电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2005年
10期
36-39
,共4页
刘晓芳%刘会金%陈允平%柯定芳
劉曉芳%劉會金%陳允平%柯定芳
류효방%류회금%진윤평%가정방
电能质量%小波包%特征提取%熵%神经网络
電能質量%小波包%特徵提取%熵%神經網絡
전능질량%소파포%특정제취%적%신경망락
对电能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤.提出基于最优小波包熵特征的特征提取方法,对采样信号进行小波包分解及时域预处理并选取最优小波包基,计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起,形成最终的特征向量并作为神经网络的输入构建神经网络识别系统,对暂态电能质量信号进行识别.系统负荷投切和电容器充电的仿真结果表明,该方法能快速有效地区分暂态脉冲和振荡暂态.
對電能質量暫態擾動進行正確的識彆分類是改善電能質量的前提,而電能質量擾動特徵嚮量的提取又是電能質量擾動識彆分類中的關鍵步驟.提齣基于最優小波包熵特徵的特徵提取方法,對採樣信號進行小波包分解及時域預處理併選取最優小波包基,計算各呎度下信號的最佳小波包子空間的熵值,歸一化處理後,把同呎度下的熵值和作為特徵量,再將所有呎度下的特徵量按呎度分解順序依次組閤在一起,形成最終的特徵嚮量併作為神經網絡的輸入構建神經網絡識彆繫統,對暫態電能質量信號進行識彆.繫統負荷投切和電容器充電的倣真結果錶明,該方法能快速有效地區分暫態脈遲和振盪暫態.
대전능질량잠태우동진행정학적식별분류시개선전능질량적전제,이전능질량우동특정향량적제취우시전능질량우동식별분류중적관건보취.제출기우최우소파포적특정적특정제취방법,대채양신호진행소파포분해급시역예처리병선취최우소파포기,계산각척도하신호적최가소파포자공간적적치,귀일화처리후,파동척도하적적치화작위특정량,재장소유척도하적특정량안척도분해순서의차조합재일기,형성최종적특정향량병작위신경망락적수입구건신경망락식별계통,대잠태전능질량신호진행식별.계통부하투절화전용기충전적방진결과표명,해방법능쾌속유효지구분잠태맥충화진탕잠태.
