基于神經(jīng)網(wǎng)絡(luò)濾波的低頻振蕩模式分析.pdf

1、大電網(wǎng)互聯(lián)引起的低頻振蕩問題越來越突出,已嚴重影響到電網(wǎng)的安全運行。由于實際系統(tǒng)模型參數(shù)的復(fù)雜,通過運行狀態(tài)實測數(shù)據(jù)識別低頻振蕩模式,是分析低頻振蕩機制和抑制振蕩的重要前提。其中,常用的Prony法存在噪聲敏感的問題,因此,本文主要針對含噪低頻信號的濾波預(yù)處理進行研究。
　　 闡述了Prony法的基本原理和數(shù)學(xué)推導(dǎo)模型,對采樣頻率、長度和有效階數(shù)等參數(shù)的選擇進行分析。分別在無噪聲、隨機白噪聲、脈沖噪聲和高頻諧波噪聲的背景下進行仿

2、真算例分析,結(jié)果表明Prony法在進行低頻振蕩分析時對噪聲較為敏感,識別含噪信號時誤差較大。
　　 提出一種基于帶寬分析的余弦基神經(jīng)網(wǎng)絡(luò)濾波方法。首先,利用余弦基神經(jīng)網(wǎng)絡(luò)逼近低頻振蕩信號,通過對權(quán)值的分析,確定信號有效帶寬;然后根據(jù)信號帶寬進行帶通濾波,再將輸出信號導(dǎo)入Prony模塊分析。其中,針對有效帶寬范圍的確定,提出了固定帶寬與動態(tài)帶寬的分析方法。分別在脈沖噪聲、高頻諧波噪聲、隨機白噪聲背景下進行了算例分析,表明了該方法含

3、噪低頻振蕩信號具有較好的濾波效果,有效地提高。Prony算法的振蕩主導(dǎo)模式識別精度。
　　 提出一種基于神經(jīng)網(wǎng)絡(luò)的FIR自適應(yīng)濾波方法。根據(jù)FIR濾波器的原理,以廣域測量信號作為輸入,以含噪信號過去的輸入值和現(xiàn)輸入值作為隱層神經(jīng)元,利用遞推最小二乘法進行權(quán)值訓(xùn)練,從而達到濾波效果。另外,通過調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)的性能指標閥值,可實現(xiàn)計算速度和精度的平衡,利于信號在線辨識。分別在疊加不同程度信噪比的隨機白噪聲情況下進行了算例分析,表明該方