哈尔滨工程大学学报
哈爾濱工程大學學報
합이빈공정대학학보
JOURNAL OF HARBIN ENGINEERING UNIVERSITY
2006年
z1期
133-137
,共5页
电能质量%动态测度%神经网络%识别
電能質量%動態測度%神經網絡%識彆
전능질량%동태측도%신경망락%식별
提出一种基于动态测度和神经网络的电能质量扰动识别方法.首先对电能质量扰动数据进行预处理,然后用动态测度算法提取特征向量,最后输入到神经网络分类器实现扰动类型的自动识别.动态测度算法能准确检测信号的所有极值点,并根据信号畸变点与峰谷点之间较大的动态测度差别有效识别信号畸变点.特征向量的元素包括能量特征值、持续时间特征值、幅值范围特征值和幅值变化特征值.神经网络分类器采用并行结构,每个子网络可识别一种扰动,它由BP网络构建,并采用动量-自适应学习BP算法改进其收敛性能.仿真和测试结果验证了新方法是正确和有效的,且具有较高的正确识别率.
提齣一種基于動態測度和神經網絡的電能質量擾動識彆方法.首先對電能質量擾動數據進行預處理,然後用動態測度算法提取特徵嚮量,最後輸入到神經網絡分類器實現擾動類型的自動識彆.動態測度算法能準確檢測信號的所有極值點,併根據信號畸變點與峰穀點之間較大的動態測度差彆有效識彆信號畸變點.特徵嚮量的元素包括能量特徵值、持續時間特徵值、幅值範圍特徵值和幅值變化特徵值.神經網絡分類器採用併行結構,每箇子網絡可識彆一種擾動,它由BP網絡構建,併採用動量-自適應學習BP算法改進其收斂性能.倣真和測試結果驗證瞭新方法是正確和有效的,且具有較高的正確識彆率.
제출일충기우동태측도화신경망락적전능질량우동식별방법.수선대전능질량우동수거진행예처리,연후용동태측도산법제취특정향량,최후수입도신경망락분류기실현우동류형적자동식별.동태측도산법능준학검측신호적소유겁치점,병근거신호기변점여봉곡점지간교대적동태측도차별유효식별신호기변점.특정향량적원소포괄능량특정치、지속시간특정치、폭치범위특정치화폭치변화특정치.신경망락분류기채용병행결구,매개자망락가식별일충우동,타유BP망락구건,병채용동량-자괄응학습BP산법개진기수렴성능.방진화측시결과험증료신방법시정학화유효적,차구유교고적정학식별솔.