典型文献
基于深度残差网络的SSO模态参数辨识
文献摘要：
针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法.建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识.利用理想信号、含噪仿真信号和现场实测数据3种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警.
文献关键词：
次同步振荡;模态参数辨识;残差网络;抗噪性
中图分类号：
作者姓名：
况且;李娟;白淑华
作者机构：
北京信息科技大学自动化学院 北京100192;北京四方继保自动化股份有限公司 北京100084
文献出处：
引用格式：
[1]况且;李娟;白淑华-.基于深度残差网络的SSO模态参数辨识)[J].电子测量技术,2022(11):57-63
A类：
B类：
SSO,模态参数辨识,电力系统,微弱,次同步振荡,振荡信号,抗噪性,振荡模态参数,参数辨识方法,卷积层,全连接层,深度残差网络模型,模型训练,训练数据集,仿真数据,参数调整,调整和优化,现场实测,低信噪比,模型性能,性能验证,随机子空间,SSI,辨识精度,噪声干扰
AB值：
0.292332
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
