电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2012年
5期
139-144
,共6页
电能质量%扰动分类%小波变换%反向传播神经网络%最小二乘法
電能質量%擾動分類%小波變換%反嚮傳播神經網絡%最小二乘法
전능질량%우동분류%소파변환%반향전파신경망락%최소이승법
电能质量扰动的分类包括特征向量提取和分类器构建2部分.基于小波和神经网络的分类方法大部分采用小波分解各层的能量分布作为特征向量,用单个神经网络给出分类结果,此类方法构建的分类器性能有待进一步提高.文章构建了一组基于小波变换的特征向量作为分类器的输入.通过基于最小二乘法的策略综合3个相互独立神经网络的输出以得到最后的判别结果.算例表明提出的分类器准确率高,在信噪比20 dB的情况下还可以达到93.18％的准确率.分类器能有效识别电压中断、电压暂降、电压暂升、谐波、振荡暂态和闪变6种常见电能质量扰动.
電能質量擾動的分類包括特徵嚮量提取和分類器構建2部分.基于小波和神經網絡的分類方法大部分採用小波分解各層的能量分佈作為特徵嚮量,用單箇神經網絡給齣分類結果,此類方法構建的分類器性能有待進一步提高.文章構建瞭一組基于小波變換的特徵嚮量作為分類器的輸入.通過基于最小二乘法的策略綜閤3箇相互獨立神經網絡的輸齣以得到最後的判彆結果.算例錶明提齣的分類器準確率高,在信譟比20 dB的情況下還可以達到93.18％的準確率.分類器能有效識彆電壓中斷、電壓暫降、電壓暫升、諧波、振盪暫態和閃變6種常見電能質量擾動.
전능질량우동적분류포괄특정향량제취화분류기구건2부분.기우소파화신경망락적분류방법대부분채용소파분해각층적능량분포작위특정향량,용단개신경망락급출분류결과,차류방법구건적분류기성능유대진일보제고.문장구건료일조기우소파변환적특정향량작위분류기적수입.통과기우최소이승법적책략종합3개상호독립신경망락적수출이득도최후적판별결과.산례표명제출적분류기준학솔고,재신조비20 dB적정황하환가이체도93.18％적준학솔.분류기능유효식별전압중단、전압잠강、전압잠승、해파、진탕잠태화섬변6충상견전능질량우동.
