期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
关于低频振荡分析方法的评述 被引量:82
1
作者 薛禹胜 郝思鹏 +2 位作者 刘俊勇 Zhaoyang DONG Gerard LEDWICH 《电力系统自动化》 EI CSCD 北大核心 2009年第3期1-8,共8页
为更好地梳理概念,将低频振荡分析方法分为两大类,即针对系统模型平衡点的特征根方法以及沿着系统受扰轨迹的模式提取方法。平衡点特征根方法可进一步按采用的系统模型分为确定性的线性化模型、确定性的非线性模型和概率模型。这类方法... 为更好地梳理概念,将低频振荡分析方法分为两大类,即针对系统模型平衡点的特征根方法以及沿着系统受扰轨迹的模式提取方法。平衡点特征根方法可进一步按采用的系统模型分为确定性的线性化模型、确定性的非线性模型和概率模型。这类方法与具体扰动无关,但只能反映系统在该平衡点附近的动态行为,故不适用于包含强非线性、变系数、相继故障或有离散控制的系统。受扰轨迹模式分析方法则从特定扰动下的时间响应曲线中提取振荡信息的时间序列,包括系统模型未知情况下(如实测轨迹)的信号处理法和系统模型已知情况下(如仿真轨迹)的分时段定常线性化法。在评述各种方法的基础上,提出改进的思路及有望突破的研究方向。 展开更多
关键词 低频振荡 平衡点特征根 轨迹特征根时间序列 信号处理 保稳降维线性变换 分时段定常线性化
在线阅读 下载PDF
基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识别模型 被引量:26
2
作者 崔佳嘉 马宏忠 《电机与控制学报》 EI CSCD 北大核心 2022年第12期150-160,共11页
为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型。首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算... 为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型。首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算法(LLE)对现有的MFCC特征向量降维改进;最后使用三维卷积神经网络对变压器铁心松动故障进行识别。以某10 kV变压器为对象进行空载试验,采集铁心在不同松动程度下的声纹信号。计算结果表明,使用改进后的MFCC特征向量提取算法及3D-CNN模型具有良好的识别效果,准确率可达到98.33%,且平均迭代的时间可降至8.511 26 s。最终研究结果可为变压器的噪声治理提供依据。 展开更多
关键词 变压器 声纹 铁心松动 梅尔倒谱系数 局部线性嵌入算法 降维 三维卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部