基于EMO-EDSNN的电力系统低频振荡模态辨识

• 作者: 丁仁杰 沈钟婷
• 来源期刊: 电力系统自动化
• 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 122-131
• 页数: 10页
• 字数: 6539字
• 语种: 中文
• DOI: 10.7500/AEPS20190321005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁仁杰	清华大学电机工程与应用电子技术系	23	375	10.0	19.0
2	沈钟婷	清华大学电机工程与应用电子技术系	3	1	1.0	1.0