多模态振荡范文
多模态振荡范文（精选7篇）
多模态振荡 第1篇
目前,储能技术在电力系统中的应用主要包括电力调峰、提高系统运行稳定性和提高供电质量。灵活交流输电系统(FACTS)装置能够实现对系统参数和网络结构的快速灵活调节,将FACTS和储能装置集成后,能够和系统进行独立的有功功率和无功功率交换附加的储能不仅增强了FACTS装置的特性,还提供了降低FACTS装置容量需求的可能。
文献[2]研究了静止无功发生器(STATCOM)与储能系统(ESS)的集成(STATCOM/ESS)的静态特性,研究表明直流侧储能装置的使用将STATCOM的运行范围从1维扩展到了2维,产生了更为灵活有效的运行模式。文献[3,4,5]使用FACTS/ESS抑制功率振荡,并考察了安装地点和容量限制对阻尼效果的影响文献[6,7]详细描述了静止无功发生器/电池储能系统(STATCOM/BESS)的数学模型和控制策略,并通过时域仿真和实验结果加以验证。文献[8,9,10]介绍了STATCOM/ESS几种不同的逆变器拓扑结构并进行了比较。文献[11]推导了含STAT-COM/BESS的单机无穷大系统的Phillips-Heffron模型,并使用遗传进化算法(GEA)进行阻尼控制器参数的优化。
在抑制电力系统低频振荡的研究和实践中,多机电力系统的多模态振荡问题最为复杂。由于STATCOM/BESS具有有功功率控制和无功功率控制2个自由度,因此可以在一个装置上装设2个附加阻尼控制器来分别抑制不同的模态,避免了由多个装置的阻尼控制器相互协调而产生的参数异地调试困难,能够有效便捷地实现多模态振荡的抑制。
针对多个阻尼控制器的参数协调,传统的梯度下降算法容易陷入局部最优值。人工鱼群算法[12]是一种模拟鱼群行为的随机搜索优化算法,主要利用鱼群的觅食、追尾和聚群等行为,从构造单条鱼的底层行为做起,通过鱼群中各个体的局部寻优达到使全局最优值在群体中突现出来的目的。文献[13,14]分别将人工鱼群算法用于电力系统短期负荷预测和无功优化。现将该方法用于多模态振荡抑制的阻尼控制器参数协调。
本文首先推导了STATCOM/BESS的数学模型和多机系统含STATCOM/BESS的Phillips-Heffron模型,提出了相应的控制策略。然后介绍了人工鱼群算法,并将该优化算法应用到阻尼控制器的参数协调中。针对电力系统中的多模态振荡,以4机2区域系统为例,基于可控性理论讨论了STATCOM/BESS的安装地点,并为抑制多模态振荡选择有效的阻尼控制回路。仿真结果验证了使用STATCOM/BESS抑制电力系统多模态振荡的可行性,并讨论了容量限制对阻尼效果的影响。
1 STATCOM/BESS的动态模型
STATCOM/BESS的结构如图1所示
图中ua、ub、uc为STATCOM/BESS接入点的三相对地电压;ea、eb、ec为逆变器输出的三相对地电压;L和R分别为变压器的电感和电阻;C和Udc分别为直流电容和电容电压;电池模型用理想直流电压源Us和串联电阻Rs描述。如图1所示,STATCOM/BESS的交流侧与系统接口的三相动态微分方程为
在式(1)中,以接入点电压为参考点,可将ua、ub、uc和ea、eb、ec写为
式(2)中,me和δe分别为电压源逆变器的幅值调制比率和相位角,Um为接入点母线的电压幅值。
电容电压的动态过程可用式(3)描述:
对式(1)和式(3)进行Park变换[15],并忽略变压器的电阻和暂态过程,可得到STATCOM/BESS的非线性动态模型:
其中,ied和ieq分别为电流ie在d轴和q轴上的投影,Utd和Utq为接入点电压U在d轴和q轴上的投影,xe为变压器的电抗。
将式(5)用向量形式描述,则有
式(4)和式(6)完整地描述了STATCOM/BESS的动态过程和与系统接口的电压、电流关系。
2 STATCOM/BESS的线性化模型
多机系统中,发电机模型采用E'q变化的三阶模型,励磁采用一阶惯性环节,可描述如下:
将含STATCOM/BESS的多机系统在运行点附近线性化,STATCOM/BESS的2个输入变量me和δe作为控制变量,可得全系统的线性化方程,如式(8)所示。其中,前4行描述了受STATCOM/BESS影响的发电机状态变量的表达式,最后一行描述了STATCOM/BESS的电容动态行为。
记
其中,Δf包含了STATCOM/BESS引入的所有变量,Kp、Kq和Kv、分别描述了这些变量对发电机的状态变量ω、E'q和Efd的影响。装有STATCOM/BESS的多机系统线性化模型式(8)可用图2表示。
3 控制策略
STATCOM/BESS能够运行在4个象限,有功功率和无功功率可独立调节,因此需要设计有功功率控制器和无功功率控制器。为了有效阻尼多模态振荡,还需要在这2个控制器上设计附加阻尼控制器。
3.1 无功功率控制
STATCOM/BESS的无功功率控制主要起节点电压支撑的作用,将接入点电压维持在给定值。考虑到STATCOM/BESS的δe主要影响与系统的有功功率交换,me主要用来调节BESS输出电压的幅值,即影响与系统交换的无功功率,因此在me控制通道上设计一个PI控制器进行无功功率的调制,如式(9)所示,其中Uref为接入点参考电压,Kvp和Kvi分别是电压控制器的比例和积分系数。
在用于低频振荡抑制时,可在该控制回路上设计一个附加阻尼控制器,取本地可测信号作为附加阻尼控制器的输入,经增益环节、隔直环节、2个超前-滞后环节后叠加在接入点电压的基准值上。其传递函数框图如图3所示。
3.2 有功功率控制
在δe控制通道上设计一个PI控制器进行电容电压的调制,如式(10)所示,其中Udcref为电容电压参考值,Kdcp和Kdci分别是相应的比例和积分系数。
在有功功率控制回路上同样设计附加阻尼控制器,在系统发生振荡后通过有功功率的调节抑制系统振荡,其传递函数框图如图4所示。
4 人工鱼群算法
4.1 人工鱼群算法简介
在一片水域中,鱼往往能自行或尾随其他鱼找到营养物质多的地方,因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方。人工鱼群算法就是根据这一特点,通过构造人工鱼来模仿鱼群的觅食、聚群及追尾等行为,从而实现寻优[12]。下面对这3种典型行为和实现作一简要介绍。
a.觅食行为。一般情况下鱼在水中随机、自由地游动,当发现食物时,则会向着食物逐渐增多的方向快速游去。记某条人工鱼的当前位置为i,如果在其视野内的另一随机选定的位置j较i有更高的食物浓度,则向该方向前进一步;否则继续生成新的随机位置进行搜索直到达到搜索最大次数为止。
b.聚群行为。鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群。记某条人工鱼的当前位置为i,搜索其视野范围内的人工鱼的个数并计算这些鱼的中心位置。如果中心位置较i有更高的食物浓度且不拥挤,则向中心位置前进一步;否则执行觅食操作。
c.追尾行为。当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。在某条人工鱼所在位置i的视野范围内搜索食物浓度最高的鱼所在位置j,如果j有更高的食物浓度且不拥挤,则向j前进一步;否则执行觅食操作。
根据求解问题的性质,对当前鱼所处的环境进行评估并选定某种行为执行。在寻找最大值的情况下,可以使用一个简单有效的行为选择方法:模拟当前鱼的聚群和追尾行为,选择更优的一个行为执行;如若聚群和追尾均失败则执行觅食操作。
4.2 人工鱼群算法在阻尼控制器参数优化中的应用
本文中阻尼控制器的参数通过人工鱼群算法进行协调优化。此处采用2个相同的相位补偿环节,时间常数τW恒定。因此1个阻尼控制器仅有3个参数进行优化:时间常数τ1、τ2和增益K。
记所要抑制的模态分别为λ1～λn,其对应的阻尼比为ξ1～ξn,则优化的目标函数可表示为阻尼比的最小值:
优化过程即通过人工鱼的活动在给定的搜索空间内搜索J的最大值。
5 仿真算例
对如图5所示的4机系统,在稳态时发电机G1～G4的输出功率分别为700、700、698、700 MW。节点7和9的负荷为967和1767 MW,大约有421 MW的有功功率经双回联络线输入右侧区域。在没有安装STATCOM/BESS的情况下,该系统存在一个负阻尼的区域模:0.027 283+j 3.388 1。
5.1 选择安装地点和控制回路
设定STATCOM/BESS的3个候选安装地点为节点7、8、9。分别将STATCOM/BESS安装在这3个节点,在PI控制器闭环的情况下将附加阻尼信号的输入作为控制变量,基于模态分析理论[16]计算不同安装位置对于区域模的可控性指标,如表1所示。
由表1可知,STATCOM/BESS的有功控制回路对区域模的阻尼效果比无功控制回路更有效;安装在节点8上的阻尼效果很差;抑制区域模的阻尼控制器安装在节点7和9的有功控制回路均能取得满意的效果。虽然节点9的有功控制回路可控性指标略高于节点7,考虑到在节点9装设STATCOM/BESS后区域模阻尼降低很多,因此将STATCOM/BESS安装于节点7。
在节点7安装STATCOM/BESS后,系统存在2个弱阻尼模态:-0.077 454+j 3.548 6(模态1)和-0.20246+j 5.797 1(模态2),其阻尼比为2.18%和3.49%,分别对应区域间振荡和G1对G2的局部振荡。模态1关于2个回路的可控性指标如表1所示,模态2关于有功和无功控制回路的可控性指标分别是11.47和0.99,对于这2个模态有功控制回路的效果均更加有效。考虑到STATCOM/BESS的容量有限,需优先抑制功率波动更大的区域振荡,因此采用有功控制回路抑制区域模,无功控制回路抑制局部模。
