基于Prony分析特征提取的同调机组分群方法

发布时间：2022-02-19 22:33

　　同调机群识别在电力系统的动态等值、主动解列控制中具有重要意义。提出一种基于Prony分析特征提取的同调机组分群方法。首先针对Prony分析受噪声干扰严重的缺点,利用集成经验模式分解（EnsembleEmpirical Mode Decomposition, EEMD）方法对含噪声的信号降噪。然后对降噪后的功角信号进行Prony分析,提取功角信号的幅值、频率和阻尼特征值,形成每台机组的特征向量。最后将系统中所有机组特征向量组成的特征矩阵输入到自组织神经网络进行聚类,从而实现同调机组分群。EPRI-36节点系统和华北电网系统算例表明,所提方法可以很好地降低噪声影响,充分提取功角曲线特征,准确识别同调机组。 

【文章来源】：电力系统保护与控制. 2020,48(22)北大核心CSCD

【文章页数】：9 页

【参考文献】：
期刊论文
[1]基于变分模态分解的电力系统泛频带振荡辨识方法[J]. 汤吉鸿,朱军飞,李勇,左剑,马俊杰,陈崇刚.  电力系统保护与控制. 2019(02)
[2]基于EEMD降噪和FFT的转子故障振动分析[J]. 马转霞,费维科,周新涛,刘涛.  噪声与振动控制. 2018(04)
[3]基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识[J]. 张煜林,陈红卫.  电力系统保护与控制. 2018(12)
[4]异步联网后西南电网安全稳定特性分析[J]. 陈刚,丁理杰,李旻,史华勃,张宇栋,李甘.  电力系统保护与控制. 2018(07)
[5]基于奇异值分解的同调机群识别方法[J]. 朱乔木,陈金富,段献忠,游昊,李本瑜.  电工技术学报. 2018(03)
[6]利用小波能量特征的增长型自组织神经网络同调机组分群方法[J]. 杨越,王涛,顾雪平,岳贤龙,徐振华,邱丽君.  电测与仪表. 2017(14)
[7]基于广域量测信息相关性的电力系统同调辨识[J]. 姜涛,贾宏杰,李国庆,陈厚合,靳小龙.  电工技术学报. 2017(01)
[8]CEEMD-FFT在滚动轴承故障诊断中的应用[J]. 陆森林,王龙.  郑州大学学报(工学版). 2015(01)
[9]基于广域信息的同调机群在线识别方法[J]. 冯康恒,张艳霞,刘志雄,李婷,马桦岩.  电网技术. 2014(08)
[10]基于慢同调理论和希尔伯特-黄变换的发电机在线同调识别[J]. 宋洪磊,吴俊勇,冀鲁豫.  电力自动化设备. 2013(08)

硕士论文
[1]同步发电机仿真可信度评估方法的研究[D]. 刘娟.华北电力大学（河北） 2007



本文编号：3633744