-
题名基于EMO-EDSNN的电力系统低频振荡模态辨识
被引量：12
- 1
-
-
作者
丁仁杰
沈钟婷
-
机构
清华大学电机工程与应用电子技术系
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2020年第3期122-131,共10页
-
文摘
提出了基于精确模态阶数-指数型衰减正弦神经网络(EMO-EDSNN)的电力系统低频振荡模态辨识方法。首先,通过奇异值分解估计模态阶数。在关键的定阶问题上,采取EMO定阶方法,综合考虑了奇异值变化规律和奇异值本身大小2个因素,能够克服人为选取阈值的不足,提高阶数估计的准确性。然后,通过建立EDSNN将参数估计问题转化为优化问题求解。以输出信号和实测信号的平方误差最小为目标,并采用自适应的Levenberg-Marquardt算法训练神经网络收敛后,一次性计算出所有模态参数。最后,进行了数值信号仿真、EPRI-36系统仿真和实测信号仿真。仿真结果表明,所提方法能够快速准确地实现模态参数辨识。
-
关键词
低频振荡
奇异值分解
指数衰减型正弦量
神经网络
模态辨识
-
Keywords
low frequency oscillation
singular value decomposition
exponentially damped sinusoid
neural network
mode identification
-
分类号
TM712
[电气工程—电力系统及自动化]
-