分别取线路7-8功率变化和线路5-7与2-7功率偏差变化的积分作为Δδe和Δme附加控制回路的输入信号。
5.2 阻尼控制器参数优化
STATCOM/BESS的2个阻尼控制器共有6个参数需要优化。优化过程中参数的上、下限分别为
0.01 sτ10.5 s,0.01 sτ20.5 s0Kme0.04,0Kδe50
当迭代次数达到100代时,鱼群算法终止,得到的优化结果如表2所示。
当这2个阻尼控制器投入运行时,对应的2个模态分别为-0.51103+j3.085 9和-0.988 65+j5.973 2,对应的阻尼比为0.163 38和0.16329,系统的阻尼得到很大提高。从表2可以看出,无功阻尼控制器的时间常数和增益接近参数的上、下限,有功阻尼控制器的增益已到达参数上限,这也证实了鱼群算法全局寻优的能力。
5.3 时域仿真
故障过程为0.2 s时节点8发生三相短路,0.1 s后故障清除。考虑不同容量下的多模态振荡抑制效果,时域仿真曲线如图6所示。图中,曲线1为无附加阻尼控制器,2、3分别为STATCOM/BESS投入容量50 MVA/30 MW、30 MVA/20 MW。
从图6可以看出,附加阻尼控制器的投入能有有效抑制这2个模态的振荡。较大容量能够取得更好的阻尼效果。
若单个STATCOM/BESS的容量较小,阻尼效果会受到容量的限制而变差,可根据可控性指标在节点9再装设一台STATCOM/BESS,设计附加阻尼控制器共同阻尼区域模,实现区域模的分布式镇定。以容量约束15 MVA/10 MW为例,时域仿真曲线如图7所示。图中,曲线1为无附加阻尼控制器,4为节点7装设附加阻尼控制器,5为在节点7、9同时装设附加阻尼控制器。
从图7可以看出,仅在节点7装设一台STATCOM/BESS,因容量较小阻尼效果不佳;再在节点9装设一台STATCOM/BESS后取得了很好的阻尼效果,成功实现电力系统振荡的分布式镇定。
6 结语
多模态振荡 第2篇
随着互联电网规模和复杂度不断增加,电力系统低频振荡问题已成为制约输电联络线路传输能力的瓶颈,并严重威胁系统安全稳定运行[1,2]。近年来,以相量测量单元PMU(Phasor Measurement Unit)为基础的广域测量系统WAMS(Wide Area Measurement System)在系统调度中心得到了广泛应用,实现了大电网运行状态信息的广域时空统一测量。系统低频振荡监测与分析是目前WAMS主要高级应用之一[3,4]。系统正常运行中负荷随机投切等引起小幅波动的随机响应,能够反映当前系统振荡模态特征[5,6,7]。由于电网客观存在的拓扑连接及其电磁作用关系,每个PMU量测信息具有自相关性,且多个PMU量测信息之间具有直接或间接的关联性[8]。为便于系统运行人员及时全面掌握系统运行状态,研究利用系统广域时空随机响应准确辨识振荡模态有着重要意义。
低频振荡模态信息包括振荡频率、阻尼比和振荡振型,通常又将振荡频率、阻尼比统称为模式参数。模式参数是振荡模态在时间维度上的特征,其中阻尼比参数是系统小信号稳定性的重要刻画指标;振荡振型则是振荡模态在空间维度上的特征,能够反映振荡界面及振荡在电网中的分布情况[9]。现有基于广域测量随机响应的低频振荡分析方法大多对振荡模式参数或振型分别展开辨识研究。在模式参数辨识方面,针对系统正常运行下随机负荷投切等激励所产生的系统随机响应,集中于利用单一通道信号估计振荡频率和阻尼比,如自回归AR(AutoRegressive)模型[10,11]、自回归滑动平均ARMA(AutoRegressive and Moving Average)模型[12,13,14,15]等辨识方法。由于某一通道信号不能保证对系统的多个主导模态同时都具有较好的可观性,因而利用单一信号无法同时准确辨识系统的多个主导振荡模态;此外,对某个振荡模态,各个通道信号的辨识结果之间会存在一定偏差,如何选取或综合各通道信号的辨识结果也将是一个难题。在振型辨识研究方面,与振荡模式参数估计相比文献则相对较少。振型辨识需要利用电网多个监测点的同步数据,现有文献中主要有Green函数法[16]、功率谱法[17]、传递函数法[18]及频率分解法[19]等。文献[18]推导了两通道系统输出间的传递函数与振型的联系,通过估计一组系统输出相互间的有源自回归(ARX)模型并建立传递函数,进而估计出振荡振型。文献[20]对比分析了利用系统随机响应的振型辨识方法,指出功率谱法、频率分解法是广义传递函数的特殊形式。由于传递函数法不能直接辨识振荡模式参数,需要结合其他方法估计得到系统振荡模式参数,然后才能估计对应于该振荡模式的振型。
为了有效利用大电网广域时空数据,深度挖掘电网固有的时空关联特性信息,全面给出系统振荡模态特征,通过分析广域多通道信号的向量自回归VAR(Vector Auto Regressive)模型与系统振荡模态之间的联系,提出了基于VAR模型的振荡模态辨识方法。通过新英格兰系统的蒙特卡罗仿真信号及WECC系统实测信号的测试,与子空间辨识方法对比分析,结果表明所提方法计算更加简单,能有效辨识多个主导振荡模态的模式参数和振荡振型。
1 基于广域时空随机响应的振荡模态辨识
1.1 振荡模态辨识理论基础
在研究系统的小信号稳定性时,通常将系统在某一工作点线性化,从而系统可用线性时不变的状态空间模型表示。系统稳态运行时,假定各个负荷的随机投切所引起的扰动为高斯白噪声,且无法测量,系统的随机响应是同步等间隔测量的时间序列,则系统可简化为如式(1)所示的离散随机状态空间模型。
其中,xt∈Rn×1为系统状态向量;yt∈Rd×1为系统输出向量;wt和vt分别为系统噪声和测量噪声;A为系统状态矩阵;C为输出矩阵。
式(1)中的状态空间模型可等效为一个多变量ARMA模型[21]:
其中,Λi(i=1,2,…,p)Rd×d和Qj(j=1,2,…,q)∈Rd×d分别为自回归系数矩阵和滑动平均系数矩阵;ek(k=t,t-1,…,t-q)为白噪声。
利用广域时空系统随机响应辨识振荡模态,系统的振荡模态特征仅与自回归系数矩阵相关。可以证明,式(2)也可用一个高阶自回归模型近似[22]。由于自回归模型系数可通过简单的最小二乘法计算,文中考虑利用d通道随机响应向量序列yt,yt=[y1t,y2t,…,ydt]TRd×1,构建VAR模型[23]:
估计得到VAR参数Λi后,系统振荡模态的计算将非常简单。首先,利用Λi构造系统状态矩阵H∈Rdp×dp:
然后,对状态矩阵H进行特征值分解,得到离散特征值λr及其对应的右特征向量φr,φrRdp×1。连续系统模型的特征值可通过式(5)计算:
其中,Ts为采样周期。
最后,系统振荡模态sr的频率及阻尼比为:
输出向量yt的各通道信号对模态sr的振型为:
其中,I、zi(i=1,2,…,p-1)分别为d×d阶的单位矩阵和零矩阵。因此,φr的前d个元素即为模态sr的振型ψr。
1.2 VAR模型参数的最小二乘估计
假定有连续等间隔测量的系统随机响应向量y1、…、yN,VAR模型阶数为p,为方便起见,定义以下向量和矩阵:
则式(3)可表示为如式(9)所示的矩阵形式。
VAR模型参数矩阵Λ可通过如式(10)所示的最小二乘估计得到。
直接计算式(10)的协方差矩阵ZZT存在条件数变大的问题,由于矩阵Z的QR分解能保持原问题的条件数不变,因此本文采用QR分解来实现VAR模型参数的最小二乘估计[24]。利用测量数据构造矩阵K,K∈RN×(dp+d)。
对矩阵K进行QR分解,即K=QR,得到一正交矩阵Q∈RN×N和一上三角矩阵R∈RN×(dp+d)。
其中,R11∈Rdp×dp,R12∈Rdp×d,R22∈Rd×d。
VAR模型参数矩阵及误差协方差矩阵的计算分别如式(13)和式(14)所示。
1.3 随机响应的功率谱计算
对于低频振荡监测等工程应用,系统运行人员重点关注的是系统中的主导模态。基于广域多通道随机响应的VAR模型分析辨识得到的系统振荡模态包含许多虚假模态,因此,从辨识的模态中选择出系统主导模态也是一个重要步骤。由于系统随机响应的能量主要集中在主导模态的频率分量上,可通过计算系统输出随机响应的功率谱,并根据功率谱的峰值分布来确定主导模态。
VAR模型的功率谱可由式(13)、(14)计算的系数矩阵Λ及误差协方差矩阵Δ计算得到。
其中,
1.4 振荡模态的辨识流程
基于广域时空随机响应的振荡模态辨识示意图如图1所示,主要包含以下步骤。
(1)数据读取及预处理:利用发电机母线电压相角信号辨识系统的振荡模态。在辨识振荡模态前,需要对相角信号进行预处理。采用一阶差分滤波及高通滤波去除稳态趋势,然后以10 Hz的频率进行采样,最后采用有限脉冲响应(FIR)零相移低通滤波器(截止频率为2.5 Hz)进行滤波。
(2)VAR建模及参数估计:通过最终预测误差准则和反复试验相结合的方法确定VAR模型阶数,并采用QR分解实现VAR模型参数的最小二乘估计,分别由式(13)、(14)计算模型系数矩阵和误差协方差矩阵。
(3)振荡模态参数计算:在估计得到VAR模型参数后,通过式(4)—(7)计算振荡模态的频率、阻尼比及振型。
(4)主导模态确定:利用式(15)计算低频振荡频率范围(0.2~2 Hz)的功率谱,并将d通道随机响应的自功率谱叠加,然后寻找幅值占绝对优势的局部极大值所对应的频率值,将其与步骤(3)计算的模态频率比较,确定系统的主导模态。
