توصیف شده ­اند، را افزایش می­ دهد.

 1-مقدمه

نوسانات با میرایی ضعیف در سیستم قدرت ظرفیت انتقال شبکه و حاشیه­های امنیتی را کاهش می دهند [1]-[3]. برای نظارت دقیق و زمان واقعی نوسانات با میرایی ضعیف، الگوریتم­ های مختلفی (معمولا با عنوان تخمین­ گرهای مد) ایجاد شده ­اند...