电压变量

电力系统宽频振荡具有宽频域、非线性和时变性的特点，对振荡分类在准确性、快速性等方面提出了更高的要求。为此，提出一种基于自适应变分模态分解(adaptive variational mode decomposition, AVMD)的多尺度模糊熵(multi-scale fuzzy entropy, MFE)和变量预测模型(variable predictive model-based class discriminate, VPMCD)相结合的宽频振荡分类新方法。首先，对宽频振荡信号进行AVMD，得到固有模态分量(intrinsic mode functions, IMFS)。然后，引入MFE对IMFS进行时域特征描述，同时实现对IMFS构造特征向量的降维处理。最后，采用VPMCD对MFE降维后的特征向量实现宽频振荡的分类检测。通过仿真和实测数据分析，结果表明，所提方法的宽频振荡分类检测准确率比支持向量机(support vector machines, SVM)、BP神经网络方法的分类准确率更高，分类时间更短。