基于RBF和TFT的自适应宽频振荡监测方法

近年来，随着可再生能源的大力发展，电力电子设备的渗透率越来越高，电力系统的振荡特性逐渐呈现出宽频化特征，而现有的广域监测系统(WAMS)面向工频分量，难以满足宽频振荡监测、控制、保护的需求。为此，本文提出了一种基于径向基(RBF)神经网络和泰勒傅里叶变换(TFT)的宽频振荡监测方法，实现了宽频振荡信号的精确估计。首先，利用离散傅里叶变换(DFT)进行初步估计，然后采用TFT精确计算宽频振荡信号的参数。为降低TFT算法的计算量，本文将RBF神经网络用于噪声强度估计，根据噪声大小自适应确定数据窗长。最后，对大量仿真数据及河北沽源和新疆哈密的实测振荡数据进行了验证，结果表明即使在噪声较大时，RBF神经网络的拟合效果也十分出色，文中方法的精确性仍然较高，因此，有望在未来应用于工程实际中。