基于小波包能量熵的电能质量扰动识别

被引:1
作者
李宁
任子晖
刘伟伟
王巍
机构
[1] 中国矿业大学信电学院
关键词
电能质量; 小波包能量熵; 主分量分析; 概率神经网络; 扰动识别;
D O I
暂无
中图分类号
TM711 [网络分析、电力系统分析]; TD60 [一般性问题];
学科分类号
080802 ; 0819 ;
摘要
提出了一种基于小波包能量熵的电能质量扰动识别方法。该方法对仿真的扰动电压信号进行4层小波包分解,提取小波包能量熵特征向量,利用主分量分析法提取电压信号的小波包特征向量并输入到概率神经网络(PNN)进行扰动识别,实现了扰动样本的最优压缩,简化了扰动分类中神经网络分类器的结构,提高了神经网络扰动识别的速度和精度。仿真结果表明,该方法具有良好的扰动识别能力。
引用
收藏
页码:56 / 61
页数:6
相关论文
共 9 条
[1]  
基于神经网络的模拟电路故障诊断方法研究.[D].王承.电子科技大学.2005, 07
[2]   基于S变换与PNN的电能质量多扰动检测 [J].
唐求 ;
王耀南 ;
郭斯羽 ;
滕召胜 .
仪器仪表学报, 2009, 30 (08) :1668-1673
[3]   基于概率神经网络的设备故障诊断及仿真分析 [J].
姬东朝 ;
宋笔锋 ;
易华辉 .
火力与指挥控制, 2009, (01) :82-85
[4]   基于PCA和神经网络的故障诊断技术 [J].
汪蔚 ;
王荣杰 ;
胡清 .
计算机工程, 2008, (07) :184-185+188
[5]   面料性能对服装造型的影响 [J].
李艳梅 .
上海工程技术大学学报, 2007, (02) :180-183
[6]   基于小波熵和小波熵权的电能质量扰动识别 [J].
陈小勤 ;
何正友 .
电力科学与工程, 2006, (01) :1-5
[7]   小波包能量熵神经网络在电力系统故障诊断中的应用 [J].
张举 ;
王兴国 ;
李志雷 .
电网技术, 2006, (05) :72-75+80
[8]   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 ;
吕干云 ;
孙毅斌 .
中国电机工程学报, 2005, (04) :53-58
[9]   检测电压瞬时脉冲扰动的小波—神经网络新方法 [J].
王晶 ;
束洪春 ;
陈学允 .
电力系统自动化, 2002, (06) :50-54