2 仿真信号分析
通过新英格兰系统的蒙特卡罗仿真,测试分析所提模态辨识方法的有效性。新英格兰系统包含10台发电机、39条母线,接线图如图2所示。系统中发电机采用4阶模型,除发电机G1外,其余发电机均配备了励磁器,负荷设置为恒阻抗负荷。对该测试系统进行特征值分析,得到3个区间振荡模态,各模态的特征值、模态频率、阻尼比及主要参与机组如表1所示。
为了模拟实际系统中小幅度变化的随机响应,将系统中各个负荷容量的1%设置为高斯白噪声,等效实际电网的负荷随机变化。对新格兰系统进行蒙特卡罗仿真200次,每次仿真时长为10 min,收集各发电机母线的电压相角信号,然后叠加20 d B高斯白噪声来模拟测量噪声的影响。
通过特征值分析可知,3个区间振荡模态的主要参与机组为G1、G2、G3、G5和G9,因此选取这5台发电机的母线电压相角信号来进行系统振荡模态辨识。图3为母线1的电压相角预处理后得到的零均值信号。对G1、G2、G3、G5和G9的母线相角信号分别分析,采用最终预测误差准则确定的模型阶数分别为18、20、20、24和24。综合200次仿真的模式参数辨识结果,计算振荡频率、阻尼比的平均值及标准差,结果如表2所示。表中“—”表示利用某通道随机响应未能有效辨识出该振荡模态。
从表2可以看出,尽管G5与G9是模态3的主要参与机组,在模型阶数p=24时未能有效辨识出模态3。考虑到G5与G9也是模态2的主要参与机组,同时模态2与模态3的频率相近,可能是模态间的相互影响导致未能从G5和G9的母线电压相角信号中辨识出模态3。多次试验发现增加自回归阶数至一定数值后,如p=100,从G5和G9的母线电压相角信号中辨识出了3个振荡模态。限于篇幅,仅给出了G9母线电压相角信号的估计结果,见表2。对比阶数p=24和p=100时的估计结果,尽管增加自回归阶数能够估计出3个振荡模态,但3个模态的频率和阻尼比的估计结果的方差大幅增加,估计精度较差。
从以上单通道随机响应的测试分析可以看出,利用单通道信号无法准确辨识多个区间振荡模态,且不同通道信号的辨识结果存在一定偏差。此外,利用单通道信号不能给出振荡模态的振型信息。因此,有必要深度挖掘电网固有的时空关联特性,利用电网广域时空随机响应进行系统模态辨识。
利用本文方法对5台发电机的母线电压相角信号进行VAR建模分析,先采用最终预测误差方法来初步确定自回归阶数,并通过反复试验法确定的模型阶数为20。5台发电机的电压相角信号的叠加功率谱如图4所示。从图中可以看出,功率谱中包含3个局部峰值,分别对应表1中的3个区间振荡模态,因而可以通过功率谱峰值所对应的频率值来确定系统主导模态。
对200次仿真的辨识结果进行统计分析,并与子空间辨识方法[25]的辨识结果比较,如表3所示。对比表1和表3可以发现,本文方法与子空间辨识方法的辨识结果非常接近,3个模态的频率、阻尼比的平均值与模态真实参数的偏差较小,且辨识结果有较小的标准差,表明2种方法都能有效辨识系统多个主导模态的振荡频率和阻尼比。与阻尼比相比,模态频率的估计结果更为精确。
振荡振型的辨识有助于直观地显示某模态在电网中的分布情况,能够为系统同调机组识别及快速失步解列等提供重要信息。为方便振荡振型辨识结果的比较分析,以振型幅值最大的通道为基准,对幅值进行归一化;同时对振型相位进行移相处理,使得幅值最大的通道的相位为0°。类似地,计算200次仿真的各通道信号的振型幅值和相位的平均值及标准差σA、σθ,结果如表4所示,表4中同时给出了3个振荡模态振型的特征值分析结果和子空间辨识方法的估计结果,其中振型幅值的平均值和标准差均为标幺值。
从表4的估计结果可以发现,当振型相位有较大的标准差时其幅值都很小(如模态2的G1、G2、G3,模态3的G1);此外,由于相隔较近的模态2和模态3的相互影响,同时参与这2个模态的机组G5和G9的振型估计方差相对较大,但估计结果能够满足工程应用要求。本文方法与子空间辨识方法的辨识结果非常接近,且与特征值分析结果相符,都能有效估计出振荡模态的振型。表4中振荡振型归一化幅值量化了各通道信号对振荡模态的相对参与程度,振型相角则显示了各通道信号的相互摇摆关系。
以上新英格兰系统蒙特卡罗仿真信号的测试分析表明,本文方法及子空间辨识方法都能利用广域时空随机响应有效辨识系统振荡模态,2种方法的辨识性能非常接近。最后,在2.4 GHz i3处理器、4 G内存的电脑上测试了2种方法200次仿真的辨识效率。本文方法和子空间辨识方法的辨识时间分别是24.41 s和231.96 s,可见,与子空间辨识方法相比,本文方法计算更加简单有效。
3 实测信号分析
利用北美广域频率监测系统记录的一组WECC系统的实测信号,分析本文方法利用实际电网广域随机响应辨识系统模态的适应性。北美广域频率监测系统的测量终端频率扰动记录仪FDR(Frequency Disturbance Recorder)通过GPS时钟同步采集配电网单相电压信号,计算频率和电压相量[26]。
FDR在WECC系统的分布如图5所示。WECC系统主要包含2个区间振荡模态:N-S模态(约0.24 Hz)和Alberta模态(约0.36 Hz)。N-S模态是WECC系统北部电网对南部电网的振荡,而Alberta模态是加拿大Alberta地区、AZ、NW、CO及CA南部对WECC中部电网的振荡[27]。
以2012年WECC系统发生的某一大扰动事件为例,选取含有效测量数据的6个FDR,以字母A—F对其编号。读取大扰动事件发生时刻前后各60 min的系统响应,图6为FDR A记录的大扰动发生前后的电压相角信号,其中0 min为事件发生时刻。对扰动后包含明显振荡的暂态响应信号采用Matrix Pencil方法进行模态辨识,仅得到N-S振荡模态(频率0.251 Hz,阻尼比6.7%),表明扰动事件未能充分激励系统的Alberta模态。由于系统的真实模态未知,以下分析将暂态响应信号的模态辨识结果作为评估系统随机响应的模态辨识结果的参考值。
采用本文方法对切机前后截取的6通道随机响应进行模态辨识,设置时间窗为10 min,滑动步长为5 min,得到10组模态估计结果。利用系统广域时空随机响应有效地辨识出系统的2个主要区间振荡模态,由于扰动事件分析结果只得到N-S振荡模态,限于篇幅,仅给出系统N-S模态辨识结果。图7为N-S模态的振荡频率和阻尼比的估计结果,可以发现随机响应的模式参数估计值分布在参考值上下,且与参考值的偏差较小。图8为N-S模态的振型估计结果,从图8(a)的归一化振型幅值图可知,FDR A在N-S模态的参与度最大;从图8(b)的振型相角关系可知,FDR A、B、C与FDR D、E、F之间相差约180°,显示出WECC系统北部电网和南部电网相互摇摆关系,这与文献[27]中的分析结果是一致的。因此本文方法利用广域时空随机响应,不仅能准确估计振荡频率及阻尼比,还能有效辨识出振荡振型。
4 结论
为了有效利用系统广域时空随机响应,提出一种基于VAR建模分析的振荡模态辨识方法。通过新英格兰系统的蒙特卡罗仿真信号和WECC系统实测信号的测试分析,表明所提方法能准确估计多个主导模态的模式参数,同时能辨识出相应模态的振型信息。与子空间辨识方法相比,广域多通道随机响应的VAR建模分析方法计算更加简单有效。因此,本文方法能充分利用广域多通道随机响应的时空特性,全面给出系统的主要振荡模态特征信息,有利于系统运行人员准确掌握系统的运行状态。
摘要：针对利用单通道信号无法准确辨识多个振荡模态,且不能估计振荡振型的问题,提出一种基于广域时空随机响应的振荡模态辨识方法。讨论了广域时空随机响应的向量自回归模型与系统振荡模态之间的联系,采用QR分解实现向量自回归模型参数的最小二乘估计;计算出振荡模态的模式参数,并通过系统随机响应的功率谱峰值确定系统的主导模态;通过新英格兰系统的蒙特卡罗仿真对模态辨识方法进行测试分析,结果表明利用广域时空随机响应能同时准确估计多个主导振荡模态的模式参数和振荡振型,与子空间辨识方法相比所提方法计算更简单有效;最后利用WECC系统的实测信号验证了所提模态辨识方法的适应性。
多模态振荡 第3篇
华裔科学家Huang等人于1998年提出的希尔伯特黄变换(HHT)[1],近年来逐渐应用于电力系统,成为基于量测数据的低频振荡分析方法之一[2,3,4,5,6]。HHT主要由经验模态分解(EMD)和Hilbert变换2部分组成,先将信号通过EMD得到固有模态函数(IMF)分量,然后再对各分量进行Hilbert变换,得到瞬时频率及瞬时幅值,进而可拟合求得低频振荡模态参数。HHT的核心是EMD,只有正确分解出了单频的IMF,基于此而分析得到的模态参数才有意义并准确。
但EMD在实际应用中存在模态混叠问题,最突出的是当信号中2个组成分量的频率在2倍频内时,EMD无法将两者分解开[7,8,9,10,11,12,13],这个缺点降低了EMD的频率分辨率。为了提高EMD的频率分辨率,解决2倍频内分量不可分解的问题,文献[9]提出了掩蔽信号EMD方法,文献[10,11,12]对掩蔽法进行了改进。文献[13]提出了频率外差EMD方法并用于高频信号的分析。文献[14]对频率外差EMD方法进行了改进并用于高频的机械故障诊断。文献[15]将频率外差EMD方法应用于低频振荡分析。文献[16]提出了频移经验模态分解(FS-EMD)方法并应用于低频振荡参数的提取。上述方法主要针对信号中只有2个单频分量的频率在2倍范围内的情况,当信号中存在多个单频信号,且频率依次处于2倍范围内的情况时,上述方法就难以解决。
