基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf

基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf

ID:52479122

大小:532.01 KB

页数:8页

时间:2020-03-28

基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf_第1页
基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf_第2页
基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf_第3页
基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf_第4页
基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf_第5页
资源描述:

《基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第38卷第24期电力系统保护与控制Vbl-38NO.242010年l2月16日PowerSystemProtectionandControlDec.16.2010基于多域特征提取和自适应神经一模糊推理系统的电能质量扰动识别张明,李开成,胡益胜(华中科技大学电气与电子工程学院,湖北武汉430074)摘要:基于多域特征提取(mu1ti-domainleatureextraction)和自适应神经一模糊推理系统(AdaptiveNeuro—FuzzyInferencesystem,ANFIS)提出了电能质量扰动类型识别的一种新方法。基于波形包

2、络阈值线对扰动进行检测;在时域、频域和小波域进行多域特征提取,选取扰动信号的基波均方根(RMS)幅值、总谐波畸变率、次谐波幅值和小波包能量熵共同组成输入特征矢量;通过自适应神经一模糊推理系统对电能质量扰动类型进行识别。仿真结果表明,该方法与BP神经网络和最小二乘支持向量机相比平均识别准确率高,对特征不规则的待检电能质量扰动信号具有良好的柔性和适应性。关键词:电能质量;多域特征提取;自适应神经一模糊推理系统;BP神经网络;最小二乘支持向量机Powerqualitydisturbancesrecognitionbasedonmulti-do

3、mainfeatureextractionandANFISZHANGMing,LIKai‘cheng,HUYi-sheng(CollegeofElectricalandElectronicEngineering,HuazhongUniversityofScienceandTechnology,Wuhan430074,China)Abstract:Basedonmulti-domainfeatureextractionandadaptiveneuro-fuzzyinferencesystem(ANFIS),anewmethodforthe

4、identificationofpowerqualitydisturbancesisproposed.First,thewaveformenvelopethresholdisusedtodetectpowerqualitydisturbancesandthenthefeaturevectorsareextractedinmulti.domainincludingtime.domain,~equencydomainandwavelet.domain,andfundamentalcomponentRMSamplitude,totalharm

5、onicdistortion(THD),subharmonicamplitudeandwaveletenergyen~opyofdisturbancesignalareselectedtoconstituteinputfeaturevector.TheANFISisusedintheidentificationofpowerqualitydisturbancetypes.Simulationresultsconfirmtheaptnessandthecapabilityoftheproposedsystemini~egularpower

6、qualitydisturbancesignalrecognitionandindicatethattheANFISclassifierismoreaccuratecomparedwithback-propagationartificialneuralnetworks(BP-ANN)andleastsquaresuppo~vectormachines(LS—SVM).ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No.51077058).Keywords:pow

7、erqualitydisturbance;multi-domainfeatureextraction;adaptiveneuro—fuzzyinferencesystem(ANFIS):back-propagationartificialneuralnetworks(BP-—ANN);leastsquaresupportvectormachines(LS·-SVM)中图分类号:TM71文献标识码:A文章编号:1674.3415(2010)24.0006—08又由两小步组成:扰动特征量的提取和扰动分类。0引言许多算法可用于扰动特征量的提取

8、,其中小波变换近年来,随着电力系统容量不断扩大,各种分被证明是最成功的一种PQ扰动检测算法【1之J,但是布式发电单元逐步接入电网,同时各种非线性负载有些情况下小波算法对扰动检测和分类会导致失和冲击性负载的使

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。