文献类型：期刊文章

作　　者：赵妍[1] 崔浩瀚[2] 荣子超[3]

ZHAO Yan;CUI Haohan;RONG Zichao(School of Power Transmission and Distribution Technology,Northeast Electric Power University,Jilin 132012,China;School of Electrical Engineering,Northeast Electric Power University,Jilin 132012,China;Lishu Power Supply Company of State Grid Jilin Electric Power Supply Company,Siping 136500,China)

机构地区：[1]东北电力大学输变电技术学院,吉林省吉林市132012 [2]东北电力大学电气工程学院,吉林省吉林市132012 [3]国网吉林省电力有限公司梨树县供电公司,吉林省四平市136500

出　　处：《电力系统自动化》

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)~~

年　　份：2019

卷　　号：43

期　　号：3

起止页码：187-192

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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

分 类 号：TM712]