本文在分析文献[16]的FS-EMD方法的基础上,对调频信号的选择进行改进,使信号频率在平移的同时不发生高低频翻转,并保证高、低频率之比大于2,可用常规EMD方法分解。同时,基于上述改进,提出一种改进的频移经验模态分解(RFS-EMD)方法,此方法与常规EMD方法融合在一起,可针对任意信号进行EMD,不管信号中是否含有2倍频成分,或者是否含有几组2倍频成分,扩展了EMD的信号分解范围。将该方法应用到含有频率相近的区域间或区域内低频振荡的电力系统低频振荡参数的提取具有重要意义。
1 FS-EMD方法的改进
1.1 FS-EMD方法的不足
FS-EMD方法的基本原理见文献[16]。其不足之处在于:该方法与前述大多数方法一样,只考虑了信号中含有2个频率相近成分时的分解方法,不具备EMD的通用性,不能对任意组成情况的信号进行分解。仔细分析其原因,主要有以下2点。
1)信号经过调制后,其组成成分的频率发生了偏移,频率比大于2,可用常规EMD方法分解。但其高低频发生了翻转,即调制前的高频变成了调制后的低频。而EMD方法是根据时间尺度从小到大(频率由高到低)逐步分解信号成分的方法,使用FS-EMD方法,原始信号中的低频成分翻转成高频成分后首先被分解出来。对于信号中只含2个频率成分时,频率是否发生翻转,谁先被分离出来都不影响EMD的分离效果,应用FS-EMD是完全可行的。但当信号中含有多个频率依次在2倍频内的信号成分时,该方法将不能实现其分解。
2)FS-EMD方法中,频移过程和EMD循环分解信号的过程不是有机结合,频移只是EMD前的一个信号预处理手段,信号频移后再进行EMD。
以上2点最终导致该方法不具备信号分解的通用性。
1.2 FS-EMD方法的改进
针对1.1节分析的FS-EMD方法的不足,提出改进措施如下。
1)假设信号中含有2个信号分量,且其频率比小于2,这时在实施频移过程中选取调制信号的频率fm小于信号成分的频率,使调制后的频率只发生偏移而不翻转,为频移和EMD有机融合作好准备。
使用RFS-EMD方法的第1步是确定fm的取值,为了保证(f1-fm)/(f2-fm)>2,须使2f2-f1<fm<f2。一般可取:
2)改进EMD过程,并融入上述频移方法,使改进后的EMD方法具备信号分解的通用性。
由于常规EMD方法是接收待分解信号后,算法内部将信号所有IMF及剩余分量分解完成后返回分解结果,而频移的目的只是让信号可分,分解需要用EMD方法,因此分解之后的信号成分需再次调制还原成原始信号成分,即频移的整个过程中包含了EMD。将频移算法和EMD内部分解得到一个IMF的过程结合起来,形成每分解一个IMF都遵循“频移EMD分解出第1个IMF调制还原”的过程。用RFS-EMD方法分解出一个信号成分的过程可用图1表示。
图中步骤1的目的是,防止比调制频率fm更低频率的信号成分,因调制作用而使频率翻转到与f1-fm成2倍频的范围内,发生新的频率混叠而影响分解,或翻转后频率高于最高成分频率f1-fm,使分解得到的IMF1不是原信号的最高频率成分的偏移。
1.3 RFS-EMD信号分解过程
在对复杂信号进行分析时,首先对原始信号进行快速傅里叶变换(FFT)分析,得到其大概频率成分f1,f2,,fn,且f1>f2>>fn。
为了将常规EMD方法与RFS-EMD方法有机结合,每调用一次EMD算法,只分解出第1个基本模式分量即退出。在每次分解前,都先计算当前信号中最高频成分与次高频成分的频率之比,如果频率比大于2,则用常规EMD方法分解得到当前信号中的最高频信号;如果频率比小于2,则用图1所示的RFS-EMD方法分解得到当前信号中的最高频信号。复杂信号的分解流程如图2所示。
2 RFS-EMD低频振荡参数提取过程
电力系统低频振荡中,某一个振荡模态分量可表示为:
x(t)=Ae-σ tcos(ωdt+θ) (2)
则其Hilbert变换为:
xH(t)=Ae-σ tsin(ωdt+θ) (3)
瞬时幅值和瞬时相位分别为:
进而可求瞬时频率为:
则有
ln a(t)=-σ t+ln A (7)
ln a(t)是关于时间的一次函数,为了精确求取衰减系数σ,对ln a(t)进行一次函数的最小二乘拟合,拟合出的斜率即为σ,拟合出的截距即为ln A。
解析信号z(t)的瞬时相位为:
φ(t)=ωdt+θ (8)
为了精确求取角频率和初相角,对相角进行一次函数的最小二乘拟合,拟合出的斜率即为角频率ωd,拟合出的截距即为初相角θ。已知频率和衰减系数后根据下式计算阻尼:
因此,利用RFS-EMD方法进行低频振荡模态参数的提取步骤如下。
步骤1:运用改进频移EMD方法对原信号进行分解,得到一组有实际物理意义的IMF。
步骤2:对各IMF进行Hilbert变换,根据式(4)辨识瞬时幅值,根据式(5)辨识瞬时相位,根据式(6)辨识瞬时频率。
步骤3:求瞬时频率的平均值即为振荡频率f。
步骤4:对瞬时幅值求自然对数,然后进行一次函数的最小二乘拟合,拟合出的斜率即为σ,拟合出的截距即为ln A,进而可求初始振幅A。
步骤5:对瞬时相位进行一次函数的最小二乘拟合,拟合出的截距即为初相角θ。
步骤6:根据式(9)求阻尼系数ζ。
重复以上步骤2至步骤6,从而完成对低频振荡参数的提取。
3 算例分析
3.1 合成信号
为了与文献[16]有个比较,在文献[16]的合成信号基础上加一个0.4 Hz的信号成分。即假设信号s(t)为:
s(t)=12cos 1.6πt+10cos πt+15cos 0.8πt (10)
s(t)信号中含3个频率成分:f1=0.8 Hz,f2=0.5 Hz,f3=0.4 Hz。
利用常规EMD方法对原始信号s(t)进行分解,得到各IMF及残余信号的分解结果如图3所示。
从图3中可以看到,分解结果中IMF1和IMF2完全不是一个单频信号。通过其FFT分析结果可以看出,IMF1主要含有0.8 Hz和0.5 Hz信号成分,IMF2主要含有0.5 Hz和0.4 Hz信号成分,没能分解出3个原始信号成分。
用文献[16]的FS-EMD方法,取调制频率fm为0.9 Hz,调制后的信号EMD结果如图4所示。
由图4可知,FS-EMD方法分解得到的IMF1完全不是单频信号。因为取fm=0.9 Hz时,原始信号的3个信号成分0.8 Hz,0.5 Hz,0.4 Hz,经过调制并低通滤波后,频率变成了0.1 Hz,0.4 Hz,0.5 Hz,这时的最高频和次高频分量之比为1.25,EMD方法根本没法将其正常地分解开。究其原因是3个信号依次的频率比在2倍范围里,根据FS-EMD方法的规则,没办法找到一个合适的调制频率fm,使3个信号成分通过频率偏移后,都能满足依次的频率比大于2。
采用本文提出的RFS-EMD方法来分解该信号,步骤如下。
步骤1:分解出最高频信号IMF1。因f1=0.8 Hz,f2=0.5 Hz,根据前述选择调制频率的规则,取fm1=0.35 Hz,即m1(t)=cos 0.7πt。调制并低通滤波的信号用EMD方法分解,明显分解出了单频信号。分解示意图如图5所示。本文所述方法每次调用EMD方法分解时不需要分解出所有分量,只需分解出IMF1即可退出,图5是为了说明EMD方法的效果,特地将其余IMF分量也作了分解。下文图6也是同样意图。将步骤1分解得到的IMF1用m1(t)进行调制,并高通滤波,就得到原始信号的第1个基本模式分量IMF1,即为信号的最高频分量。
步骤2:将最高频分量IMF1从原信号s(t)中减去得s1(t),然后又从s1(t)中分解出最高频信号,即原信号的次高频信号IMF2。因为f2=0.5 Hz,f3=0.4 Hz,取fm2=0.35 Hz,即m2(t)=cos 0.7πt。调制并低通滤波的信号再用EMD方法分解,分解示意图如图6所示。将步骤2分解得到的IMF1用m2(t)进行调制,并高通滤波,就得到原始信号的第2个基本模式分量IMF2,即为信号的次高频分量。
步骤3:从s1(t)中减去IMF2,得到s2(t),最后用EMD方法对s2(t)进行分解即可分解出原信号中的第3个分量。
用RFS-EMD方法分解的结果如图7所示。
由图7及各分量的FFT分析可知,分解得到的IMF基本复原了原始信号中的3个信号成分。
3.2 应用于现场低频振荡参数的提取
因为实际系统的数据难以获得,本文仍以文献[16]中某省级电网发生低频振荡的线路现场录波数据作为应用对象。
从文献[16]中可以看到,采用常规EMD方法分解该录波信号,不能分解出有效的单频振荡信号。
根据信号FFT的结果,大致可估计出f1=1.0 Hz,f2=0.6 Hz。根据上文推导的fm需满足的条件,取fm=0.4 Hz。去直后的信号经过RFS-EMD方法分解,得到的分解结果和对应拟合效果如图8所示,可以看出两者基本重合。其FFT分析结果如图9所示。
对得到的2个信号序列,根据第2节中介绍的方法进行低频振荡参数的提取,结果如表1所示。此拟合效果和文献[16]中通过Prony分析得到的结果基本一致。
通过上述合成信号和现场数据的分析,均验证了本文方法的有效性。
4 结语
本文在分析FS-EMD方法的基础上,首先改进调制频率的选择,取调制频率小于信号成分次高频,从而在实现频率偏移的同时不发生高低频率翻转。然后将此原理与EMD方法结合,提出了RFS-EMD方法,该方法每次EMD的目标由之前的分解出所有信号分量,改为只分解出第1个模式分量,并将该分量再用同样调制信号调制后复原成原始信号的第1个基本分量。如此循环,从而达到当信号中含有多个处于2倍频范围内的频率分量时,仍然能正常分解的目的。将此方法应用于电力系统低频振荡模态参数的提取,能更好地适用于现场数据的处理,不管信号中是否含有或含有几个2倍频范围内的低频振荡模态分量。数值仿真和实例分析均表明了本文方法的有效性。
