基于小波奇异熵和支持向量机的配电网故障类型识别

被引:43
作者
王艳松
谭志勇
刘学民
机构
[1] 中国石油大学信息与控制工程学院
关键词
配电网; 小波变换; 小波奇异熵; 故障类型识别; 支持向量机;
D O I
暂无
中图分类号
TM76 [电力系统的自动化]; TM727 [电力网];
学科分类号
080802 [电力系统及其自动化];
摘要
准确识别故障类型是实现配电网故障定位的前提。应用小波变换技术提取反映接地故障特征的零序电压低频信号能量,应用小波变换和信息熵相结合的方法提取三相电压的小波奇异熵。以零序电压低频能量和三相电压的小波奇异熵为输入特征量,以相别A、B、C和地G为输出量,建立了四输入四输出的SVM故障类型识别网络。应用ATP/EMTP搭建配电网仿真模型模拟了各种故障条件下的各种故障类型。仿真分析表明,该方法能够快速准确地识别各种故障类型,且不受过渡电阻、故障位置等的影响。
引用
收藏
页码:16 / 20
页数:5
相关论文
共 11 条
[1]
超高压线路暂态保护选相研究 [J].
卜春霞 ;
张义含 ;
姜自强 ;
吕毅 .
电力系统保护与控制, 2010, 38 (16) :30-34
[2]
基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法 [J].
谢添卉 ;
刘明光 ;
杨罡 .
电气自动化, 2009, 31 (03) :62-65
[3]
基于暂态能量的故障选相方法研究 [J].
周健 .
电力系统保护与控制, 2008, (15) :10-13+17
[4]
基于小波神经网络的配电网故障类型识别 [J].
赵智 ;
王艳松 ;
鲍兵 ;
赵中山 ;
陈学梅 ;
陈津刚 .
电力系统及其自动化学报, 2007, (06) :93-96
[5]
小波变换和BP网络在输电线路故障类型识别中的应用 [J].
燕洁 ;
杨淑英 .
东北电力技术, 2007, (07) :43-45+50
[6]
基于提升小波和神经网络的超高压电网故障类型识别 [J].
王忠民 ;
乐全明 ;
杨光亮 ;
郁惟镛 ;
张沛超 ;
章启明 ;
周岚 .
华东电力, 2006, (02) :29-33
[7]
基于模糊神经网络的故障类型识别 [J].
刘凤霞 ;
刘前进 .
继电器, 2006, (03) :12-14+19
[8]
基于故障暂态电压的故障选相算法的研究 [J].
陈茂英 ;
杨明玉 ;
张新国 ;
胡巨 .
继电器, 2005, (05) :4-7+46
[9]
基于暂态电流的故障选相原理的探讨 [J].
陈茂英 ;
杨明玉 ;
张新国 ;
谌丽 .
华北电力大学学报, 2005, (01) :24-27
[10]
基于模糊逻辑的高压输电线路故障类型识别新方法 [J].
姜惠兰 ;
梁昭君 ;
杨维 ;
徐建强 .
电工电能新技术, 2004, (01) :60-63