10.3321/j.issn:1000-3673.2006.03.005
基于自适应高斯基表示的神经网络在电力系统故障和振荡识别中的应用
结合最优联合时-频处理无交叉项干扰及神经网络自学习分类识别的优点,提出了一种在有色噪声干扰下识别电力系统故障和振荡的方法.将经过自适应高斯基表示(Adaptive Gaussian Representation,AGR)分析处理的电力信号特征向量输入神经网络分类器进行识别.待辨识输入向量不仅表征了原信号的基本信息,而且没有交叉项,运算简单.仿真结果表明,此方法能正确分类识别有色噪声干扰下的系统故障和振荡,提高了电力系统微机保护在系统振荡中检测故障的灵敏性和精确性.
自适应高斯基表示、神经网络、电力系统、故障、振荡
30
TM711;TP183(输配电工程、电力网及电力系统)
2006-03-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26