基于动态测度和神经网络的电能质量扰动识别

摘要：

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.

关键词： 电能质量 动态测度算法 神经网络分类器 自动识别

作者: 宋雪雷 佟为明 李凤阁

作者单位: 哈尔滨工业大学,电气工程系,黑龙江,哈尔滨,150001

会议类型: 国内会议

会议名称: 第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

会议地点: 哈尔滨

会议语种:中文

页码: 133-137

在线出版日期: 2006-08-05（万方平台首次上网日期，不代表论文的发表时间）