10.3969/j.issn.1006-6047.2009.02.020
基于改进的自组织特征映射网络的电能质量检测与识别
针对电能质量扰动信号频谱广(从0~数兆赫兹)、不同扰动信号之间相互叠加的特点,采用小波变换和神经网络(ANN)相结合的方法对电能质量扰动信号进行识别.利用db4小波对IEEE定义的9种电能质量扰动信号进行粗略分类,提取扰动特征信号;与其他文献中不同的是,这里利用一些少量的已知样本对权向量进行初始化,对网络进行非强制性的修正,确定收敛准则,自适应调节学习速率等,从而对自组织特征映射(SOFM)网络进行改进,利用有限的学习样本对神经网络进行训练,提高神经网络分类的精度.用改进的自组织特征映射网络对电能质量扰动信号进行Matlab仿真,结果表明达到了较好的分类效果.
电能质量、小波变换、自组织特征映射网络、识别、扰动、神经网络
29
TM76;TM712(输配电工程、电力网及电力系统)
2009-04-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
85-88,93