一种新的阻尼正弦原子分解算法辨识SSO模态参数

针对大多数线性化方法难以实现对次同步振荡(subsynchronous oscillation,SSO)模态参数的有效辨识,提出了基于改进入侵杂草优化(invasive weed optimization,IWO)算法优化的阻尼正弦原子分解算法。该方法根据次同步振荡信号特点构造过完备阻尼正弦原子库,引入混沌序列、选择机制、小生境分类策略以及矢量跟踪思想对IWO算法进行改进,利用改进后的IWO算法对传统的匹配追踪算法(matching pursuit,MP)进行优化,通过原子分解得到最佳阻尼正弦原子,将最佳阻尼正弦原子转换为次同步振荡信号的模态参数,即可实现对次同步振荡模态参数的有效辨识。算例结果表明,该算法具有良好的时频特性,辨识精度高,适用于扰动源定位、故障诊断等领域。