基于神经网络滤波的低频振荡模式分析

摘要

大电网互联引起的低频振荡问题越来越突出,已严重影响到电网的安全运行。由于实际系统模型参数的复杂,通过运行状态实测数据识别低频振荡模式,是分析低频振荡机制和抑制振荡的重要前提。其中,常用的Prony法存在噪声敏感的问题,因此,本文主要针对含噪低频信号的滤波预处理进行研究。
　　 阐述了Prony法的基本原理和数学推导模型,对采样频率、长度和有效阶数等参数的选择进行分析。分别在无噪声、随机白噪声、脉冲噪声和高频谐波噪声的背景下进行仿真算例分析,结果表明Prony法在进行低频振荡分析时对噪声较为敏感,识别含噪信号时误差较大。
　　 提出一种基于带宽分析的余弦基神经网络滤波方法。首先,利用余弦基神经网络逼近低频振荡信号,通过对权值的分析,确定信号有效带宽;然后根据信号带宽进行带通滤波,再将输出信号导入Prony模块分析。其中,针对有效带宽范围的确定,提出了固定带宽与动态带宽的分析方法。分别在脉冲噪声、高频谐波噪声、随机白噪声背景下进行了算例分析,表明了该方法含噪低频振荡信号具有较好的滤波效果,有效地提高。Prony算法的振荡主导模式识别精度。
　　 提出一种基于神经网络的FIR自适应滤波方法。根据FIR滤波器的原理,以广域测量信号作为输入,以含噪信号过去的输入值和现输入值作为隐层神经元,利用递推最小二乘法进行权值训练,从而达到滤波效果。另外,通过调节神经网络的性能指标阀值,可实现计算速度和精度的平衡,利于信号在线辨识。分别在叠加不同程度信噪比的随机白噪声情况下进行了算例分析,表明该方法能有效滤除不同程度噪声,有效提高了Prony算法的抗噪能力。