10.3969/j.issn.1006-6047.2006.03.002
基于概率神经网络和双小波的电能质量扰动自动识别
对电能质量(PQ)扰动的自动识别是找出引起PQ·问题根本原因的前提.提出了一种基于概率神经网络PNN(Probabilistic Neural Networks)和db10,db1双小波的PQ扰动自动识别方法.首先,利用db10小波对信号进行分解,将各层小波变换系数的能量和第1高频层模极大值情况作为PNN的输入矢量,判断扰动类型;然后,对信号进行傅里叶变换以检测信号中是否含有谐波;最后,对判断存在电压下降的信号进行db1小波分解,根据其低频层的模值区分电压下陷和电压中断信号.测试结果表明,该方法提高了识别正确率,且实现简单,能有效检测幅值较小的谐波.
电能质量、扰动识别、概率神经网络、小波变换、双小波、快速傅里叶变换
26
TM761(输配电工程、电力网及电力系统)
2006-04-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
5-8