考虑高斯有色噪声的FOMC-HTLS-Adaline算法在低频振荡模式辨识中的研究

发布时间：2019-11-17 21:01

【摘要】：针对广域测量系统的实测信号受高斯色噪声的影响,提出一种利用FOMC-HTLSAdaline进行低频振荡在线辨识的新方法。首先,为抑制高斯色噪声的影响,利用四阶混合累积量的盲高斯性,将四阶混合累积量(FOMC)序列代替实测序列进行低频振荡的辨识。然后,利用HTLS和自适应神经网络算法(Adaline ANN)相结合,估计出低频振荡的频率、衰减因子、幅值和相位。Adaline神经网络的引入解决了四阶混合累积处理后,模式幅值和相位不易确定的难点,同时减少矩阵处理引入的误差累积,提高检测精度。四机两区域系统仿真算例和实测相量测量单元(PMU)算例共同表明,FOMC-HTLS-Adaline算法可以在高斯色噪声环境下,精确地在线辨识系统振荡模式。
【图文】：

因子、幅值和相位（其中求出的幅值和相位为FOMC的参数）。具体步骤同1.4节FOMC-HTLS-Adaline算法步骤（1）～步骤（4）相似。由于FOMC-HTLS算法同文献[16]一样，无法给出原始信号y(n)的模态信息，使得各模式的信息不完整，不利于信号的重构以及算法的定量评价。因此，下文首次引入Adaline神经网络进行振荡模态信息的求解。1.3Adaline神经网络对幅值和相位的求解1.3.1自适应线性神经网络自适应线性（Adaline）神经网络是一种最早由Widrow和Hoff提出的神经元模型[22]，被广泛应用于信号处理等领域，其结构原理如图1所示。图1自适应线性神经网络结构原理Fig.1Theprincipleofadaptivelinearneuralnetwork图1中，123,,,,kkknkxxxx为自适应线性神经网络在k时刻的n个输入信号。输入信号向量形式表示为[]Tik1k2k3knk=xxxxX，常被称作Adaline神经网络的输入模式向量。与每组输入信号对应的权向量为[]Tik1k2k3knk=wwwwW。Adaline神经网络输出为T()ikikyk=XW（13）设y(k)为理想响应信号，定义误差函数为e(k)=y(k)y(k)（14）Adaline神经网络的工作过程如下[22]：将理想响应信号y(k)与神经网络的输出信号y(k)作比较，，得到差值e(k)，将e(k)输送到学习规则中，并根据学习规则调整权向量，最终使y(k)与y(k)一致。Adaline神经网络的学习规则为Widrow-Hoffδ规则，即最小方均差算法（LMS）。该规则权向量调整表达式为(1)+()ikikikηek+W=WX（15）式中，η为Adaline神经网络的学习速率，η∈(0,1)，其值大小直接影响权向量调节精度和收敛速度。1.3.2Adaline神经网络对振荡模态的求解Adaline神经网络求解幅值和相位的详细步骤如下。已知低频振荡离散采样信号模型为()1()eco

基于FOMC-HTLS-Adaline神经网络的电力系统低频振荡在线模式识别Fig.2OnlineidentificationofthemodeofpowersystembasedonFOMC-HTLS-Adalinealgorithm

【相似文献】

相关期刊论文 前10条

1 邓集祥,赵丽丽;大干扰下主导低频振荡模式作用的再研究[J];东北电力学院学报;2004年06期

2 李佳;刘金山;葛文红;;模态级数法在主导低频振荡模式鉴别方面的应用[J];吉林电力;2008年04期

3 周希念;;对水电厂低频振荡存在现象及防治措施的探讨[J];广东科技;2009年24期

4 杨华昆;;地区电网低频振荡分析与抑制[J];中国新技术新产品;2010年23期

5 赵莲;许占彪;;110KV供电网络低频振荡分析及抑制方法[J];现代商贸工业;2011年01期

6 郭成;;在线判断低频振荡模式的新方法[J];云南电力技术;2011年02期

7 董清;张玲;颜湘武;;低频振荡扰动源机组的自动定位方法[J];电网技术;2012年10期

8 陈冬霞;;大电网低频振荡研究及其最新进展[J];东北电力技术;2012年11期

9 陈武晖;邓集祥;;三阶非线性对主导低频振荡模式的影响[J];现代电力;2012年06期

10 肖宾;小电力系统中机组低频振荡的分析[J];贵州水力发电;2001年01期

相关会议论文 前10条

1 肖友强;杨劲松;;低频振荡的产生原因[A];2006年云南电力技术论坛优秀论文集[C];2006年

2 孙振;屈瑞谦;杨德昌;;区域间低频振荡在线监测方法研究综述[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 文贤馗;钟晶亮;;电网低频振荡时汽轮机控制策略的研究[A];发耳电厂4×600MW机组工程施工论文总结汇编[C];2010年

