基于深度残差网络的SSO模态参数辨识

来源：电子测量技术杂志2022年第11期北京时间：

作者：况且，李娟，白淑华

单位：1.北京信息科技大学自动化学院，北京市 海淀区 100192; 2.北京四方继保自动化股份有限公司，北京市 海淀区 100084

摘要：针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识，辨识算法抗噪性差、辨识结果可靠性低等问题，提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型；模型训练数据集依据SSO信号特点生成，全部采用仿真数据；经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证，结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数，与卷积神经网络(CNN)和随机子空间(SSI)算法相比较，辨识精度更高，受噪声干扰小，具有盲辨识的特点，可用于电力系统次同步振荡风险的预警。

关键词：次同步振荡;模态参数辨识;残差网络;抗噪性

基金资助：国家自然科学基金项目(51477010)