摘要：对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。
多模态振荡 第4篇
随着特高压技术的快速发展,国内电网目前已经形成了以“三华”电网为核心的超大规模同步交流互联电网[1,2]。电网规模不断扩大使电网的动态行为更加复杂,集中体现为近年来频发的低频振荡问题[3,4]。
对低频振荡特性进行快速监测,并准确地辨识出低频振荡模态,有助于实现电力系统有效的阻尼控制,提高电网输电能力和大型电网的稳定性。低频振荡辨识方法经历了从基于模型分析[5,6]到基于实测数据分析[7,8]的发展过程。基于模型的分析方法虽然计算简单,但是在实际的计算过程中,由于已知的物理模型参数未必准确无误,因而无法满足实际系统运行分析的需求。基于实测数据的模态参数辨识方法直接利用量测数据进行分析,以动态数据为分析参考,从而避免了运行过程动态物理模型不准确带来的影响。
目前基于实测数据的低频振荡模态辨识方法主要有快速傅里叶变换( FFT) 算法[9]、小波算法[10]、 Prony算法[11,12,13]等。FFT算法不能反映振荡的阻尼特性; 小波分析的分辨率存在一定局限性,且小波基难以选取; Prony算法能够通过实测数据直接提取振荡模态的幅值、初始相角、衰减因子和频率,算法计算简便,适合低频振荡的在线辨识。但是Prony算法对噪声敏感,当实测数据中含有噪声时辨识结果误差较大,模型阶数辨识不准。为此,一些针对该缺点的改进方法被提出,主要是通过模糊滤波[11]、小波预处理[14]等对实测信号进行去噪,然后对去噪后的信号进行Prony分析。这种前置滤波处理的改进方法对滤波器的精确度要求高,并且不能完全消除噪声对辨识阶次和结果的影响。
匹配追踪算法[15]是一种贪婪算法,主要用于压缩传感[16]中信号的重构。近年来一些学者将其用于电力系统中,主要方面有电能质量分析[17]、状态估计中坏数据剔除[18]、最优金融输电权[19]和低频振荡模态辨识[20,21]。其中模态辨识主要是先构造完备原子库,然后利用匹配追踪及相关算法找出主要的原子,即为主导模态。这种方法采用超完备原子库,需要追踪大量的原子,而且辨识精度越高,需要匹配的原子数量越多,计算量也变得越大。
针对上述问题,本文提出了一种差分正交匹配追踪( DOMP) 和Prony算法相结合的电力系统低频振荡模态参数辨识方法,该方法先用扩展Prony算法对经过预处理的实测数据进行分析,将分析结果作为原子库,既保留原始信号所包含的信息,又大大减少了需要追踪的原子数量,然后利用DOMP算法找出主导振荡模态,最后采用2-范数优化对辨识结果进行优化,从而实现低频振荡模态的准确辨识。 本文利用EPRI-36节点系统和实际电网相量测量单元( PMU) 数据作为仿真算例对本文方法进行验证, 结果表明,该方法计算准确,能够满足低频振荡模态辨识的要求。
1理论基础
1.1扩展Prony算法
Prony算法用一组复指数函数的线性组合来描述等间距的采样数据,通过采样值估算出信号中包含的不同分量的幅值、初始相角、衰减因子和频率。 Prony算法采用的离散时间函数模型为:
式中: n = 0,1,…,N - 1,其中N为总采样点数; Ai, θi,αi,fi分别为振荡模态的幅值、初始相角、衰减因子和频率; p为模型阶次,即振荡模态的个数; Δt为采样间隔。
目前已有大量文献对Prony算法进行分析,本文不再赘述,详细原理可参考文献[22]。
1.2正交匹配追踪
对含噪声的实测数据进行Prony分析后,其结果包括被噪声干扰的主导模态和由于噪声产生的伪模态。从众多振荡模态中挑选出主导模态,在保证拟合误差较小的前提下使得挑选出的主导模态中伪模态的个数最小,等效于求解优化问题( 式( 2) ) 。
式中: s为实测信号,即待拟合的数据; x为Prony分析之后的模态分量; T为转换矩阵,当s与x具有相同量纲时取为单位矩阵E; ‖·‖2为向量的2-范数; ‖·‖0为向量的0-范数,表示向量中非零元素的个数。
目标函数中2-范数部分的目的在于降低拟合误差,0-范数部分则是为了减少伪模态的个数。由于0-范数优化 属于NP-hard ( nondeterministic polynomial-time hard) 问题,实际计算中通常用1-范数代替[23],因此转化之后的优化问题如( 3) 所示。
对于上述优化问题可以采用传统的数学优化方法( 如梯度法) 来求解,但1-范数优化问题在0点不可导,问题复杂度高,数学优化方法难以满足计算时间上的要求。正交匹配追踪( OMP) 算法[24]是对匹配追踪算法的改进。OMP算法的基本思路是每次迭代过程从原子库中选择与信号最匹配或最相关的原子,求出拟合信号并计算残差,然后继续寻找与残差最匹配的原子,直到满足迭代收敛条件,从而得到信号的拟合表示。在每次选择原子的过程中通过Gram-Schmidt正交化方法递归地对信号残差正交化,从而保证迭代的最优性,减少迭代次数。
OMP算法通过模态与信号的内积大小来辨别与信号最相关的模态,内积值最大即最相关,也就是主导模态。该方法本质上与一些文献中提出的模态能量级有相似之处,但更多地体现了相关性这一概念。信号与模态的内积可以看成是信号在该模态上的投影,对残差信号的正交化保证了信号与模态的正交投影。内积值越大表示信号在该模态上的投影值越大,也就说明信号中该模态的比重越大,相关性越高。针对优化问题( 式( 3) ) 的OMP算法的步骤如下。输入: 转换矩阵T,实测信号向量s,迭代收敛阈值 σ。输出: 实测信号s的近似拟合。初始化: 残差r = s,迭代次数t = 1。
步骤1: 找出残差r与过完备原子库Tx的列 φj作内积运算后的绝对值最大值所在位置k,即
步骤2: 记录找到的拟合原子库 Φt= [Φt - 1, φk],在过完备原子库中将已找到的原子 φk去除, 避免重复寻找。
步骤3: 使用正交 化更新残 差r = s < Φt,s > Φt/ < Φt,Φt> ,引入残差 指标IRNS= (< r,r>)1/2/ N,t = t + 1。
步骤4: 判断相邻两次残差指标变化率 η = ( IRNS,t - 1- IRNS,t) N/(< s,s>)1/2是否小于收敛阈值 σ, 若满足,则停止迭代,若不满足则跳转步骤1。
1. 3 DOMP
通过仿真试验可以发现,OMP在辨识Prony分析结果中的主导模态时,若原始信号中噪声程度较大,则OMP对伪模态的剔除效果并不理想。为此, 本文采用信号的一阶导数作为OMP辨识的输入信号,由于实测信号是离散的时间序列,故采用数值差分近似信号的一阶导数。正余弦类信号求导并不影响信号的频率和衰减,仅对信号的幅值和初始相角有所改变。求导对信号的幅值放大倍数与信号分量的频率成正比,考虑到低频振荡模态的频率比较小, 由此对不同模态之间的影响较之噪声对模态的影响更小。而数值差分选用相邻多点的差值,能够有效地消减噪声对信号的干扰。基于此改进提出DOMP算法。
如式( 4) 所示,信号中包含3个振荡模态,对该信号加入不同幅值的( 0,1) 均匀分布噪声w,然后利用扩展Prony分析,设定信号阶次为10,Prony分析结果包括3个主导模态和7个伪模态。对这10个模态进行OMP辨识和DOMP辨识,采用同样的收敛阈值,辨识结果对比如表1所示,由表1结果可知, DOMP对信号的主导 模态个数 辨识结果 要优于OMP。
2基于DOMP和Prony算法的模态参数辨识
基于DOMP和Prony算法的低频振荡模态参数辨识整体流程如图1所示,具体计算流程如下。
1) 数据预处理
为了提高对低频振荡模态的辨识精度,需要对实测数据进行预处理,包括去趋势、降低采样频率和低通滤波[25]。去趋势是剔除信号中的低频趋势,提高信号信噪比的有效手段,本文采用的是基于HHT ( Hilbert-Huang transform) 的去趋势技术[26]。电力系统实测数据的采样频率通常为50 Hz或更高,而低频振荡的频率一般处于0. 2 ~ 2 Hz之间,因此为了降低计算量,提高计算效率,需要降低对实测数据采样的频率。根据香农定理,将采样频率降到4 Hz,为留有一定裕度,本文采用5 Hz。为了进一步去除低频振荡频段外可能存在的噪声,将得到的信号通过低通滤波器( 截止频率为2 Hz) 。
2) 扩展Prony分析
对经过数据预 处理之后 的实测数 据,按照1. 1节中的扩展Prony算法计算分析,得到包含有主导模态和伪模态的众多模态参数。在电力系统低频振荡分析中,通常只对少量的主导模态感兴趣,为了保证辨识结果对系统的可观测性,同时不至于产生过多的伪模态,扩展Prony分析的阶次通常预设为8 ~ 12。
3) DOMP算法定阶
将扩展Prony分析所得的全部模态作为1. 2节中DOMP算法的完备原子库,给定DOMP算法的收敛阈值,利用DOMP算法迭代寻找出实测信号中低频振荡的p个主导模态x1,x2,…,xp。
4) 2-范数优化
由于实测数据中含有噪声的干扰,扩展Prony分析所得主导模态的参数均受到影响,需要对其进行优化校正。利用DOMP算法寻找到的p个主导模态对原始实测信号进行拟合,以拟合误差的2-范数作为优化目标,如式( 5) 所示。其中,优化变量为p个主导模态x1,x2,…,xp所涉及的参数Ai,θi,αi,fi, 变量初始值为前3步辨识结果,本文采用内点法对该优化模型进行求解。
