基于LCD-Hilbert谱奇异值和多级支持向量机的配电网故障识别方法

被引：57

作者：

郭谋发 ^{[1
]}

游林旭 ^{[1
]}

洪翠 ^{[1
]}

高伟 ^{[1
]}

王锐凤 ^{[2
]}

机构：

[1] 福州大学电气工程与自动化学院

[2] 国网福建省电力有限公司技能培训中心

来源：

高电压技术 | 2017年 / 43卷 / 04期

关键词：

配电网故障; 时频矩阵; 奇异值分解; 局部特征尺度分解; 带通滤波; 多级支持向量机;

D O I：

暂无

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

083903 [网络与系统安全];

摘要：

准确识别故障类型是配电网故障处理的首要任务。提出了一种基于时频矩阵奇异值分解(SVD)和多级支持向量机(SVM)的配电网故障识别方法。利用局部特征尺度分解法(LCD)、Hilbert变换以及带通滤波算法,构造配电网母线电压、主变低压侧进线电流等波形的时频矩阵,对其进行奇异值分解以获取波形奇异谱,提取相应奇异谱的分布参数(如反映奇异值大小的奇异谱均值、反映信号复杂程度的奇异熵等)作为特征向量。将特征向量输入基于多级SVM的分类器以实现故障识别。各类典型工况下的仿真和实验结果表明该识别方法的正确率均>90%,可实现对各类不同故障的有效辨识,且具有很强的适应性和实用性。

引用

页码：1239 / 1247

页数：9

共 15 条

[1]

采用二进制蚁群模糊神经网络的配电网故障分类方法 [J].