论文部分内容阅读
为了更准确地识别电力系统次同步振荡的模态数量和频率,以及时进行频率定位和重构,需要提高次同步实测数据的模态辨识的结果精度.针对DBSCAN聚类可以被应用于划分类簇但无法自动计算类簇中心,以及Kmeans聚类需提前确定类簇数量才能计算类簇中心的特点,提出了一种基于傅里叶同步挤压变换和DBSCAN-Kmeans混合聚类(以下简称D-K聚类)的电力系统次同步振荡分析法.模拟数值信号和IEEE次同步谐振(SSR)标准模型算例的仿真实验数据表明,FSST方法能被用于分离距离较近的相邻信号模态.通过算例分析,验证了结合FSST和D-K聚类的次同步振荡分析方法可以避免FSST方法无法自动获取模态的缺陷,且参数辨识结果有较高的精度.