power spectral density based identification of low frequency ‎oscillations in multimachine power system

The paper presents a fast fourier transform (fft) based power spectral density (psd) filter for denoising the pmu signal received from the smart power system network to identify the low frequency oscillation modes (lfo). small disturbances are introduced during normal operation of power system causes low frequency oscillations and may hinder the power system transfer capabilities of a system. the traditional signal processing method cannot extract the information from ambient signals effectively during noisy measurement. in this paper, the performance of the prony analysis with reduced sampling rate is analysed for the pmu data with noiseless and noise environment. it is observed that, the performance of the prony approach is not satisfactory under noisy measurement data. in the present work fft-psd is used to denoise the noisy measurement signal and identify the nature of the decrement factor of the low frequency oscillatory modes. the accuracy of the estimated decrement factors of modes are verified with eigenvalues to validate the proposed method. the performance of proposed method is compared with signal processing method for ieee new england power system and found effective and suitable during noisy pmu measurements.

شناسایی نوسانات فرکانس پایین بر اساس چگالی طیفی توان در سیستم قدرت چند ماشینی

این مقاله یک فیلتر چگالی طیفی توان (PSD) مبتنی بر تبدیل فوریه سریع (FFT) را برای حذف نویز سیگنال PMU دریافت‌شده از شبکه سیستم قدرت هوشمند برای شناسایی حالت‌های نوسان فرکانس پایین (LFO) ارائه می‌کند. اغتشاشات کوچکی که در حین کارکرد نرمال سیستم قدرت ایجاد می شود باعث نوسانات فرکانس پایین می شود و ممکن است توانایی انتقال سیستم قدرت یک سیستم را مختل کند. روش سنتی پردازش سیگنال نمی تواند اطلاعات سیگنال های محیط را به طور موثر در طول اندازه گیری نویز استخراج کند. در این مقاله، عملکرد آنالیز Prony با کاهش نرخ نمونه‌برداری برای داده‌های PMU با محیط بی‌نویز و نویز تحلیل می‌شود. مشاهده می شود که عملکرد رویکرد Prony در داده های اندازه گیری نویز رضایت بخش نیست. در کار حاضر از FFTPSD برای حذف نویز سیگنال اندازه‌گیری نویز و شناسایی ماهیت ضریب کاهش حالت‌های نوسانی فرکانس پایین استفاده می‌شود. دقت ضرایب کاهش تخمین زده شده با استفاده از مقادیر ویژه برای اعتبارسنجی روش پیشنهادی تأیید می‌شود. عملکرد روش پیشنهادی با روش پردازش سیگنال برای سیستم قدرت IEEE نیوانگلند مقایسه شده و در اندازه‌گیری‌های PMU پر سر و صدا مؤثر و مناسب است.