4 潘晓杰;任冲;;现代控制技术在抑制低频振荡中的应用[A];中南七省（区）电力系统专业委员会第二十二届联合学术年会论文集[C];2007年

5 王凯;;云南电网低频振荡安全预警及辅助决策系统构建方案[A];2007云南电力技术论坛论文集[C];2007年

6 任冲;刘涤尘;潘晓杰;雍志娟;倪晓东;;现代控制技术在抑制低频振荡中的应用[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

7 刘明群;陈晶;吴水军;杨杨;刘洪涛;;电厂机组引起电网低频振荡原因分析[A];2012年云南电力技术论坛论文集[C];2012年

8 王雁雄;;滇西电网小水电群低频振荡解列技术应用研究[A];2010年云南电力技术论坛论文集（优秀论文部分）[C];2010年

9 陈玉林;侯学勇;王亮;常宝立;;电网低频振荡动态过程的信号特征及相量表征[A];2013年中国电机工程学会年会论文集[C];2013年

10 蒋周士;孙黎霞;周海强;鞠平;;火电厂动力系统对电力系统超低频振荡的影响[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

相关重要报纸文章 前2条

1 赵琳;楚雄供电局开展抑制低频振荡应用科技项目研究[N];楚雄日报(汉);2011年

2 武汉王玉龙;自制广告彩灯电路[N];电子报;2013年

相关博士学位论文 前10条

1 王晖;电气化铁路车网电气低频振荡研究[D];北京交通大学;2015年

2 赵妍;电力系统低频振荡状态监视与分析方法研究[D];哈尔滨工业大学;2016年

3 王铁强;电力系统低频振荡共振机理的研究[D];华北电力大学;2001年

4 易建波;电力系统低频振荡在线分析关键技术研究[D];电子科技大学;2013年

5 向农;跨区电网低频振荡的机理与控制研究[D];武汉大学;2009年

6 张鹏;基于广域量测的电力系统区域间低频振荡分析[D];西南交通大学;2015年

7 宫璇;多重扰动下大电网低频振荡预警体系的研究[D];武汉大学;2013年

8 杨慧敏;区域电网低频振荡特性分析与抑制方法的研究[D];华中科技大学;2009年

9 刘志坚;基于电气剖分网络的阻尼特性与低频振荡抑制对策研究[D];哈尔滨工业大学;2010年

10 谭谨;大规模风电并网系统的低频振荡研究[D];西南交通大学;2014年

相关硕士学位论文 前10条

1 王小龙;计及调速系统作用的水电厂孤网运行超低频振荡研究[D];昆明理工大学;2015年

2 王毅钊;区域间低频振荡辨识方法和关联机组再调度抑制策略[D];哈尔滨工业大学;2015年

3 乔艳;典型参数类低频振荡辨识算法性能评估研究[D];华北电力大学;2015年

4 祁鑫;低频振荡实时校正控制优化决策方法研究[D];华北电力大学;2015年

5 朱建军;应对大电网频率振荡的紧急调控技术研究[D];华北电力大学;2015年

6 刘聪;电网低频振荡综合自适应辨识方法研究[D];华北电力大学;2015年

7 杨蓉;青藏高原季风的低频振荡特征研究[D];成都信息工程学院;2015年

8 刘岩;针对低频振荡的电力系统稳定器协调控制系统设计与实现[D];电子科技大学;2015年

9 连帆;南海—西太平洋地区MJ0变化及其对我国旱涝的影响[D];成都信息工程学院;2014年

10 魏兴;采用远程PMU信号抑制区域间低频振荡的研究[D];华北电力大学;2015年

本文编号：2562488