| 摘要: |
| 大规模复杂电网在不同运行条件下其低频振荡模式变化明显，基于扰动信号和类噪声信号的振荡辨识海量结果需在线分析，以完成多个模式的自动识别与分类。针对上述问题，提出并设计了一套不依赖于经验的振荡模式自动分类系统。该系统包括特征选择和分类器两个部分，利用特征选择实现了大范围的降维，并对比分析了线性的Fisher分类器、非线性的二次型和k近邻分类器性能。进一步的，基于南方电网简化仿真数据进行了验证，其结果说明了所设计和实现方法的有效性，为进一步的预警、分群等提供了重要信息。 |
| 关键词: 低频振荡 振荡模式辨识 模式分类 特征选择 Fisher分类 k近邻分类 二次型分类 |
| DOI：10.7667/j.issn.1674-3415.2010.04.008 |
| 分类号: |
| 基金项目:电力系统国家重点实验项目（SKLD08Z01）；中国南方电网有限责任公司重大科技专项 |
|
|
|
|
| Abstract: |
|
| Key words: |
