基于自编码器与长短期记忆网络的宽频振荡广域定位方法

高比例新能源与高比例电力电子设备引发的宽频振荡问题日益凸显，而现有基于同步相量数据的振荡监测方法受到现有通信带宽的限制，难以对频率在数赫兹至数百赫兹范围内的宽频振荡进行全局化监测。为此，提出一种基于自编码器信号压缩与长短期记忆(LSTM)网络的宽频振荡广域定位方法。该方法利用自编码器的数据压缩与解码还原能力实现宽频振荡信号的广域监测分析。首先，在子站对电力系统量测信号进行编码压缩，在现有带宽下实现宽频振荡信号的传输，并有效降低振荡数据的冗余度。然后，在主站侧，可直接基于压缩数据生成特征矩阵，利用LSTM网络定位振荡源。此外，主站还能解码子站上传的压缩数据，并根据需求利用压缩数据或解码还原数据，从而进行宽频振荡的分析与控制。最后，全面考虑次同步、超同步以及中高频段的宽频振荡，并计及负荷变动和随机噪声进行仿真，所得结果表明该方法具有较高的还原与定位精度以及较好的抗噪性能。