3算例分析
3.1EPRI-36节点系统算例
本文以中国电力科学研究院EPRI-36节点系统作为仿真算例,系统单线图见附录A图A1。扰动设置为节点19与节点30之间在0 s发生三相接地短路,0. 12 s故障切除。选取1号机组G1为参考机组,以各发电机组相对G1的功角差信号作为辨识信号。
附录A表A1中给出了使用PSASP中小干扰稳定分析程序计算所得的主导模态。表2为使用本文方法辨识所得各发电机组的主导模态。由表2结果可知,所有发电机组都参与了0. 77 Hz和0. 98 Hz的区间振荡模态,所有机组阻尼最弱的模态都为0. 77 Hz振荡模态,较之0. 98 Hz振荡模态振荡幅值更大,衰减更慢,因而是最主要的区间振荡模态。此外,2号和4号机组G2和G4还辨识出1. 78 Hz振荡模态,幅值较小,衰减也较快,属于本地振荡模态。 表2中辨识所得的结果与小干扰稳定分析结果比较吻合,能够辨识出系统的主导模态,说明了本文方法的有效性。
以7号发电机组G7为例,G7与G1功角差曲线及预处理后数据如图2所示。本算例中扩展Prony分析阶次选为12,经过扩展Prony分析后,得到12个振荡模态。扩展Prony拟合曲线如图3中对应曲线所示,由图可知,Prony辨识所得的12个模态基本上与原始信号吻合。通过DOMP定阶算法计算后,得到两个主导模态,具体模态参数如表3所示,由此可以看出,DOMP算法可以准确地剔除伪模态。同时,利用Prony辨识结果作为DOMP辨识的原子库,大大减少了需要追踪的原子数量,使得原子库中原子更具有针对性。表3给出了2-范数优化前后振荡模态参数对比,最终优化结果拟合曲线如图3中对应曲线所示,由表和图中结果可知,经过2-范数优化后振荡模态参数更为准确。
本文方法和扩展Prony算法拟合结果与原始数据之间的误差分布如图4所示,由图3和图4可以看出,本文方法辨识结果拟合曲线与原始信号误差更小,拟合更加准确,这说明本文方法可以更准确地辨识低频振荡模态。
3.2实际系统算例
以南方某电网中的某变电站220 k V线路发生短路故障后的PMU实测数据为例,采样信号为A相电压相角,采样周期 为40 ms,取样时间 段为15: 47: 14. 400至15: 47: 34. 960,A相电压相角数据如图5所示。
本算例中扩展Prony分析阶次选为12,经过扩展Prony分析后,得到12个振荡模态如表4所示, 其中DOMP辨识出6个真实模态,剔除了其余6个伪模态。
使用本文方法辨识所得结果如表5所示。由表5可知,该线路发生短路故障后系统中存在6个振荡模态,其中1. 173 Hz振荡模态振幅最大,同时阻尼也最强,因而衰减最快; 0. 443 Hz振荡模态阻尼最弱,但振幅很小; 0. 359 Hz振荡模态阻尼较弱, 振幅较大,是最主要的振荡模态。所有6个振荡模态都呈现正阻尼,因此整个曲线表现出衰减振荡趋势。由本文方法辨识结果拟合所得曲线和扩展Prony算法拟合曲线与预处理后电压相角曲线对比如图6所示。两种方法拟合结果与原始数据之间的误差分布如图7所示,由图7可知,本文方法拟合误差更小,辨识结果更准确。
4结语
本文针对Prony算法在低频振荡模态参数辨识过程中对噪声干扰敏感以及模型阶数确定困难导致产生伪模态等不足,提出一种应用DOMP和Prony算法相结合的低频振荡辨识方法,EPRI-36节点仿真算例和实际系统PMU数据算例验证表明,本文提出的辨识方法能够准确有效地进行低频振荡模态辨识。
多模态和多模态外语教学模式探讨 第5篇
近年来, 国内对多模态话语研究也呈多样化态势, 从微观到宏观, 从理论探讨到实证研究都有所涉及, 较为完整的多模态话语研究体系也在众多研究人员和教育工作者的不懈努力之下逐步形成。随着新技术的广泛运用, 教学发生了急剧的变化。基于国内外著名学者的多模态理论和多模态话语研究, 近年来, 国内许多外语教育工作者认为, 这些理论和研究对外语教学研究有一定的指导作用, 对外语教学有着积极的指导意义, 认识到多模态语篇在课堂中的应用非常必要。因为, 多模态外语教学模式正是将多种模式与传统模式相结合, 以提供更为真实的交际语境为教学手段, 以实现在校学生参与社会实践活动为目的, 以培养具有对社会有用的外语交际能力的人才为教学效果。新的外语教学的多模态模式是一个完全不同于以往以教师为主导、以单一的语言解释为手法的传统教学模式。多模态教学模式则是使学生通过多种符号载体更形象、生动地传递信息, 让学生能更容易地理解、记忆、转化与应用所输入的信息, 从而大大提高学生的学习兴趣, 实现从传统的以教师为中心向以学生为中心转变的教学思想;培养学生自主学习与实践应用能力。
新的大学英语课程教学要求 (2007) 中指出“教学模式的改变不仅是教学方法和教学手段的变化, 而且是教学理念的转变, 是实现从以教师为中心、单纯传授语言知识和技能的教学思想和实践, 向以学生为中心、既传授语言知识与技能, 更注重培养语言实际应用能力和自主学习能力的教学思想和实践的转变, 也是向以培养学生终身学习能力为导向的终身教育的转变。”面对全新的要求, 面对现代信息技术的快速发展, 传统单一的语言教学模式已经无法满足社会对高素质人才要求。时代强调信息传播的多样性及技术的重要性。技术尤其是数字技术的广泛运用带来了教学领域的深刻变革。在当今的外语教学过程中, 社会需求、交际工具及文化与语言的多样性要求教学从基于语言的传统教学方法向范畴更加广泛的多元识读教学法转变。教师采用什么样的教学方法、运用何种媒体手段、如何将多模态融入教学设计中以达到最佳教学效果, 实现最理想的教学目的, 是我们每个从事外语教学的教师必须认真研究课题。众所周知, 语言之所以容易识别是因为它是一维的、线性的, 所以对语言的语法的解析会比较容易。如果我们在教学中进行多模态的识别和解读就不会那么简单直接, 因为图像、空间、电影分别是二维、三维和四维的。它们之间是什么关系、各起什么作用、多模态如何配合使用, 我们又如何在外语教学中处理好语言与文字、语言与音乐、语言与图像、文字与录像、图像与音乐等的关系, 这是个复杂的问题, 但同时又是我们必须通过不断探索继而解决的问题。
那么, 我们又如何在外语教学过程中将多个模态很好地结合、配合、协同和合作才能既有利于学生的学习和理解, 并且激发学生的学习兴趣和欣赏水平呢?首先, 在外语教学中, 可以尝试将把课堂话语视作一种语类结构, 构建外语教学的基本框架, 以理论作为多模态选择的依据和选择的原则。对语言教学中的不同课程选择合适的多模态并且合理调用、组合和搭配多种模态以达成学生建构意义、发展意义潜势的目的。其次, 充分利用信息技术, 将多元文化通过网络、视频、图像、声音等多种媒体形式呈现给学生, 充分调动学生的视、听、触觉等感官, 激发学生的学习兴趣, 从而更好地促进多模态话语理论在教学实践领域中的运用。在这一过程中, 还有两个关键点, 那就是课件的制作和教师的多模态展示。要想刺激学生的感官和听觉, 单一的文字课件或死板的图片播放已经很难达到理想的效果。配有相应的视频、有趣的动画以及美妙的音乐才能起到赏心悦目和记忆深刻的效果。当然, 学生多模态的学习方式的好坏还取决于外语教师在课堂上是否有恰到好处地进行多模态展示。如果课堂教学只是课件的播放, 那么, 课堂教学也只是在走马观花。因此, 教师既要有恰到好处的身势语, 也要注意语言讲解和图片、视频等的配合。另外, 饱满热情的面部表情和抑扬顿挫的语音语调会对学生产生积极的影响作用。
总之, 信息技术的飞速发展对传统单一语言模态和传统的外语课堂教学模式形成了巨大的冲击。多模态语篇的出现打破了传统概念上对语言的理解。当下的交际是集文字、图像、声音等符号于一体的多模式交际。单纯传授的口授语言知识与技能不但无法满足学生的求知欲, 对学生学习效果的影响也是必然的。而多模态环境下的外语教学模式体现了信息化外语教学的特点, 是一种兼顾教师与学生双方能动性的综合型教学模式, 它可以让教学系统内外各因素达到真正的平衡。因此, 现代外语教学中一定要以先进的多模态话语理论为指导, 加强研究多模态话语在视觉交流和大学外语教学中的广泛运用。要充分利用多媒体设备、网络平台、PP课件等教学手段将教学与视觉、听觉、环境、体态语等多种模态结合与配合, 让教学设计最优化以及学生学习效果最佳化, 努力让学生的抽象思维与形象思维相融合, 不断提高教学效率和效果。只有这样, 外语教学才能真正使学生学有所用。
摘要：随着现代科学技术的飞速发展, 人与人之间进行交流和互动的方式发生了巨大的变化。以文字为主的交流模式和时代早已成为过去。人们在交际中经常使用多种模态或符号来表达意义或传递信息。同样, 在外语教学过程中, 单纯用语言表达意义已经无法对话语进行全面的诠释和研究。事实上, 话语的意义除了可以通过语言来体现, 它还可以由语言之外的其他符号系统, 或者多种符号系统如音乐、图像、图表、颜色、空间以及其他可以用来构建意义的各种符号或多模态实现意义交换, 从而对话语意义有更加全面、准确的解读。本文着重就什么是多模态以及我们在外语教学的课堂设计中如何将单一的语言教学模式变为多模态的模式进行了简单的分析和研究。
关键词：多模态,多模态话语,外语教学,课堂设计
参考文献
[1]张德禄.多模态学习能力培养模式探索.[J]《外语研究》, 2012.
[2]韦琴红.视觉环境下的多模态化与多模态话语研究[M]北京.科学出版社, 2009.
[3]张淑杰.大学英语教学中多模态协同作用下的意义建构[J]中国海洋大学学报, 2011.
