基于SPWVD图像和深度迁移学习的强迫振荡源定位方法

被引：44

作者：

冯双 ^{[1
]}

陈佳宁 ^{[1
]}

汤奕 ^{[1
]}

史豪 ^{[2
]}

机构：

[1] 东南大学电气工程学院

[2] 国网扬州供电公司

来源：

电力系统自动化 | 2020年 / 44卷 / 17期

基金：

国家重点研发计划;

关键词：

强迫振荡; 扰动源定位; 平滑伪Wigner-Ville分布; 深度迁移学习; 卷积神经网络;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 [电力系统及其自动化];

摘要：

强迫振荡扰动源的准确定位是消除强迫振荡、恢复电力系统正常运行的关键。文中提出一种基于平滑伪Wigner-Ville分布(SPWVD)图像和深度迁移学习的强迫振荡扰动源定位方法。首先对强迫振荡信号采用SPWVD方法以图像形式表征全网强迫振荡特征信息,然后通过深度迁移学习将其他领域的图像识别知识迁移到电力系统领域,挖掘振荡图像与扰动源位置之间的联系,在保证训练准确度的同时,提升了训练效率。在WECC 179节点系统中的算例验证了该方法的有效性,并且相比于传统机器学习方法具有准确率高的优势。此外还考虑振荡数据中的噪声、录波起始时间以及数据长度验证了所提方法的准确性和抗噪性,并在由负荷引发的强迫振荡和系统拓扑发生变化的情况下,验证了方法的有效性。

引用

页码：78 / 87

页数：10

共 7 条

[1]

Fast and memory-efficient algorithms for computing quadratic time–frequency distributions.[J].J.M. O? Toole;B. Boashash.Applied and Computational Harmonic Analysis.2013, 2

[2]

基于MEMD和HHT的电力系统低频振荡模式识别方法研究 [J].