基于FCM的暂态电能质量扰动识别
提出一种应用模糊C均值聚类(FCM)对暂态电能质量扰动进行识别的新方法。该识别方法分层实现,第一层判断信号中是否包含暂态振荡扰动,第二层判断是否包含暂态脉冲扰动,第三层判断是否包含幅值扰动及综合判断出各种复合扰动的类型。通过与集合经验模态分解(EEMD)和奇异值分解方法的结合,分层提取出有效特征量,并将其作为 FCM 的输入,得到聚类中心和隶属度矩阵。最后通过计算待测样本与已知样本的聚类中心的欧氏距离实现扰动类型识别。通过仿真分析,该分层识别方法准确可行。
模糊C均值聚类算法、暂态识别、集合经验模态分解、奇异值分解、分层识别
44
TP3;TN9
山西省自然科学基金项目2015011057;国家自然科学青年基金项目51505317
2016-06-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
62-68