基于卷积神经网络的电力系统低频振荡主导模态特征定性辨识

作者：秦心筱; 张昌华^*; 徐子豪; 李乾宇; 魏俊; 叶圣永

来源：电力系统保护与控制, 2021, 49(10): 51-58.

DOI：10.19783/j.cnki.pspc.200897

• 电力系统
• 低频振荡
• 卷积神经网络
• Prony
• 非平稳性
• 新能源发电

低频振荡严重威胁电网的安全稳定运行。传统低频振荡辨识方法大都将被测信号视作平稳信号或进行平稳化处理,忽略了信号的非平稳特性。但在高比例新能源和电力电子设备的电力系统中,低频振荡参数具有大范围时变的特性,传统辨识方法难以准确识别。提出了一种基于卷积神经网络(CNN)的电力系统低频振荡辨识方法。首先对原始信号进行时域特征提取作为预处理操作,然后将16个时域特征的信号分别送入训练好的CNN网络,最后由全连接层综合各个网络的输出得到最终辨识结果。仿真实验表明,该方法可以快速准确地辨识出低频振荡信号的频率和衰减因子,具有很好的抗噪性。且与Prony方法相比,它能够辨识振荡过程中是否引入了新的振荡模态。

• 单位
  电子科技大学; 国网四川省电力公司