论文摘要
针对随着负载种类增多,BP神经网络的电弧故障辨识成功率不断下降的问题,提出一种基于K-means分类算法和BP神经网络组合的故障电弧辨识方法。通过快速傅里叶变换得到负载电流波形的特征值,再由K-means算法进行负载分类,对分类后的负载波形分别做小波变换得到细节特征值,将小波细节特征值和时域特征值输入至与负载类型对应的BP神经网络进行故障识别。试验结果表明,基于K-means负载分类和BP神经网络的辨识方法故障电弧辨识成功率达到96.41%,有效解决了负载类型增多时BP神经网络难以收敛且成功率降低的问题。
论文目录
文章来源
类型: 期刊论文
作者: 沈航,张峰,张士文,陆凯峰
关键词: 串联故障电弧,快速傅里叶变换,均值聚类,小波变换,神经网络
来源: 电气自动化 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业
单位: 上海交通大学电子信息与电气工程学院
分类号: TM501.2
页码: 60-63
总页数: 4
文件大小: 1506K
下载量: 205