| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究的背景 | 第8-10页 |
| ·低频振荡的定义 | 第8页 |
| ·低频振荡发生机理研究 | 第8-10页 |
| ·基于系统实测信号的低频振荡模式在线辨识方法综述 | 第10-13页 |
| ·本论文的主要工作 | 第13-14页 |
| 2 基于 ARMA 模型的低频振荡模式辨识原理 | 第14-28页 |
| ·引言 | 第14页 |
| ·类噪声信号原理 | 第14-18页 |
| ·类噪声信号的特征 | 第14-17页 |
| ·类噪号信号与系统固有模式的关系 | 第17-18页 |
| ·自回归滑动平均模型 | 第18-26页 |
| ·ARMA 模型的定义 | 第18-20页 |
| ·ARMA 模型的物理意义 | 第20页 |
| ·ARMA 与AR 模型的关系 | 第20-22页 |
| ·ARMA 模型的自谱函数 | 第22-23页 |
| ·ARMA 模型的定阶 | 第23-26页 |
| ·低频振荡模式参数计算原理 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于改进 ARMA 递推算法的低频振荡模式辨识方法 | 第28-41页 |
| ·引言 | 第28页 |
| ·改进的加权递推增广最小二乘算法 | 第28-31页 |
| ·加权递推增广最小二乘算法 | 第29-30页 |
| ·用WRLS 拟合高阶AR 模型产生白噪声估值 | 第30-31页 |
| ·改进的WRELS 算法 | 第31页 |
| ·基于改进ARMA 递推算法的低频振荡模式辨识方法 | 第31-40页 |
| ·ARMA 模型辨识低频振荡模式总体流程 | 第32-33页 |
| ·数据类型及数据量测点的选择 | 第33-34页 |
| ·数据预处理 | 第34-36页 |
| ·AR 及ARMA 模型的阶数确定 | 第36-37页 |
| ·ARMA 模型参数估计 | 第37-38页 |
| ·低频振荡模式计算及主导模式的提取 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 算例分析 | 第41-58页 |
| ·引言 | 第41页 |
| ·New-England 10 机39 节点测试系统的仿真分析 | 第41-53页 |
| ·仿真测试总体思路 | 第41-43页 |
| ·电力系统白噪声扰动及其时域仿真 | 第43-45页 |
| ·平稳状态下低频振荡模式辨识分析 | 第45-49页 |
| ·发生大扰动下低频振荡模式辨识分析 | 第49-51页 |
| ·低频振荡主导模式提取分析 | 第51-53页 |
| ·南方电网WAMS 实测信号分析 | 第53-56页 |
| ·WAMS 实测数据及其Prony 分析 | 第53-54页 |
| ·基于ARMA 递推算法的低频振荡模式追踪辨识 | 第54-56页 |
| ·低频振荡模式辨识的计算速度 | 第56页 |
| ·本章小结 | 第56-58页 |
| 5 总结 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第63页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第63页 |
