文献类型：期刊文章

作　　者：马建伟[1] 竺炜[1,2] 曾喆昭[1] 杨芳[1]

机构地区：[1]长沙理工大学电气与信息工程学院智能电网运行与控制湖南省重点实验室,湖南长沙410004 [2]中国电力科学研究院,北京100192

出　　处：《电力科学与技术学报》

基　　金：国家自然科学基金(61040049);湖南省自然科学基金(11JJ6032);湖南省科技计划项目(2010FJ4095)

年　　份：2011

卷　　号：26

期　　号：4

起止页码：88-93

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、IC、INSPEC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：为提高电力系统低频振荡主导模式识别的抗噪性,提出一种FFT结合神经网络的识别方法.首先,基于加窗插值FFT算法求解各振荡模式的频率及其能量权重;然后利用神经网络分段逼近低频振荡信号,根据相邻两段的幅值变化求解衰减因子;最后拟合求出低频振荡信号的幅值和相位.仿真结果表明,该方法能可靠、准确地识别低频振荡主导模式,与Prony算法相比具有较好的抗噪性.

关 键 词：PRONY 神经网络 低频振荡 模式识别

分 类 号：TM711]