首页> 中文学位 >朴素贝叶斯智能算法在次同步振荡在线监测和评估的应用
【6h】

朴素贝叶斯智能算法在次同步振荡在线监测和评估的应用

代理获取

目录

第1章 绪论

1.1 课题背景及意义

1.2 电力系统次同步振荡的研究现状

1.2.1 次同步振荡分析方法的研究现状

1.2.2 次同步振荡实时监测方法的研究现状

1.2.3 次同步谐振的风险评估研究现状

1.3 论文的主要研究内容

第2章 基于同步挤压小波变换的次同步振荡模态参数辨识

2.1 引言

2.2 同步挤压小波变换(SST)原理

2.2.1 SST正变换

2.2.2 SST逆变换

2.3 自动识别算法判断模态趋势

2.4 基于SST的次同步振荡模态参数辨识的步骤

2.5 SST的性能分析

2.5.1 仿真信号的SST分析

2.5.2 SST的抗噪性分析

2.5.3 SST的抗模态混叠能力分析

2.5.4 SST和EMD比较分析

2.6 仿真和实例分析

2.6.1 IEEE第一标准模型仿真分析

2.6.2 5机系统仿真模型分析

2.6.3 锦界电厂串补输电系统算例分析

2.7 本章小结

第3章 基于朴素贝叶斯和同步提取变换的次同步振荡在线监测

3.1 引言

3.2 同步提取变换(SET)原理

3.2.1 SET正变换

3.2.2 SET逆变换

3.2.3 SET和SST的性能比较

3.3 朴素贝叶斯(NB)

3.3.1 朴素贝叶斯理论

3.3.2 朴素贝叶斯应用于次同步振荡分析

3.4 应用SET和NB的次同步振荡在线监测步骤

3.4.1 PMU监测数据处理

3.4.2 SET-NB的次同步振荡监测流程

3.5 算例分析和应用

3.5.1 NB分类器测试

3.5.2 仿真分析和应用

3.5.3 实例分析和应用验证

3.6 本章小结

第4章 基于朴素贝叶斯和模态分析法的次同步谐振评估

4.1 引言

4.2 模态分析法原理

4.3 NB对模态分析法的改进

4.4 结合NB的模态分析法的次同步谐振评估算法步骤

4.5 算例和仿真验证

4.5.1 模态分析测试

4.5.2 NB分类器测试

4.5.3 6机11节点系统仿真验证

4.6 本章小结

结论

参考文献

攻读学位期间取得的研究成果及发表的学术论文

声明

致谢

展开▼

摘要

电力系统次同步振荡是属于电力系统的稳定性问题之一,而电力系统的稳定始终是一个具有挑战性的研究课题。近年来,由于电力系统中超高压、远距离输电线路和新能源并网容量的增加,使得串联补偿技术和大功率电力电子技术被广泛应用,由此引发的次同步振荡新问题不断凸显。新一轮次同步振荡现象发生的起因、表现形式、监测和抑制技术、风险与影响评估等诸多问题再一次引起世界范围的广泛重视。本文结合机器学习方法——朴素贝叶斯研究了次同步振荡的模态参数辨识、在线监测和次同步谐振评估三个方面的问题。 针对传统次同步振荡的参数辨识方法存在对噪声敏感、辨识精度不高的问题,本文提出将同步挤压小波变换(Synchrosqueezed wavelet transform,SST)应用于次同步振荡的参数辨识。SST结合了经验模态分解(Empirical mode decomposition,EMD)和小波变换(Wavelet transform,WT)的优点,克服了EMD的模态混叠问题,因此具有更好的模态辨识能力。另外,方法本身还具有一定的抗噪性能。首先,对采集到的次同步振荡信号,进行SST正变换,得到了信号的时频谱。其次,利用本文提出的自动识别算法定量分析时频谱中各固有模态分量的衰减特性,确定需要重构的模态。然后,仅对发散的固有模态分量进行了重构。最后,利用希尔伯特变换(Hilbert transform,HT)并结合最小二乘法准确地辨识了重构的模态参数。 当前基于PMU实现的次同步振荡在线监测存在的问题有:参数辨识一般不辨识衰减因子,告警阈值的确定需要人为的经验,导致告警判据的快速性和可靠性难以保证。针对此问题,提出将同步提取变换(Synchroextracting transform,SET)和朴素贝叶斯(Naive bayes,NB)相结合应用于次同步振荡的在线监测。SET方法与SST方法相比,对信号的采样频率要求更低,计算速度更快,更适合在PMU上进行次同步振荡信号的参数辨识。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学习,生成NB分类器。然后,当有新的PMU上传的振荡数据时,先采用SET辨识出振荡频率和衰减因子,再将这些参数交由NB分类器来判断是否发生次同步振荡,进行准确的预警,从而实现对次同步振荡的在线监测。 在系统并网、规划安装线路或串补电容等改变电网结构的操作前,一个重要的考虑就是应该进行次同步谐振风险评估。在系统侧进行次同步谐振抑制器的设计,也需要对谐振源进行准确定位。为了解决这个问题,本文将模态分析法(Modal analysis,MA)和NB相结合应用于次同步谐振的评估。模态分析法可以通过对系统回路阻抗矩阵解耦来找到次同步谐振的源头,进而获知参与谐振的线路、元件以及传播距离等信息,但是在进行模态分析的过程中次同步谐振频率和回路中的参与因子这两项内容需要人为参与判断。本文采用朴素贝叶斯方法来代替人为参与部分,通过对NB训练得到两个NB分类器,分别判断次同步谐振频率和回路中的参与因子,从而使结合NB的模态分析方法具有对次同步谐振智能评估的能力。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号