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
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
收藏
页码:40 / 45
页数:6
相关论文
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].
王辉 ;
苏小林 .
电力系统保护与控制, 2011, 39 (12) :140-145
[2]   我国智能电网背景下的低频振荡应对研究综述 [J].
石辉 ;
张勇军 ;
徐涛 .
电力系统保护与控制, 2010, 38 (24) :242-247
[3]   基于小波和扩展Prony算法的电压闪变检测新方法 [J].
沈杨 ;
戴本祁 ;
张惠东 .
电力系统保护与控制, 2010, 38 (10) :43-47+78
[5]   基于改进Prony算法的电力系统低频振荡模式识别 [J].
竺炜 ;
唐颖杰 ;
周有庆 ;
曾喆昭 .
电网技术, 2009, 33 (05) :44-47+53
[6]   根据受扰轨迹识别电力系统主要振荡模式的信号能量法 [J].
穆钢 ;
王宇庭 ;
安军 ;
黎平 ;
严干贵 .
中国电机工程学报, 2007, (19) :7-11
[7]   基于模糊滤波和Prony算法的低频振荡模式在线辨识方法 [J].
李大虎 ;
曹一家 .
电力系统自动化, 2007, (01) :14-19
[8]   大区电网弱互联对互联系统阻尼和动态稳定性的影响 [J].
余贻鑫 ;
李鹏 .
中国电机工程学报, 2005, (11) :6-11
[9]   一种基于模糊逻辑的数字信号滤波方法 [J].
赵春江 ;
施文康 ;
邓勇 .
测控技术, 2005, (03) :17-18+22
[10]   电力系统时变振荡特性的小波脊分析 [J].
张鹏飞 ;
薛禹胜 ;
张启平 .
电力系统自动化, 2004, (16) :32-35+66