专利交易市场

本发明涉及一种基于广义形态滤波与改进MP算法的低频振荡模态辨识方法，提出一种将广义形态滤波与改进MP算法相结合来对电力系统低频振荡模态辨识，利用广义形态滤波对低频振荡信号进行去噪处理，然后再采用改进MP算法进行模态辨识。对于MP算法在进行低频振荡模态辨识的过程中阶数确定的问题，采用归一化奇异熵来进行定阶，该方法在定阶时计算量较小、速度快、受主观因素影响也较小。本发明可以实现噪声干扰下的低频振荡模态准确的辨识，克服了由于电力系统的测量、传输环节通常都会引入噪声干扰，而噪声将严重影响电力系统低频振荡模态辨识的准确性等问题，具有较好的应用前景。

本发明涉及一种基于改进广义形态滤波的低频振荡模态辨识方法，对电力系统低频振荡模态辨识，利用广义形态滤波对低频振荡信号进行去噪处理，然后再采用TLS‑ESPRIT算法进行模态辨识。对于TLS‑ESPRIT算法在进行低频振荡模态辨识的过程中阶数确定的问题，采用奇异值差值与最大奇异值比值法来进行定阶，该方法在定阶时计算量较小、速度快、受主观因素影响也较小。本发明可以实现噪声干扰下的低频振荡模态准确的辨识，具有较好的应用前景。

基于伞式算法的电力系统电压稳定评估误分类约束方法，步骤1：构建初始数据集，并基于电力系统电压稳定评估规则，构建电压稳定安全分类标签；步骤2：选择关键运行变量构建高效样本集；步骤3：对电压稳定评估模型进行离线训练；步骤4：将新的运行工况条件下产生的新样本集送入电压稳定评估模型中进行模型更新；步骤5：利用已训练好的电压稳定评估模型完成在线电压稳定评估。本发明为了解决传统基于数据驱动工具构建的VSA模型在误分类约束及模型更新机制方面存在的局限性，提出基于伞式算法的电力系统电压稳定评估误分类约束方法，使得VSA模型可提供权衡总体分类精度与一类分类错误约束的VSA结果。

一种针对电力系统静态电压稳定评估的数据驱动方法，包括以下步骤：步骤一)：建立初始的数据集；步骤二)：构建特征选择框架，并利用此框架对初始样本集进行关键特征选择，建立由关键特征及相应的VSM构成的样本集；步骤三)：对随机比特森林进行训练及更新，形成基于RBF的电压稳定评估模型；步骤四)：基于同步相量测量单元与广域测量系统实时收集的电力系统运行数据，选择相应的特征，利用已训练的电压稳定评估模型完成实时电压稳定评估。本发明的目的是为了建立一种高效的特征选择框架及构建高精度、高适应性的电力系统静态稳定评估模型，从而提供一种针对电力系统静态电压稳定评估的数据驱动方法。