基于SPWVD图像和深度迁移学习的强迫振荡源定位方法.pdfVIP

第44 卷 第17 期 2020 年9 月10 日 Vol.44No.17 Sept.10,2020 DOI：10.7500/AEPS20191225001 基于SPWVD图像和深度迁移学习的强迫振荡源定位方法 1 1 1 2 冯 双 ，陈佳宁 ，汤 奕 ，史 豪 （1. 东南大学电气工程学院，江苏省南京市 210096；2. 国网扬州供电公司，江苏省扬州市 225000） 摘要：强迫振荡扰动源的准确定位是消除强迫振荡、恢复电力系统正常运行的关键。文中提出一 种基于平滑伪Wigner-Ville分布（SPWVD）图像和深度迁移学习的强迫振荡扰动源定位方法。首 先对强迫振荡信号采用SPWVD方法以图像形式表征全网强迫振荡特征信息，然后通过深度迁移 学习将其他领域的图像识别知识迁移到电力系统领域，挖掘振荡图像与扰动源位置之间的联系，在 保证训练准确度的同时，提升了训练效率。在WECC 179节点系统中的算例验证了该方法的有效 性，并且相比于传统机器学习方法具有准确率高的优势。此外还考虑振荡数据中