[发明专利]一种基于模式相似度的强迫振荡识别方法

权利要求书

1.一种基于模式相似度的强迫振荡识别方法，其特征在于：具体执行步骤包括：

步骤(1)：开始，基于所需识别系统离线模型，建立强迫振荡模式相似度训练数据集；

将调度中心能量管理系统中当前电网典型运行模式下的系统模型作为系统离线模型，采用其小干扰稳定计算的模式模态信息建立相似度指标训练集，其中相似度指标(I_d1,I_d2)定义如下：

式中：I_d1为模式相似度指标，I_d2为模态相似度指标；

步骤(2)：基于训练数据建立强迫振荡识别的深度信念网络分类器；

步骤(3)：根据实时WAMS数据，基于模式识别方法和量子聚类的稳定图技术，对振荡曲线中包含的模式模态信息进行辨识并筛选稳定模式模态信息；

步骤(4)：根据辨识信息计算相似度指标，将指标输入深度量信念网络分类器识别强迫振荡。

2.根据权利要求1所述的基于模式相似度的强迫振荡识别方法，其特征在于：在所述步骤(2)中，深度信念网络以相似度指标(I_d1,I_d2)为输入变量，将0代表非强迫振荡，1代表强迫振荡为输出变量，采用最小误差微调整优化神经网络中相应权值，建立分类器模型。

3.根据权利要求1所述的基于模式相似度的强迫振荡识别方法，其特征在于：在所述步骤(3)中，采用随机子空间方法辨识WAMS记录的功率振荡曲线中的模式模态，并采用量子聚类方法确定稳定模式，消除噪声引起的虚假模式。

4.根据权利要求3所述的基于模式相似度的强迫振荡识别方法，其特征在于：获得准确的模式模态，其模态参数选取步骤如下：

采用SSI方法以不同阶数下系统辨识的结果作为样本集，选取其中的频率和阻尼信息形成初始样本集，初始化参数δ，以快速方法计算得到的不同阶数下的频率f、阻尼ξ构造样本集：X＝{x₁,x₂…x_n}，其中x_i＝[f_i ξ_i]^T，

根据计算势能函数，利用梯度下降算法确定初步聚类中心及数据分类，

根据初步数据分类结果，计算各样本间对应的MAC，如果MAC0.8则将样本剔除，统计最终各分类样本的数目，若样本数目大于0.5(n_max-n_min)/2，则认为稳定的，

重新计算稳定样本的聚类中心，作为最终的模式选择结果并确定相应的阶数。

5.根据权利要求1所述的基于模式相似度的强迫振荡识别方法，其特征在于：在所述步骤(4)中，利用辨识出的稳定模式模态信息，计算出相似度指标(I_d1,I_d2)，将其输入到分类器中，如果输出为0则不存在强迫振荡，输出为1则判定为强迫振荡。