多模态振荡 第6篇
1 多模态话语分析的理论基础
多模态话语分析始于上世纪90年代, 它的主要理论基础是Halliday创立的系统功能语言学 (Halliday 1978, 1994;Halliday&Matthicssen 2004) 。Kress, G.&Van Leeuwen研究了模态与媒体的关系, 专门探讨了多模态现象规则的表达意义的现象, 在《图像阅读》 (Reading Images) 一书中, 比照韩礼德的系统功能语法中的概念、人际、语篇三大纯理功能, 将多元功能的思想延伸到图像上构建了第一个系统全面的视觉语法分析框架。即再现的 (representational) 、互动的 (interactive) 和构图的 (composition) .如下表所示。Kress&Van提出的视觉语法理论也成为大多数语言学家在研究图像构图意义时的主要理论依据。
国内对多模态话语分析的起步比较晚, 主要代表人物有胡壮麟 (2007) 、朱永生 (2007) 、张德禄 (2009) 等。他们从系统和功能的角度重点研究多模态语篇的三大功能, 即表征功能、导向功能和组织功能, 认为语言与其他符号资源共存, 共同建构意义。
2 对竞选选手PPT制作的研究个案分析
2.1 研究背景
2011年12月30号, 笔者参加了上海大学研究生联合会举办的第28界研究生联合会新一届委员竞选演讲。本次活动发起者是上海大学研究生工作党委、上海大学研究生工作团委、上海大学研究生联合会。竞选选手为研究生与博士生, 其中研究生58人, 博士生2人;女生34人, 男生26人;要求选手将自己的演讲时间限定在一分钟左右, 上下浮动时间为15秒, 每位选手制作1到5张幻灯片, 以简洁、有力、与众不同的方式展示自己, 以获得代表的认同。笔者在经过选手同意后, 对每位选手的PPT进行分析研究。促使笔者进行此次分析的原因有两个, 一是PPT作为多模态话语的一种是如何通过Kress&Van所提出视觉语法实现语篇的三大功能, 进行意义构建的。二是当今人们对PPT的看法, 大多数将其看作是一种传递信息的工具, 而很少有人将其看做是一种语篇或某种语类。此次研究目的在于对以上两个问题给予合理解释。
2.2 研究对象PPT的基本情况
根据PPT语篇模态的关联程度及其复杂程度, 可将PPT分为以下几类:
3 分析与讨论
3.1 自然语言的功能
自然语言作为传统上表达意义的首要模态, 毫无疑问在以PPT为主要多模态形式的竞选演讲中扮演者重要角色, 在60篇PPT中, 语言主要通过以下几种方式呈现。
1) 文字与图片同步。
如48号选手的PPT。以人人网个人主页作为整体大背景, 以及制作者在研会期间参加的活动的图片, 辅之以文字作更加详细的解释, 形象而又不缺乏个性美与创新性。
2) 幻灯片语言通常是简短的小句或是成对称形的自由体。例如:
50号选手的PPT:
胡壮麟在《对一次PPT演示竞赛的语篇分析》中指出幻灯片作品中的语句不长, 大部分采用短语的形式。
3.2 图像模态的功能
在60篇PPT中, 7张只带有文字, 53张为文字与图片相结合, 并且在这53张PPT中, 不乏带有动画的图片。
1) PPT中含有动画, (如30号选手的PPT) 每张图片中都有相应的文字解释, 其中一张是“我就是某某, 一个充满正能量的女孩”。图片中的文字、展示者的表情将竞选者所要表达的内容以图片的形式展现出来, 从文字我们得知竞选者在研会期间参加的活动, 文字与表情共同突出竞选者的特点:活泼、可爱、热爱研会。即Kress and Van根据Halliday三大元语言功能中的概念功能所提出的图片再现功能的实现。
30号选手的PPT, 如图3所示。
2) PPT出现形式多样化, 如27号选手的PPT, 如图4所示。
整张PPT被明显的分割成四部分, 四幅图片都以箭头相连接, 这里的箭头充当矢量的角色, 引导着受众者从左到右, 从上而下接受信息, 达到概念再现功能。Halliday指出语篇功能是指语言用于组织信息的能力, 从此张PPT中, 我们可以明确得知图片是如何实现组织信息的能力, 即Kress&Van提出的图片再现意义。
3) PPT的颜色搭配多种多样, 整体呈现和谐感。如38号选手的PPT:
整张PPT共有六个主色调组成, 色调以斜线的方式连接在一起, 每部分之间的分割明显, 呈显著性分布。显著性指的是元素吸引观察者注意力的不同程度, 可通过被放置在前景或背景、相对尺寸、色调值得对比 (或色彩) 、鲜明度的不同等来实现 (李战子) 。这也就是为什么多色调却还能呈现出和谐的效果, 并且色彩的鲜明度更容易引起受众者的注意力。
从以上PPT中, 我们可以看出图片是如何通过Kress&Van的视觉语法 (The Grammer of Visual Images) 实现图像、图片的三大功能的, 并且也展现了用Halliday的三大元语言功能解释图片等多模态意义构建的可行性与可操作性。
4 结束语
笔者对上大研究生代表大会竞选演讲PPT的分析与研究, 表明PPT制作者以文字, 图片, 动画, 音频等形式向受众传递信息, 尤以视觉和听觉两种模态为主, 这也就需要受众者运用听觉和视觉接受演示着所传递的信息, 以完全接受由多模态所构建的意义。单纯靠某一单一模态构建信息是有缺陷的, 并不能完全深入表达制作者的意图或是受众者很难从单一的模态中提取关键信息, 重要信息。这也充分证明意义的构建和传递是多模态的, 并从中延伸出PPT可以作为一种语篇或某一特殊的语类而存在, 而不再是简单意义上的工具或演示方式。
参考文献
[1]Kress G, Van Leeuwen.Reading Images The Grammer of Visu al Images[M].London:Routledge, 1996.
[2]Kress G, Van Leeuwen.Multimodal Discourse:The modes and media of contemporary communication[M].London:Arnold, 2001.
[3]朱永生.多模态话语分析的理论基础与研究方法[J].外语学刊, 2007 (5) .
[4]张德禄.多模态话语分析综合理论框架研究[J].中国外语, 2009 (1) .
[5]胡壮麟.意义的多模态构建—对一次PPT演示竞赛的语篇分析[J].外语电化教学, 2006 (6) .
[6]Halliday M A K.Spoken and Written Language[M].Oxford, UK:Oxford University Press, 1990.
[7]丁薇.意义的多模态构建与大学生的多元表达能力的研究[J].哈尔滨职业技术学院学报, 2011 (1) .
[8]罗礼, 肖振华.如何设计高质量的PPT教学课件[J].经营管理者, 2010 (24) .
[9]张德禄.多模态话语理论与媒体技术在外语教学中的应用[J].外语教学, 2009 (7) .
[10]胡雯.多模态话语分析在英语教学中的应用[J].山东理工大学学报, 2011 (5) .
多模态振荡 第7篇
多模态话语分析者对模态间关系的探究是为了阐明多种模态符号资源进行意义整合时的运作机制。所谓模态间的关系实际上是指不同语法系统之间在体现话语意义上的关系。 (张德禄, 2009:30) 自法国符号学家Barthes (1977) 率先提出三种图文关系 (说明、锚定和传递) 以来, 不同学科领域的研究者纷纷从各自的研究兴趣和关注点出发, 探索语言和其他符号资源在多模态整体意义建构中的作用, 寻求多模态意义增值的运作机制, 如O’Toole ([1994]2011) 、North (1995) 、Pegg (2002) 、Martinec&Salway (2005) 、Royce (2007) 等。
国内学者对多模态话语研究也表现出极大的关注。朱永生 (2007) , 张德禄 (2009) , 杨信彰 (2009) , 李战子、陆丹云 (2012) , 代树兰 (2013) , 吴鹏、王海啸 (2014) 等学者纷纷从系统功能语言学理论、多模态与话语分析理论、多模态与语言教育等不同的角度开展多模态话语理论引介和相关实证研究。模态间关系是多模态话语分析的重要内容, 对其运作机制的认识是理解多模态话语建构的关键。因此, 了解国内学者对模态间关系的认识、所取得的成果及存在的问题, 对今后深入探究模态间的互动关系、相互作用以及不同模态组合在整体意义建构中的运作机制, 尤其对构建国内多模态话语分析理论以及多模态话语发展走向有着十分重要的作用。
2 数据与数据收集
本文通过搜索关键词“多模态”, 检索出自2009年1月以来中国期刊网上刊登在12种外语类核心刊物上与多模态话语研究相关的论文, 共计102篇。初步统计表明, 这102篇论文中, 提及模态间关系的论文有42篇, 占总数的41%。可见, 近五年来多模态话语研究以及对模态间互动关系的探究一直究备受国内学者关注。目前国内涉及模态间互动关系论述的论文大多研究集中在多模态理论的介绍、分析框架的建构, 以及多模态分析法在具体案例中的运用, 系统性探究模态间关系的研究相对较少 (见表1) 。
对于多模态的判断, 主要看涉及的模态种类有多少, 这是当前语言学界普遍认可的标准。只使用一种模态的话语叫做“单模态话语”。同时使用两种或两种以上模态的话语叫做“多模态话语”。也有人把同时使用两种模态的话语叫做“双模态话语”。 (朱永生, 2007:83) 本文将从双模态和多模态两个维度总结模态间关系, 因为模态种类的数量对模态间关系的复杂程度有直接影响。适当的区分有助于发现双模态和多模态研究中对模态间关系阐述的异同, 加深对多种模态符号意义整合机制的理解。通过对筛选出的42篇文章的分析, 不难发现双模态研究与包含三种或三种以上模态的多模态研究呈现出不同的状态。在研究数量上, 涉及到三种或三种以上的多模态实证研究相对较少 (见表1) 。在研究对象方面, 双模态实证研究的语料种类更加丰富, 涵盖了会徽、视觉诗、广告语篇、报刊杂志、古代山水写意画等, 而多模态的分析语料多集中于课堂话语或视频语篇。
