CN119496162A 一种基于woa-vmd算法的宽频振荡定位方法 (国网甘肃省电力公司电力科学研究院)_第1页
CN119496162A 一种基于woa-vmd算法的宽频振荡定位方法 (国网甘肃省电力公司电力科学研究院)_第2页
CN119496162A 一种基于woa-vmd算法的宽频振荡定位方法 (国网甘肃省电力公司电力科学研究院)_第3页
CN119496162A 一种基于woa-vmd算法的宽频振荡定位方法 (国网甘肃省电力公司电力科学研究院)_第4页
CN119496162A 一种基于woa-vmd算法的宽频振荡定位方法 (国网甘肃省电力公司电力科学研究院)_第5页
已阅读5页,还剩28页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

院本发明提出了一种基于WOA_VMD算法的宽频振荡定位方法,涉及电力系统优化控制技术领对每个模式分量进行优化,同时利用VMD算法去每个模式分量输入离线训练完成后的宽频振荡种基于WOA_VMD算法的宽频振荡定位方法,通过WOA_VMD算法与图神经网络相结合,实现了对振2S2、通过WOA算法对每个模式分量进行优化,同时S4、将去除宽频振荡噪声后的每个模式分量输入2.如权利要求1所述的一种基于WOA_VMD算法的k为VMD分解后的第k个模式分量,wk是第k个模式分量的瞬时频率,为求偏导e"'为拉普拉斯3.如权利要求1所述的一种基于WOA_VMD算法34.如权利要求3所述的一种基于WOA_VMD算法的宽频振荡定5.如权利要求1所述的一种基于WOA_VMD算法4通过加权求和的方式计算每个节点融合了领域信将节点的有功功率时序信息P作为输入特征,电力网络拓扑结构对振荡节点位置标签和特征矩阵P之间的映射关系进行学习得到训练完成的宽频振荡ij6.如权利要求5所述的一种基于WOA_VMD算法的宽频yk,05当所述一个或多个程序被所述处理器执行时,实现如权利要求1_6中任一项所述的一理器执行时实现如权利要求1_6中任一项所述的一种基于WOA_VMD算法的宽频振荡定位方6以识别系统的固有振荡模式及其特性。尽管这种方法能够详细描述振荡的动态行为信息,[0004]本发明的目的在于提供一种基于WOA_VMD算法的宽频振荡定位方法,其能够解决7e""为拉普j*8[0044]对振荡节点位置标签和特征矩阵P之间的映射关系进行学习得到训练完成的宽频9ij源位置标签与特征矩阵Y之间的映射关系函数,Y为特征矩阵,cx)为实际系统量测量Xink,0机程序被处理器执行时实现如上述第一方面中任一项的一种基于WOA_VMD算法的宽频振荡[0056]本发明一种基于WOA_VMD算法的宽频振荡定位方法,通过将原始振荡信号序列分[0068]IMF:内涵模态分量(Intrin[0075]请参阅图1,图1所示为本申请实施例提供的一种基于WOA_VMD算法的宽频振荡定e""为拉普模态分量被定义为AM和FM的分量模态函数,改善了EMD算法中的末端效应和模式分量混叠j*[0102]2)采用上述优化过程中获得的最佳参数模型对输入信号实施VMD分解,以获取与[0124]对振荡节点位置标签和特征矩阵P之间的映射关系进行学习得到训练完成的宽频k,0元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(Network或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实[0138]另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部算机软件产品存储在一个存储介质中,包括若干方法去除宽频振荡噪声时需要预设分解模态参数K和惩罚因子α,通过WOA优化算法选取合

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论