针对存在多种单一电能质量扰动的复合扰动分类识别问题,提出了一种基于分段改进S变换和RBF神经网络相结合的复合电能质量扰动识别新方法。首先对离散S变换进行了分段改进,将时域分辨率和频域分辨率进行分段处理,通过分析改进S变换得到的模时频矩阵,绘制了能够反映扰动信号不同突变参数的特性曲线。其次利用统计方法优化计算提取了10种用于模式识别的特征量,并用局部逼近的RBF神经网络设计了分类器对提取的特征样本进行训练和分类,最后在不同噪声环境下对5种单一扰动及谐波+电压暂降、电压暂降+闪变等6类复合电能质量扰动的分类识别进行了仿真验证。仿真结果表明,该方案时频处理、分类能力和学习速度等方面均优于普通改进S变换+全局逼近网络的方法,且鲁棒性强,能准确识别多种单一扰动及两种扰动同时存在的复合电能质量扰动。
类型: 期刊论文
作者: 杨剑锋,姜爽,石戈戈
关键词: 复合扰动,分段改进变换,时频特性,神经网络,特征提取
来源: 电力系统保护与控制 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 兰州交通大学自动化与电气工程学院,兰州交通大学光电技术与智能控制教育部重点实验室
基金: 国家自然科学基金项目(61863023),国网甘肃省电力公司科技项目(SGGSKY00DJJS1800118)~~
分类号: TM711
页码: 64-71
总页数: 8
文件大小: 792K
下载量: 232
本文来源: https://www.lunwen66.cn/article/06a79269c1cc4689658abbc0.html