同調機群識別在電力系統(tǒng)的動態(tài)等值、主動解列控制中具有重要意義。提出一種基于Prony分析特征提取的同調機組分群方法。首先針對Prony分析受噪聲干擾嚴重的缺點,利用集成經驗模式分解（EnsembleEmpirical Mode Decomposition, EEMD）方法對含噪聲的信號降噪。然后對降噪后的功角信號進行Prony分析,提取功角信號的幅值、頻率和阻尼特征值,形成每臺機組的特征向量。最后將系統(tǒng)中所有機組特征向量組成的特征矩陣輸入到自組織神經網絡進行聚類,從而實現(xiàn)同調機組分群。EPRI-36節(jié)點系統(tǒng)和華北電網系統(tǒng)算例表明,所提方法可以很好地降低噪聲影響,充分提取功角曲線特征,準確識別同調機組。 

【文章來源】：電力系統(tǒng)保護與控制. 2020,48(22)北大核心CSCD

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]基于變分模態(tài)分解的電力系統(tǒng)泛頻帶振蕩辨識方法[J]. 湯吉鴻,朱軍飛,李勇,左劍,馬俊杰,陳崇剛.  電力系統(tǒng)保護與控制. 2019(02)
[2]基于EEMD降噪和FFT的轉子故障振動分析[J]. 馬轉霞,費維科,周新濤,劉濤.  噪聲與振動控制. 2018(04)
[3]基于CEEMD-WPT和Prony算法的諧波間諧波參數(shù)辨識[J]. 張煜林,陳紅衛(wèi).  電力系統(tǒng)保護與控制. 2018(12)
[4]異步聯(lián)網后西南電網安全穩(wěn)定特性分析[J]. 陳剛,丁理杰,李旻,史華勃,張宇棟,李甘.  電力系統(tǒng)保護與控制. 2018(07)
[5]基于奇異值分解的同調機群識別方法[J]. 朱喬木,陳金富,段獻忠,游昊,李本瑜.  電工技術學報. 2018(03)
[6]利用小波能量特征的增長型自組織神經網絡同調機組分群方法[J]. 楊越,王濤,顧雪平,岳賢龍,徐振華,邱麗君.  電測與儀表. 2017(14)
[7]基于廣域量測信息相關性的電力系統(tǒng)同調辨識[J]. 姜濤,賈宏杰,李國慶,陳厚合,靳小龍.  電工技術學報. 2017(01)
[8]CEEMD-FFT在滾動軸承故障診斷中的應用[J]. 陸森林,王龍.  鄭州大學學報(工學版). 2015(01)
[9]基于廣域信息的同調機群在線識別方法[J]. 馮康恒,張艷霞,劉志雄,李婷,馬樺巖.  電網技術. 2014(08)
[10]基于慢同調理論和希爾伯特-黃變換的發(fā)電機在線同調識別[J]. 宋洪磊,吳俊勇,冀魯豫.  電力自動化設備. 2013(08)

碩士論文
[1]同步發(fā)電機仿真可信度評估方法的研究[D]. 劉娟.華北電力大學（河北） 2007



本文編號：3633744