作者：王臻; 李承; 林志芳; 李惠章广域测量系统四阶混合累积量高斯色噪声htlsadaline人工神经网络模态信息
摘要：针对广域测量系统的实测信号受高斯色噪声的影响，提出一种利用FOMC-HTLSAdaline进行低频振荡在线辨识的新方法。首先，为抑制高斯色噪声的影响，利用四阶混合累积量的盲高斯性，将四阶混合累积量（FOMC）序列代替实测序列进行低频振荡的辨识。然后，利用HTLS和自适应神经网络算法（AdalineANN）相结合，估计出低频振荡的频率、衰减因子、幅值和相位。Adaline神经网络的引入解决了四阶混合累积处理后，模式幅值和相位不易确定的难点，同时减少矩阵处理引入的误差累积，提高检测精度。四机两区域系统仿真算例和实测相量测量单元（PMU）算例共同表明，FOMC-HTLS-Adaline算法可以在高斯色噪声环境下，精确地在线辨识系统振荡模式。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
