%0 Journal Article
%T 基于EMO-EDSNN的电力系统低频振荡模态辨识
%A 丁仁杰
%A 沈钟婷
%J 电力系统自动化
%D 2020
%X 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
%K 低频振荡
%K 奇异值分解
%K 指数衰减型正弦量
%K 神经网络
%K 模态辨识
%K low frequency oscillation
%K singular value decomposition
%K exponentially damped sinusoid
%K neural network
%K mode identification
%U http://www.aeps-info.com/aeps/article/abstract/20190321005?st=article_issue