摘要：大规模复杂电网在不同运行条件下其低频振荡模式变化明显,基于扰动信号和类噪声信号的振荡辨识海量结果需在线分析,以完成多个模式的自动识别与分类。针对上述问题,提出并设计了一套不依赖于经验的振荡模式自动分类系统。该系统包括特征选择和分类器两个部分,利用特征选择实现了大范围的降维,并对比分析了线性的Fisher分类器、非线性的二次型和k近邻分类器性能。进一步的,基于南方电网简化仿真数据进行了验证,其结果说明了所设计和实现方法的有效性,为进一步的预警、分群等提供了重要信息。

关键词：低频振荡 振荡模式辨识 模式分类 特征选择 fisher分类 

单位：清华大学电机系电力系统国家重点实验室 北京100084