分段傅里叶神经网络的低频振荡模式识别方法

被引：11

作者：

竺炜 ^{[1
,2
]}

马建伟 ^{[1
]}

曾喆昭 ^{[1
]}

周益华 ^{[1
]}

机构：

[1] 长沙理工大学电气与信息工程学院

[2] 不详

来源：

电力系统保护与控制 | 2012年 / 40卷 / 15期

基金：

湖南省自然科学基金;

关键词：

Prony; 神经网络; 主导模式; 低频振荡; 模式识别;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

摘要：

针对低频振荡带宽较窄、主导模式较少的特点,提出了分段傅里叶神经网络的主导模式识别方法。采用分段傅里叶系数以求得振荡阻尼特性;为克服傅里叶系数直接求解的困难,采用有限神经元的正交基神经网络模型进行求解。根据分段傅里叶系数识别振荡主导模式的频率和衰减因子;再根据其与衰减时间窗的关系得到振荡幅值。该方法既保留了傅里叶算法抗噪性好的特点,又利用神经网络训练,进一步提高了抗噪性和可靠性,并通过算例仿真得到了证明。该研究对电力系统低频振荡的在线动态识别具有实际意义。

引用

页码：40 / 45

页数：6

共 13 条

[1] Prony算法的若干改进及其在低频振荡监测中的应用 [J].