马建伟
- 作品数：8 被引量：23H指数：2
- 供职机构：贵阳供电局更多>>
- 发文基金：国家自然科学基金湖南省科技计划项目湖南省自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于滑窗FFT算法的低频振荡主导模式识别
- 2014年
- 通过分析加窗截断低频振荡信号的频谱分布,提出了基于滑窗FFT算法的主导模式识别方法。该方法通过对滑窗前后相应谱分量变化的分析,就能识别出模式的衰减特性(即阻尼特性);并针对FFT算法特有的栅栏效应现象,提出了相应的模式识别方法和步骤。仿真结果表明,该方法可以有效的识别低频振荡特征参数,计算量较少,并对含白噪声的信号具有较好的鲁棒性。
- 马建伟杨芳
- 关键词：低频振荡滑窗频谱分析FFT算法
- 基于神经网络自适应滤波的低频振荡Prony分析被引量：2
- 2012年
- 针对传统Prony算法在分析低频振荡时对噪声非常敏感的缺点,提出一种基于神经网络自适应滤波和改进Prony算法相结合的电力系统低频振荡分析方法。该方法以广域测量信号作为输入,采用神经网络自适应滤波对低频振荡信号进行滤波预处理,调节性能指标阀值确定滤波效果,并通过改进Prony算法对滤波后的信号进行识别。仿真结果表明,该方法能有效滤除噪声,能较为准确地辨识低频振荡的主导模式。
- 杨芳马建伟
- 关键词：低频振荡白噪声PRONY算法
- 低频振荡主导模式的滑窗谱分析方法被引量：2
- 2013年
- 实际电力系统低频振荡复杂,具有多模式且模式时变的特点,但在秒级时间窗内,仍可采用非时变特征根来描述机电振荡模式.采用滑窗后谱分量比较的办法,解决阻尼识别和模式变化判别问题;针对振荡带宽较窄的特点,采用最小二乘递推的傅里叶基神经网络谱分析方法提高抗干扰能力,并从窗口权值分析得到主导模式的频率;通过滑窗训练,识别各模式的阻尼和幅值以及模式的变化.开窗和滑窗分析符合实测数据在线分析的实际过程;对频谱分析方法的改进,即保留了原有工程经验,又解决了实际问题.仿真表明:该方法在干扰和多模式的情况下抗干扰性强,模式识别准确.
- 竺炜蒋頔马建伟曾喆昭
- 关键词：低频振荡滑窗谱分析神经网络
- 基于带宽自适应滤波的低频振荡Prony分析
- 2013年
- 针对传统Prony法在分析低频振荡时对噪声非常敏感的缺点,提出了一种基于带宽分析的余弦基神经网络滤波方法。首先,利用余弦基神经网络逼近低频振荡信号,通过对权值的分析,确定信号有效带宽;然后根据信号带宽进行带通滤波,再将输出信号导入Prony模块分析。其中,针对有效带宽范围的确定,提出了固定带宽与动态带宽的分析方法。分别在脉冲噪声、高频谐波噪声、随机白噪声背景下进行了算例分析,表明了该方法对含噪低频振荡信号具有较好的滤波效果,有效地提高Prony算法的振荡主导模式识别精度。能满足电力系统低频振荡特征分析的需要。
- 杨芳马建伟杨利波
- 关键词：低频振荡白噪声PRONY
- 励磁控制器的抗饱和鲁棒控制研究
- 2011年
- 发电机励磁控制中,控制器的超调会使调节系统进入强非线性区,影响控制性能.鲁棒控制分析表明,在强干扰下,控制器性能指标越好,越容易进入超调状态.为此,采用增益矩阵反馈抗饱和理论,设计包含抗饱和补偿环节励磁控制器.通过线性矩阵不等式求解,得到满足限幅约束的可行解,从而得到补偿环节的增益矩阵.当控制器过调时,补偿环节会加以修正.仿真分析表明,在大扰动下,附加抗饱和环节的励磁控制器能有效地抑制控制器超调,提高发电机稳定控制能力.
- 郑少鹏竺炜杨芳马建伟
- 关键词：励磁控制器鲁棒控制抗饱和矩阵不等式
- FFT结合神经网络的低频振荡主导模式识别被引量：11
- 2011年
- 为提高电力系统低频振荡主导模式识别的抗噪性,提出一种FFT结合神经网络的识别方法.首先,基于加窗插值FFT算法求解各振荡模式的频率及其能量权重;然后利用神经网络分段逼近低频振荡信号,根据相邻两段的幅值变化求解衰减因子;最后拟合求出低频振荡信号的幅值和相位.仿真结果表明,该方法能可靠、准确地识别低频振荡主导模式,与Prony算法相比具有较好的抗噪性.
- 马建伟竺炜曾喆昭杨芳
- 关键词：PRONY神经网络低频振荡模式识别
- 低频振荡模式的傅里叶及神经网络分析方法研究
- 本文重点围绕电力系统低频振荡主导模式提取这个中心,分析讨论了目前主要分析方法的优缺点,然后提出三种模式识别的新方法,它们都不需要考虑低频振荡的发生机理,可直接利用现场实测数据进行模式识别分析,取得了较好效果,具有较好的抗...
- 马建伟
- 关键词：低频振荡模式傅里叶分析神经网络频谱特性栅栏效应
- 分段傅里叶神经网络的低频振荡模式识别方法被引量：11
- 2012年
- 针对低频振荡带宽较窄、主导模式较少的特点,提出了分段傅里叶神经网络的主导模式识别方法。采用分段傅里叶系数以求得振荡阻尼特性;为克服傅里叶系数直接求解的困难,采用有限神经元的正交基神经网络模型进行求解。根据分段傅里叶系数识别振荡主导模式的频率和衰减因子;再根据其与衰减时间窗的关系得到振荡幅值。该方法既保留了傅里叶算法抗噪性好的特点,又利用神经网络训练,进一步提高了抗噪性和可靠性,并通过算例仿真得到了证明。该研究对电力系统低频振荡的在线动态识别具有实际意义。
- 竺炜马建伟曾喆昭周益华
- 关键词：PRONY神经网络低频振荡模式识别
