基于DTCWT-DBN的配电网内部过电压类型识别

摘要：

提出一种基于双树复小波变换(DTCWT)-深度信念网络(DBN)的配电网内部过电压识别方法.将10 kV母线三相过电压信号进行双树复小波变换,再通过奇异值分解降维,将所得奇异值作为特征值输入训练好的深度信念网络分类器,实现对7种典型的内部过电压的类型识别.利用ATP/EMTP仿真数据和物理实验平台上的故障波形对所提算法进行训练和测试,并将之与其他分类算法进行对比.结果 表明,相较于所列举的其他方法,所提算法具有更强的特征提取能力和更高的识别准确率.

关键词：配电网、内部过电压、类型识别、双树复小波、深度信念网络

所属期刊栏目：47

资助基金：国家自然科学基金项目资助51677030;福建省自然科学基金项目资助2016J01218

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：80-89