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

被引：5

作者：

张凯 ^{[1
]}

关根志 ^{[1
]}

龙望成 ^{[1
]}

刘功能 ^{[2
]}

机构：

[1] 武汉大学电气工程学院

[2] 湖南省超高压管理局

来源：

电力自动化设备 | 2008年 / 08期

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;

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 ;

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。

引用

页码：41 / 45

页数：5

共 10 条

[1] 基于小波和神经网络的电能质量扰动信号数据压缩 [J].