基于高阶模体的时间序列分类用于电网强迫振荡源定位
机器学习
2023-06-26 v1 统计方法学
摘要
时间序列模体用于发现时间序列数据的高阶结构。基于时间序列模体，提出了模体嵌入相关场（MECF）来刻画动力系统时间序列的高阶时间结构。一种基于MECF的无监督学习方法被应用于定位强迫振荡（FO）的源，FO是一种对电网产生有害影响的周期性扰动。定位FO源对于系统稳定性至关重要。与傅里叶分析相比，基于MECF的无监督学习适用于各种FO情形，包括单FO、带共振的FO以及多源FO。基于MECF的无监督学习是一种数据驱动方法，无需系统模型或拓扑的任何先验知识。在英国高压输电网上的测试说明了基于MECF的无监督学习的有效性。此外，还研究了耦合强度和测量噪声对基于MECF的无监督学习定位FO源的影响。
引用
@article{arxiv.2306.13397,
title = {Higher-order Motif-based Time Series Classification for Forced Oscillation Source Location in Power Grids},
author = {Long Huo and Xin Chen},
journal= {arXiv preprint arXiv:2306.13397},
year = {2023}
}