FFT结合神经网络的低频振荡主导模式识别.pdf

《FFT结合神经网络的低频振荡主导模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第4期电力科学与技术学报Voi．26No．42011年12月JOURNALOFElECTRICPOWERSCIENCEANDTECttNOLOGYDec．2011FFT结合神经网络的低频振荡主导模式识别马建伟，竺炜，曾枯昭，杨芳(1．长沙理工大学电气与信息工程学院智能电网运行与控制湖南省熏点实验室，湖南长沙410004；2．中国电力科学研究院，北京100192)摘要：为提高电力系统低频振荡主导模式识别的抗噪性，提出一种FFT结合神经网络的识别方法．首先，基于加窗插值FFT算法求解各振荡模式的频率及其能量权重；然后利用神经网络分段逼近低频振荡信号，根据相邻两段的幅值变

2、化求解衰减因子；最后拟合求出低频振荡信号的幅值和相位．仿真结果表明，该方法能可靠、准确地识别低频振荡主导模式，与Prony算法相比具有较好的抗噪性．关键词：Prony神经网络；低频振荡；模式识别中图分类号：TM711文献标识码：A文章编号：1673—9140(2011)04—0088—06PowersystemlowfrequencyoscillationdominantpatternrecognitionbasedonFFTandneuralnetworkalgorithmMAJian—wei，ZHUWei”，ZENGZhe—zhao。，YANGFang(1．HunanP

3、rovinceKeyLaboratoryofSmartGridsOperationandControl。SeholofElectricalandInformationEngineering，ChaagshaUniversityofScienceandTechnology，Changsha410004，China；2．ChinaElectricPowerResearchInstitute，Beijing100192，China)Abstract：Inordertoimprovenoiseimmunityofpowersystemlowfrequencyoscillationd

4、ominantpatternrecognition，anewalgorithmbasedonFFTandneuralnetworkisproposedinthispaper．Firstly，thefrequencyandenergyweightofthedominantmodecanbecalculatedbyusingthewindowedandinterpolatedFFTalgorithm．Secondly．theneuralnetworkmethodisusedtoana—lyzelow—frequencyoscillationsignal，andthedampin

5、gfactorcanbecalculatedbasedonthevaria—tionofamplitude．Finally，theamplitudeandphaseoflow—frequencyoscillationcanbefiguredout．Simulationresultsshowthatthisalgorithmcanidentifythedominantmodereliablyandac—curately，whichhasbetternoiseimmunitycomparedwiththePronyalgorithm．Keywords：Prony；neuraln

6、etwork；lowfrequencyoscillation；patternrecognition收稿日期：20l1—10—24基金项目：国家自然科学基金(61040049)；湖南省自然科学基金(I1JJ6032)；湖南省科技计划项目(2010FJ4095)．通讯作者：竺炜(1968一)，男，博士，耐教授中国电力科学研究院博士后，主要从事电力系统稳定控制方面的研究；E—mail：Zhu891l@yahoo．corn．enrnajianwei第26卷第4期马建伟，等：FFT结合神经网络的低频振荡主导模式识别89近年来，随着电力系统的高速发展及快速励磁步情况下，通常采用加窗插值

7、方法减少频率泄漏和装置的采用、跨区电网的互联，电力系统中的低频振栅栏效应的影响，来提高电力系统频率的测量精荡问题越来越突出，已经严重威胁了电网的稳定和度引．在不同特性的窗函数中，布莱克曼一纳托安全¨．尔窗具有主瓣宽度较小、旁瓣峰值电平低、旁瓣衰减在低频振荡模式识别方法中，由于低频振荡的速率较快的优点，是一种有良好旁瓣性能的余弦窗，机理及其原因有待于深入研究[2]，根据单一机理的在低频振荡分析中具有较大的优势．低频振荡模式识别是不合理的．文献[3]提出几个主长度为N的布莱克曼一纳托尔窗时域表达式为导模式之间存在非线性