论文摘要
目前基于相量测量单元(PMU)实现次同步振荡在线辨识和告警存在的问题有:参数辨识一般只辨识频率、幅值,不辨识衰减因子;告警阈值的确定需要人为经验,导致告警判据的快速性和可靠性难以保证。针对上述问题,提出将同步提取变换(SET)和机器学习方法——朴素贝叶斯(NB)方法相结合的次同步振荡在线监测方法。SET可以快速、准确地辨识出次同步振荡的模态参数,而NB方法可以自动实现次同步振荡在线预警。首先,通过SET对已有的历史次同步振荡数据进行辨识,将辨识得到的频率和衰减因子交由NB方法学习,并生成NB分类器。然后,当有新的PMU上传的振荡信号数据时,先采用SET辨识出振荡的频率和衰减因子,再将这些参数交由NB分类器来判断是否发生次同步振荡,并准确预警,从而实现对次同步振荡的在线监测。通过IEEE第二标准模型验证了所提方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 赵妍,崔浩瀚,荣子超
关键词: 次同步振荡,在线监测,机器学习,同步提取变换,朴素贝叶斯
来源: 电力系统自动化 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业
单位: 东北电力大学输变电技术学院,东北电力大学电气工程学院,国网吉林省电力有限公司梨树县供电公司
基金: 国家自然科学基金资助项目(51577023),吉林省教育厅“十三五”科学技术项目(JJKH20180445KJ)~~
分类号: TM712
页码: 187-193
总页数: 7
文件大小: 1643K
下载量: 223