基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

张凯; 关根志; 龙望成; 刘功能

首页> 中文期刊> 《电力自动化设备》 >基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

基于小波多分辨率分析和自组织映射网络,提出了一种电力系统电能质量扰动问题的分类识别方法.在多分辨率分析中,利用小波方程和尺度方程可以对信号进行多层分解.对各层信号进行统计分析得到标准差,相当于对分解后的信号进行了特征提取,可以反映信号的离散度并作为各层的特征值,且特征明显、数值量小.对得到的特征值,采用自组织映射网络进行聚类分析,就可以实现电能质量扰动类别的智能判断.仿真结果表明该方法判别精度高、速度快,可供电能质量问题的监测分析参考.

著录项

来源
《电力自动化设备》 |2008年第8期|41-45|共5页
作者
张凯; 关根志; 龙望成; 刘功能;
展开▼
作者单位

武汉大学,电气工程学院,湖北,武汉,430072;

武汉大学,电气工程学院,湖北,武汉,430072;

武汉大学,电气工程学院,湖北,武汉,430072;

湖南省超高压管理局,湖南,长沙,410015;

展开▼
原文格式 PDF
正文语种 chi
中图分类负荷分析;
关键词
电能质量; 扰动; 多分辨率分析; 小波; 标准差; 自组织映射;

相似文献

中文文献
外文文献
专利

1. 基于自组织映射网络的电动机故障分类识别 [J] . 祁晓钰 . 电机技术 . 2010,第001期
2. 基于自组织映射网络的齿轮故障分类识别 [J] . 廖广兰 ,史铁林 ,姜南 . 华中科技大学学报：自然科学版 . 2003,第7期
3. 基于HHT和决策树的电能质量扰动分类识别 [J] . 沈凯 ,屠永伟 ,缪宇峰 . 电子世界 . 2018,第007期
4. 基于BWD谱峭度的暂态电能质量扰动分类识别 [J] . 陈刚 ,刘志刚 ,张巧革 . 电力系统及其自动化学报 . 2014,第007期
5. 基于S变换的电能质量扰动支持向量机分类识别 [J] . 占勇 ,程浩忠 ,丁屹峰 . 中国电机工程学报 . 2005,第4期
6. 基于S变换和概率神经网络对电能质量扰动信号分类识别 [C] . Feng Yao ,冯垚 ,Zhang Huijuan . 2015全国电工理论与新技术学术年会 . 2015
7. 基于数学形态学和深度学习的电能质量扰动信号分类识别研究 [A] . 雷震 . 2019

基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

摘要

著录项

相似文献

相关主题

期刊订阅