期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进PNN神经网络在电力系统次/超同步振荡监测中的应用 被引量：6
1
作者 赵妍 赵起 +1 位作者 张劲松 聂永辉 《电力电容器与无功补偿》 2022年第5期76-83,共8页
电力系统次/超同步振荡的常用的检测(标题用的是监测,让作者再看看)方法是:首先对实测数据进行滤波得到次/超同步振荡信号分量,再根据对各分量信号进行参数辨识的结果,来确认是否发生次/超同步振荡。这样,振荡判断的准确性就受到滤波器... 电力系统次/超同步振荡的常用的检测(标题用的是监测,让作者再看看)方法是:首先对实测数据进行滤波得到次/超同步振荡信号分量,再根据对各分量信号进行参数辨识的结果,来确认是否发生次/超同步振荡。这样,振荡判断的准确性就受到滤波器的效果和参数辨识方法准确性的双重影响。为了解决上述问题,提出将同步压缩小波变换(SST)和深度学习方法—概率神经网络(PNN神经网络)相结合应用于次/超同步振荡的监测。首先,用SST变换替代传统滤波器实现滤波的功能,得到次同步频率、工频频率和超同步频率的信号分量。然后,不再进行参数辨识,而是直接将得到的各类信号分量数据直接交于PNN神经网络进行分类,直接挖掘次/超同步振荡数据的特点,达到在线监测的目的。仿真和实例均验证了方法的可靠性。 展开更多
关键词 次同步振荡 超同步振荡 深度学习 PNN神经网络 同步压缩小波变换(SST) 在线监测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部