智能电网中故障信号特征的分离采集

被引:3
作者
王文 [1 ]
王永刚 [2 ]
机构
[1] 国网浙江省电力公司信息通信分公司工程中心
[2] 沈阳农业大学信息与电气工程学院
关键词
智能电网; 故障信号; 特征; 分离; 采集;
D O I
暂无
中图分类号
TM76 [电力系统的自动化];
学科分类号
080802 [电力系统及其自动化];
摘要
传统的智能电网中故障信号特征的分离采集方法鲁棒性和节能性较强,但忽视了对信号清晰度和方法峭度的优化。为了解决该种问题,提出基于支持向量机和滤波优化技术的智能电网中故障信号特征分离采集方法。通过建立智能电网设备模型,获取智能电网中的故障信号,并使用支持向量机将非线性故障信号简化成线性空间特征,得到故障分离结果。采用滤波优化技术抑制故障分离结果中的噪音,获取最终的故障信号特征采集结果。经实验分析可得,所提方法具有良好的信号清晰度和峭度,较好地诠释了设计初衷。
引用
收藏
页码:69 / 73+79 +79
页数:6
相关论文
共 14 条
[1]
语音信号特征提取算法研究 [J].
朱佰泽 ;
卜庆凯 .
现代电子技术, 2016, 39 (04) :9-11
[2]
基于EEMD的混合陶瓷球轴承故障双冲击特征提取 [J].
孔佑炳 ;
郭瑜 ;
伍星 .
振动与冲击, 2016, 35 (01) :17-22
[3]
电压差特征引起电压暂降的故障类型识别 [J].
王建波 ;
邵文权 ;
张艳丽 ;
王龙 ;
吉玥 .
西安工程大学学报, 2015, (05) :617-622
[4]
脉搏信号相干检测方法的实验研究 [J].
肖婷婷 ;
高福斌 ;
田小建 .
现代电子技术, 2015, 38 (16) :118-121
[5]
智能电网背景下基于人工智能理论的需求响应技术 [J].
朱城香 ;
杨俊华 ;
陈思哲 ;
罗志辉 .
陕西电力, 2015, 43 (07) :63-69
[6]
基于ITD和DSS的旋转机械信号识别研究 [J].
王元生 ;
任兴民 ;
邓旺群 ;
杨永锋 .
机械科学与技术, 2015, 34 (06) :863-866
[7]
基于有限同步量测数据的电力系统故障检测、辨识与定位 [J].
施微 ;
黄磊 ;
徐箭 ;
谷祎 ;
蒋怀光 ;
张俊 .
电网技术, 2015, 39 (04) :1067-1074
[8]
基于改进谐波小波包分解的滚动轴承复合故障特征分离方法 [J].
唐贵基 ;
邓飞跃 .
仪器仪表学报, 2015, 36 (01) :143-151
[9]
基于复杂传递路径的发动机主轴轴承故障信号提取技术 [J].
梁先芽 ;
沙云东 ;
张强 ;
栾孝驰 .
沈阳航空航天大学学报, 2014, 31 (06) :24-30
[10]
基于自适应粒子群优化的非线性转子故障特征提取 [J].
苗锋 ;
赵荣珍 ;
刘宏 .
兰州理工大学学报, 2014, 40 (06) :35-39