基于LSTM的电力系统低频振荡模态特征的快速辨识方法

专利申请号：CN202011050936.7

公 开 号：CN112183368B

发 明 人：张文涛 叶圣永 魏俊 刘立扬 刘旭娜 刘洁颖 韩宇奇 李达 赵达维 龙川 

代 理 人：成都行之专利代理有限公司张严芳

代理机构：成都行之专利代理有限公司

专利类型：发明专利

申 请 日：20240202

公 开 日：20200929

专利主分类号：G06F18/10

关 键 词：辨识 模态特征 电力系统低频振荡 样本数据 分类准则 神经网络 网络训练 滑窗 矩阵 测试样本分类 神经网络模型 结果可靠性 预处理操作 后续网络 输出分析 数学模型 衰减因子 训练样本 准确率 取样 测试 分析 

摘      要：本发明公开了一种基于LSTM神经网络的电力系统低频振荡模态特征的快速辨识方法，提供一种分析准确，设计合理的电力系统低频振荡模态特征的快速辨识方法，包括：根据EDSs数学模型生成LFO样本数据，分别采用Hankel矩阵以及滑窗FFT算法对LFO样本数据进行预处理操作；根据辨识要求确立分类准则，按照分类准则划分标记LFO样本数据以供后续网络训练与测试；搭建LSTM神经网络模型，输入训练样本进行网络训练，通过测试样本分类准确率确定网络训练完成与否；将待测LFO信号经滑窗取样输入LSTM神经网络，通过输出分析完成对LFO频率以及衰减因子模态特征的辨识。本发明具有对电力系统低频振荡模态特征快速辨识、识别结果可靠性高等优点。