赵 妍，霍 红，徐晗桐

(1.东北电力大学输变电技术学院，吉林 吉林 132012；2.东北电力大学电气工程学院，吉林 吉林 132012)

电网的大规模互联可以带来一系列的经济效益，但互联后的系统中易出现低频振荡现象[1].近年来，国家对新能源建设强力推进，风力以及光伏发电飞速发展[2].但是，受风能资源和负荷中心的逆向分布，大规模的新能源发电模式普遍采用的是“集中式发展，远距离输送”，这样系统中低频振荡的概率就会大幅度提高[3].例如河南电网于2006年7月1日发生的线路故障跳闸中，多段500 kV和220 kV的线路因故障导致跳闸，致使华中电网产生较大规模的功率振荡，最终造成华中电网和华北电网、川渝电网和华中主网发生解列[4].所以，低频振荡的在线监测和预警成为了低频振荡研究中的一个关键问题[5].另外，引起低频振荡的机理不同，采取的应对方式同样不尽相同[5-7].因此，如何准确、迅速判别振荡的性质同样非常重要[8].在现有的研究功率振荡机理的文献中，区分负阻尼振荡以及强迫振荡两种类型的方法多是在事故发生后的分析[9-11].所以，研究在线分类方法是低频振荡研究中的另一个重要问题.

与经典的分类方式比较来说，机器学习分类器不需要建立复杂的数学模型，而是通过离线训练方式利用已经标记的信息发现分类规则、构造分类模型，从而能够输出未含标记信息数据的属性特征，其最终的目标是使分类准确度达到最理想.这种通过已有的……