论文部分内容阅读
实际电力系统低频振荡复杂，具有多模式且模式时变的特点，但在秒级时间窗内，仍可采用非时变特征根来描述机电振荡模式．采用滑窗后谱分量比较的办法，解决阻尼识别和模式变化判别问题；针对振荡带宽较窄的特点，采用最小二乘递推的傅里叶基神经网络谱分析方法提高抗干扰能力，并从窗口权值分析得到主导模式的频率；通过滑窗训练。识别各模式的阻尼和幅值以及模式的变化．开窗和滑窗分析符合实测数据在线分析的实际过程；对频谱分析方法的改进，即保留了原有工程经验，又解决了实际问题．仿真表明：该方法在干扰和多模式的情况下抗干扰性强，模式识别