7.2 傅里叶与拉普拉斯：变换域分析

7.2 傅里叶与拉普拉斯：变换域分析

傅里叶变换把信号分解为频率分量，拉普拉斯变换把微分方程变成代数方程并以极点刻画系统动态。本节用 SciPy 对光伏振荡案的功率录波做频谱分析，确认 8 Hz 分量的存在与幅值；再讲拉普拉斯域的极点-稳定性关系，为下一节的控制诊断搭好数学脚手架。

一段十秒钟的功率曲线，几千个采样点，肉眼看只是一团缓慢起伏的毛刺。但把"时间轴"换成"频率轴"，同一份数据立刻坦白：哪里有峰，哪里就有周期性成分。变换域的价值不在计算技巧，而在换一个坐标看同一件事——时间上纠缠的两个成分，频率上往往泾渭分明。

傅里叶：信号的棱镜

傅里叶级数说，任何周期信号都能拆成谐波之和；傅里叶变换把这条路推广到非周期信号，得到连续频谱。工程实现是离散傅里叶变换（DFT），快速算法 FFT 把计算量从平方级降到 N log N——一次十秒千点的频谱分析在普通笔记本上瞬间完成。

import numpy as np
from scipy.fft import rfft, rfftfreq

# 光伏电站高速录波：10 秒、1 kHz，含 8 Hz 振荡
fs = 1000.0
t = np.arange(0, 10, 1/fs)
rng = np.random.default_rng(7)
P = 20 + 0.6*np.sin(2*np.pi*8*t) + 0.3*np.sin(2*np.pi*49.7*t) + 0.15*rng.normal(size=t.size)

X = rfft(P - P.mean())
freqs = rfftfreq(P.size, 1/fs)
mag = np.abs(X) / P.size * 2

# 找出主要谱峰
idx = np.argsort(mag)[::-1]
found = []
for i in idx:
    if mag[i] < 0.02: break
    if all(abs(freqs[i]-f) > 2 for f, _ in found):
        found.append((freqs[i], mag[i]))
print("主要频率成分（Hz，幅值 p.u.）：")
for f, m in sorted(found):
    print(f"  {f:7.2f} Hz   {m:.4f}")
​

输出会列出三个峰：0.05 Hz 附近的缓变（均值去除后残留边缘效应，可忽略）、8.0 Hz 幅值约 0.6、49.7 Hz 幅值约 0.3。8 Hz 分量坐实——它不是噪声，是确凿的周期性振荡；49.7 Hz 则是锁相环跟踪的工频附近波动。频谱同时给出幅值，定量与调度的"3% 峰峰值"记录闭环。

频谱分析的三个工程参数顺带交代：频率分辨率 = 1/时长（10 秒数据只能分辨间隔 0.1 Hz 以上的峰，想看得更细要加长窗）；频谱泄漏（信号截断使能量从峰"漏"到邻近频点，加窗函数可缓解）；帕塞瓦尔定理（时域总功率等于频域分量功率之和，做噪声能量核算的依据）。

图：振荡功率曲线的时域与频域双视角

拉普拉斯：微分方程的代数化

傅里叶擅长回答"信号里有什么"，拉普拉斯擅长回答"系统会怎么动"。对微分方程两边做拉普拉斯变换，求导变成乘 s，微分方程变成代数方程。传递函数 H(s) = 输出拉氏变换 / 输入拉氏变换，把系统压缩成两个多项式之比。

极点（分母多项式的根）是系统的"性格档案"：一阶系统 1/(s+a) 的极点在 −a，时间响应是指数衰减，衰减速度由极点到原点的距离决定；共轭复极点对应振荡，实部决定衰减快慢，虚部决定振荡频率。左半平面极点 → 稳定；虚轴上 → 临界（等幅振荡）；右半平面 → 发散。

import numpy as np

# 三种极点位置对应的时域行为
t = np.linspace(0, 5, 500)

y_decay = np.exp(-2*t)                              # 实极点 s=-2
y_osc_damp = np.exp(-0.5*t)*np.cos(6*t)             # 复极点 -0.5±j6
y_osc_grow = np.exp(0.3*t)*np.cos(4*t)              # 右半平面 0.3±j4

for name, y in [("实极点（单调收敛）", y_decay),
                ("左半复极点（衰减振荡）", y_osc_damp),
                ("右半复极点（发散振荡）", y_osc_grow)]:
    print(f"{name}: 末值 = {y[-1]:+.3f}, 峰值 = {np.max(np.abs(y)):.3f}")

# 振荡案的极点语言
print("\n光伏振荡案：闭环某极点从 -0.4+j8.0 移到 +0.05+j8.0")
print("实部变正 → 8 Hz 分量从衰减转为自持 —— 这就是频谱上那个峰的本质")
​

把第 6 章的暂态稳定也翻译过来：故障期间功角摆开，对应系统主导极点暂时大幅右移；故障切除后极点回到左半平面，摆动衰减——"功角回得来"就是"极点回得来"。时域、频域、s 域三个视角说的是同一件事，语言不同。

频率响应：从 s 域到正弦稳态

传递函数沿虚轴取值 s = jω 就得到频率响应——幅频与相频特性。二阶系统是标准样本：自然频率 ωn 与阻尼比 ζ 两个参数决定了谐振峰高低与相位过渡的陡峭程度。

import numpy as np

# 二阶系统频率响应：不同阻尼比
wn = 2*np.pi*8.0            # 自然频率取 8 Hz（呼应振荡案）
w = np.linspace(0.1, 5*wn, 400)

for zeta in [0.1, 0.3, 0.707, 1.0]:
    H = wn**2 / (-(w**2) + 2j*zeta*wn*w + wn**2)
    peak = np.max(np.abs(H))
    print(f"阻尼比 zeta={zeta:.3f}: 谐振峰 = {peak:.2f} 倍（{'有明显谐振' if peak>1.15 else '基本平坦'}）")
​

阻尼比 0.1 时谐振峰 5 倍，0.707 时几乎平坦——振荡案的治理本质就是给 8 Hz 附近的等效阻尼比从 0.1 提到 0.3 以上，频谱上的峰自然塌下去。下一节控制篇将说明这个阻尼比怎么"加"。

本节要点回顾

• FFT 是信号的棱镜：时间上纠缠的成分频率上分明，频率分辨率等于时窗倒数；
• 光伏案定案：8 Hz 分量幅值约 0.6（3% 峰峰值），另有 49.7 Hz 锁相环波动，皆非噪声；
• 拉普拉斯把微分方程代数化，极点位置唯一决定系统动态性格：左稳右散、虚部定频；
• 振荡的本质：某闭环极点实部由负变正，对应频率的分量由衰减变自持；
• 频率响应是传递函数在虚轴上的取值，二阶系统的谐振峰由阻尼比决定；
• 治理振荡 = 提高等效阻尼比，峰塌即愈——为控制篇立好靶子。

下一节正式进入控制：带宽、稳定裕度与 PID，把"加阻尼"落到可整定的参数上。