共 13 条
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:
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