期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于多元同步压缩广义S变换的电力系统次同步振荡源定位
1
作者 姜涛 张鹏 +2 位作者 李雪 刘博涵 李国庆 《电力系统自动化》 北大核心 2025年第9期135-145,共11页
快速、准确的次同步振荡源定位对电力系统安全稳定运行意义重大,现有次同步振荡源定位方法难以适用于多模态时变的次同步振荡场景,且计算效率有待提升。为此,提出一种基于多元同步压缩广义S变换(MSSGST)的电力系统次同步振荡源定位方法... 快速、准确的次同步振荡源定位对电力系统安全稳定运行意义重大,现有次同步振荡源定位方法难以适用于多模态时变的次同步振荡场景,且计算效率有待提升。为此,提出一种基于多元同步压缩广义S变换(MSSGST)的电力系统次同步振荡源定位方法。首先,在自适应变化的量测滑动时间窗内计算能量比系数,实时检测系统次同步振荡现象,针对检测到的次同步振荡现象,以节点为单元构建联合量测信息矩阵,进而采用MSSGST对联合量测信息矩阵同步分解得到联合时频矩阵。然后,利用脊线提取技术筛选并重组可表征系统次同步振荡模式的MSSGST系数矩阵。在此基础上,推导基于MSSGST的时-频域暂态能量流计算模型,根据系统次同步振荡期间时-频域能量特性构建振荡源定位指标进行振荡溯源。最后,通过仿真数据和实际电网次同步振荡实测数据验证了所提方法的准确性和有效性。 展开更多
关键词 同步振荡 振荡源定位 多元同步压缩广义s变换 暂态能量流
在线阅读 下载PDF
基于同步压缩广义S变换的电力系统次/超同步振荡检测 被引量:2
2
作者 孙勇 张鹏 +3 位作者 姜涛 宋晓喆 王长江 刘博涵 《电网技术》 EI CSCD 北大核心 2024年第10期4002-4011,I0012-I0014,I0011,共14页
为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法... 为实现电力系统次/超同步振荡的快速、准确辨识,提出了一种基于同步压缩广义S变换(synchrosqueezing generalized S transform, SSGST)和改进稀疏时域法(improved sparse time domain method,ISTD)结合的次/超同步振荡辨识方法。该方法首先利用能量比函数对电力系统广域量测信息实时检测,当检测到信号能量发生突变时,利用SSGST对检测到的振荡信号分解得到相应的SSGST时频系数矩阵;然后通过改进的脊线提取方法在时频域实现对各振荡分量的最优轨迹搜索;进一步,结合最优轨迹时频索引重构各振荡分量的时域分量,并利用ISTD辨识方法计算出各振荡分量的频率和阻尼比系数;最后,通过自合成模拟信号、双馈风电场经串补并网系统仿真信号和某实际风电场实测数据验证了所提方法的准确性和有效性。 展开更多
关键词 次/超同步振荡 参数辨识 同步压缩广义s变换 脊线提取 改进稀疏时域法
在线阅读 下载PDF
基于同步压缩广义S变换的发动机故障诊断 被引量:5
3
作者 刘敏 陈健 +3 位作者 张岩 陈玉昆 范红波 张英堂 《振动.测试与诊断》 EI CSCD 北大核心 2021年第5期984-990,1038,共8页
为提高发动机故障诊断准确率,提出了基于同步压缩广义S变换(synchrosqueezing generalized S-transform,简称SSGST)与中心对称局部二值模式(center-symmetric local binary patterm,简称CSLBP)的故障诊断方法。首先,针对信号时频分析中... 为提高发动机故障诊断准确率,提出了基于同步压缩广义S变换(synchrosqueezing generalized S-transform,简称SSGST)与中心对称局部二值模式(center-symmetric local binary patterm,简称CSLBP)的故障诊断方法。首先,针对信号时频分析中的能量泄露、频谱涂抹、频带混叠和时频分辨率较低的问题,基于同步压缩算法与广义S变换提出了SSGST,对缸盖振动信号进行时频分析得到时频聚集性较高的二维时频图;然后,利用CSLBP提取缸盖振动信号时频图的纹理谱特征,并将其输入交叉验证寻优的核极限学习机对发动机进行故障诊断。实验结果表明,SSGST的能量聚集效果好,时频分辨率高,各频带分布较窄且不存在混叠,能够有效分离出非线性混合信号中的各频带分量;时频图的CSLBP纹理谱特征维数较低,且具有良好的类内聚集性和类间离散性;利用交叉验证寻优的KELM对故障特征进行分类,实现发动机故障诊断,获得了较高的诊断速度和精度。 展开更多
关键词 发动机 时频分析 故障诊断 同步压缩广义s变换 中心对称局部二值模式
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部