继电器
繼電器
계전기
RELAY
2008年
5期
45-48,53
,共5页
电能质量扰动%小波变换%多维分形%概率神经网络%特征矢量
電能質量擾動%小波變換%多維分形%概率神經網絡%特徵矢量
전능질량우동%소파변환%다유분형%개솔신경망락%특정시량
提出了基于小波变换和多维分形的电能质量扰动概率神经网络自动分类系统.分类系统的实现分为两个阶段,首先采用离散小波多分辨率分析和Parseval定理提取不同尺度下扰动信号的能量分布特征,同时利用多维分形方法计算同一畸变信号的局部方差分维数,并将小波变换提取的能量分布特征和局部方差分维数组合构成特征矢量.其次将特征矢量输入到概率神经网络进行训练和测试,从而实现正弦波形、电压骤降、电压陡升、谐波、中断,脉冲和振荡瞬态的分类.采用提出方法的电能质量扰动平均分类率为95.86%,高于只采用离散小波变换提取特征矢量分类率2.15%.
提齣瞭基于小波變換和多維分形的電能質量擾動概率神經網絡自動分類繫統.分類繫統的實現分為兩箇階段,首先採用離散小波多分辨率分析和Parseval定理提取不同呎度下擾動信號的能量分佈特徵,同時利用多維分形方法計算同一畸變信號的跼部方差分維數,併將小波變換提取的能量分佈特徵和跼部方差分維數組閤構成特徵矢量.其次將特徵矢量輸入到概率神經網絡進行訓練和測試,從而實現正絃波形、電壓驟降、電壓陡升、諧波、中斷,脈遲和振盪瞬態的分類.採用提齣方法的電能質量擾動平均分類率為95.86%,高于隻採用離散小波變換提取特徵矢量分類率2.15%.
제출료기우소파변환화다유분형적전능질량우동개솔신경망락자동분류계통.분류계통적실현분위량개계단,수선채용리산소파다분변솔분석화Parseval정리제취불동척도하우동신호적능량분포특정,동시이용다유분형방법계산동일기변신호적국부방차분유수,병장소파변환제취적능량분포특정화국부방차분유수조합구성특정시량.기차장특정시량수입도개솔신경망락진행훈련화측시,종이실현정현파형、전압취강、전압두승、해파、중단,맥충화진탕순태적분류.채용제출방법적전능질량우동평균분류솔위95.86%,고우지채용리산소파변환제취특정시량분류솔2.15%.