3 双模态互动关系和多模态互动关系
(1) 双模态理论研究
表1显示, 现阶段的多模态话语研究多集中于语言和视觉两种模态, 即探究文本和图像之间的相互关系, 也称图文关系。国内多模态话语研究中对图文关系的阐述基本上都引用了国外学者所提出的分类框架。法国符号学家Barthes的图文关系分类对国内学者的研究影响深远。Barthes (1987:25) 认为文本和图片存在三种关系:文字附属于图片、文字与图片互补以及文字强化图片。谢竞贤 (2011) 就以Barthes的分类框架为基础论证多模态隐喻中言语模态和非言语模态之间的关系。谢竞贤 (2011:51-52) 认为文字文本可以消除非文字隐喻文本中的不确定性和歧义, 起到画龙点睛的作用, 但在多数情况下, 文字文本解释图片文本内容, 以此强化同种信息的表达。Martinec&Salway (2005:337-371) 借鉴了系统功能语言学的思想, 提出“地位”与“逻辑语义学”并行的图文关系系统。逻辑语义关系是在概念意义层面, 对图像和文字的意义进行匹配, 主要包括扩展和投射两大类关系。扩展是一种模态拓展了另一种模态, 投射是一种模态重复了另一种模态所表达的意义。谢妮妮 (2014:21-25) 采用插画版《格林童话》作为研究语料, 以Martinec&Salway的分类为基础, 对图文关系的人际意义进行逻辑语义扩展关系, 发现图文之间存在着三种表达人际意义的逻辑语义扩展关系:详述、增强和延展。杨信彰 (2009:11-14) 论述多模态的协作和互补机制时引用了Royce提出的基于页面的符际互补框架。这个分类框架受到了系统功能语言学衔接理论的影响。从系统功能语言学的三大元功能出发对语言模态进行解读, 然后结合视觉语法对静态图像的意义进行理解。由于视觉语法的理论基础也是系统功能语言学, 所以Royce (2007:63-109) 认为语言模态和视觉模态所表达的意义可以在概念、人际和语篇三个层面进行匹配。从概念意义上讲, 图像和语言之间存在着类似于语言本身之间的关系, 如重复、同义、反义、部分—整体和上下义搭配关系;在图文并置话语的人际意义表达上, 存在强化图像—受众关系、图像—文字所表达的态度一致或态度不一致的关系;从语篇层面来看, 图像和语言之间存在着信息评估、内容突显、阅读路径异同的关系。
(3) 双模态实证研究
在双模态研究的个案中, 研究者们会论述模态间的相互作用对多模态整体意义建构的作用。如在对视觉诗的多模态分析中, 张旭红 (2010:89) 指出在e.e.cummings的Me up at does诗中视觉符号有力地强化了诗歌的诗情与诗意的传达。言语模态以外的模态系统对语篇意义的整体构建的辅助或加强作用是不可小视的。在对一幅中国古代山水写意画进行多模态意义解读时, 李美霞和宋二春 (2010:9) 认为图像、颜色、语言文字等各种符号组合在一起形成了一个由图像组成的图像行为和由语言文字组成的言语行为, 两者相互作用又形成一个统一的符号资源, 完成意义共建。在阐释会徽的多模态意义时, 孙毅 (2012:46) 指出各种符号模态相互补充、相互增强, 共同参与了意义的整体建构。文字是对图像的释义、拾遗与说明, 使之更加明白确切;图像是文字中心思想的集结与凝蓄, 使之更加鲜活生动。由于会徽的特性, 要以图像为主、文字为辅。在对西方报道的政治漫画进行多模态话语分析时, 吴安萍和钟守满 (2014:27-28) 发现, 图像、文字、颜色等符号模态都参与了意义构建, 正是这些符号协同构建使语篇意义远超单模态文字表达的效果, 并且图像表达能给图像观看者带来视觉冲击, 要远比文字表达更形象和直观。分析上述实际的案例, 不难发现虽然各自分析对象不同, 但是有些种类的图文关系反复出现, 如依附 (层级附属) 、互补 (意义补缺/消除歧义) 、意义一致 (强化) 这几种关系。
(3) 多模态理论研究
张德禄 (2009:26-27) 根据系统功能语言学理论尝试建立一个多模态话语分析的综合框架, 其中对各个模态之间的关系进行了详细地阐述:分为互补性的和非互补性的两大类。当一种模态不能充分表达其意义, 或者无法表达其全部意义, 需要借助另一种来补充, 这种模态之间的关系被称为“互补关系”, 而其他的被称为“非互补关系”。在互补关系中, 需要区分强化关系 (突出、主次和扩充) 与非强化关系 (协调、联合和交叉) 。非互补关系表示第二种模态对第一种在意义的体现上并没有大的贡献, 但仍然作为一种模态出现。这种关系一般体现为以下几种形式:交叠 (冗余、抵消和排斥) 、内包 (整体与部分、抽象与具体) 和语境交互 (依赖、独立) 。曾方本 (2009:31) 论述多模态符号整合后语篇意义的嬗变时指出如果说每一个单模态语篇是一个小语境 (c1, c2, c3…) , 那么整合后的多模态语篇就是一个大语境 (C) , 从小语境到大语境就有以下三种语意变化的形式, 即c1+c2+c3…+cn=C、c1+c2+c3…+cn>C和c1+c2+c3…+cn<C。
(4) 多模态实证研究
在具体的多模态研究案例中, 不同研究者根据各种模态所传达出的意义, 总结出对应的模态间互动关系, 基本上和张德禄 (2009) 提出关系分类是一致的。如洪岗和张振 (2010:23) 以北京奥运主题曲《我和你》这段视频作为分析语料, 认为画面 (图像、文字、数字、颜色) 和声音等几种交际模态处于非强化的关系中, 它们在构建意义过程中缺一不可、互为补充。非强化关系又可以区分为协调、联合和交叉。张德禄和王璐 (2010) 在分析大学英语课堂教学中, 各种不同模态是如何相互协同共同完成教学目标时沿用了张德禄 (2009) 提出的分类框架。
4 讨论与反思
从理论研究层面看, 国内对模态间互动关系的论述缺乏多样性和准确性。缺乏多样性是指模态间关系框架大多限定于国内外几位著名学者所提出的分类, 如Barthes (1977) 、Martinec&Salway (2005) 、Royce (2007) 、张德禄 (2009) 等。事实上, 目前国外学者提出的图文关系或多模态间互动关系远不止这几种, 如Marsh&White (2003) 、van Leeuwen (2005) 、Unsworth (2007) 等学者都从不同的角度提出自己的图文关系分类。因为不同领域的研究者对图文关系或多模态间互动关系的关注点有所差别, 不同研究视角所得到的结论往往有所不同, 这意味着若要全面理解模态间互动关系必需要从多个视角进行探索。缺乏准确性是指现有分类的准确性都有待进一步实证研究的验证。比如Royce (2007) 的基于页面的符际互补框架聚焦图文关系。此框架完全建构在系统功能语言学的基础上, 对于语言模态和视觉模态都是从三大元功能角度解读, 因此从单模态意义解读到双模态关系匹配都是在功能语言学范式内进行, 保证了分析过程的一致性。但是系统功能语法影响下的视觉语法存在缺乏认知理据的问题, 一直受到学者的质疑 (冯德正、邢春燕, 2011:56) , 从而影响了这个分类框架的准确性和科学性。
另一方面, 从实证研究角度来看, 国内模态间互动关系的阐述缺乏系统性。通过分析多模态实例研究, 不难发现多模态研究者的分析路径大体上是一致的, 首先对多模态语篇进行模态解构, 然后借助单模态的语法框架 (如视觉语法) 进行意义解读, 最后进行多模态意义整合, 探讨多种模态如何共同作用产生新的整体意义。多模态意义整合必然涉及到对模态间的关系进行说明和阐释。在实际案例分析中, 研究者会根据当下解读出的单模态意义自行进行双模态 (如图文关系) 或多模态意义匹配或有机组合。但不管是双模态还是多模态研究, 对于各种模态之间的相互关系的阐述都是比较零散, 不具备系统性。这样的分析过程难免会造成多模态研究的随意性, 降低了严谨性。这也是多模态话语研究受到语法或文本分析主观性太强限制而引起争议的主要原因之一。
5 今后研究的建议
尽管目前国内对不同模态间关系的研究越来越多, 但是无论是理论研究还是实证研究都仍然存在一些不足。通过以上对现阶段国内模态间关系的回顾和反思, 可以发现未来的研究要注意以下三个方面:
(1) 理清模态间相互关系的前提是正确解读单模态所传达的意义。一方面可以通过建构更加系统性的单模态语法框架来识别某种模态的意义;另一方面, 利用先进的分析软件, 如ELAN与Sony Vegas视频分析工具、Praat音频分析软件等, 为多模态意义解读提供技术支持。
(2) 建构模态间相互关系框架时要注意以下三方面:1提高分类标准的准确性。精准的分类标准有助于不同的分析者得到同样的结论, 增强模态间关系框架的内部信度。2根据语类归纳模态间关系。不能脱离语类的形式和功能来谈论图文之间的关系, 因为在某些语类中, 图文关系较为密切, 而在另一些语类中则不然。 (汪燕华, 2011:27) 3依靠实证研究支撑模态间关系分类框架的科学性。如果研究者主观判断读者对于多模态语篇的理解过程以及不同模态对读者意义解读的影响, 缺少实际数据的支撑, 这样的分类框架都有待进一步实证研究的验证。
(3) 虽然探究多模态研究中模态间关系的重要性已经不言而喻, 但是这并不意味着过分强调多种模态之间的相互关系。“根据语篇生成的经济性, 以最有效最经济的图文关系模式, 充分发挥图文表意时各自的特长, 优势互补, 取长补短, 表达最清楚最丰富的语篇意义” (刘成科, 2014:147) 。
摘要：模态间关系是指不同模态系统中多种模态符号在意义整合过程中的相互关系。对其运作机制的认识是理解多模态话语建构的关键。为深入了解国内学者对多模态话语分析中模态间关系的认识, 本文以双模态和多模态两个维度, 从理论和实证两个角度, 对2009年以来发表在国内12种外语类核心期刊上的42篇涉及模态间关系的论文进行梳理, 并提出今后研究的建议。研究结果对促进国内多模态话语分析理论建构及多模态话语分析走向有着十分重要的意义。
多模态振荡范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
