| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 轻型广域测量系统简介 | 第13-15页 |
| 1.3 低频振荡在线辨识方法现状与问题 | 第15-17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 第2章 WAMS Light在线滤波方法 | 第19-38页 |
| 2.1 WAMS Light实测信号噪声 | 第19-24页 |
| 2.1.1 常见数据噪声 | 第19-20页 |
| 2.1.2 低压电网实测信号中存在的噪声 | 第20-22页 |
| 2.1.3 消除噪声的性能指标 | 第22-24页 |
| 2.2 噪声去除方法 | 第24-33页 |
| 2.2.1 移动中值滤波算法 | 第24-26页 |
| 2.2.2 移动均值滤波算法 | 第26-28页 |
| 2.2.3 卡尔曼滤波 | 第28-31页 |
| 2.2.4 小波分解法 | 第31-33页 |
| 2.3 各种去噪方法的比较分析 | 第33-35页 |
| 2.4 滤波算法编程实现 | 第35-36页 |
| 2.4.1 开发环境 | 第35页 |
| 2.4.2 程序结构 | 第35页 |
| 2.4.3 数据文件格式设计 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 WAMS Light实测信号统计学特征 | 第38-55页 |
| 3.1 数据统计学特征的背景和意义 | 第38页 |
| 3.2 六大区域电网均值与方差统计特性 | 第38-39页 |
| 3.3 六大区域电网频率最值与合格率统计 | 第39-42页 |
| 3.4 六大区域电网频率异常事件统计特性 | 第42-45页 |
| 3.5 六大区域电网频率分布统计特性 | 第45-46页 |
| 3.6 六大区域电网动态频率特性统计分析 | 第46-51页 |
| 3.7 统计学特征编程实现 | 第51-53页 |
| 3.7.1 程序结构 | 第51-52页 |
| 3.7.2 数据文件格式设计 | 第52-53页 |
| 3.8 本章小结 | 第53-55页 |
| 第4章 基于WAMS Light的低频振荡在线辨识方法 | 第55-79页 |
| 4.1 低频振荡在线辨识方法 | 第55-61页 |
| 4.1.1 扩展Prony算法 | 第55-56页 |
| 4.1.2 TLS-ESPRIT算法 | 第56-58页 |
| 4.1.3 小波脊算法 | 第58-59页 |
| 4.1.4 HHT算法 | 第59-61页 |
| 4.2 各种在线辨识方法分析 | 第61-62页 |
| 4.3 监测和辨识一体化的低频振荡在线监视方法 | 第62-74页 |
| 4.3.1 低频振荡在线监测原理 | 第63-65页 |
| 4.3.2 算例测试 | 第65-69页 |
| 4.3.3 低频振荡模态辨识 | 第69-74页 |
| 4.4 低频振荡在线监视程序开发 | 第74-77页 |
| 4.4.1 程序结构 | 第74-75页 |
| 4.4.2 数据文件格式设计 | 第75-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第5章 结论与展望 | 第79-81页 |
| 5.1 本文总结 | 第79-80页 |
| 5.2 工作展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间取得的成果 | 第87-88页 |
| 学位论文评阅及答辩情况表 | 第88页 |