资源描述：
《基于小波变换和神经网络的暂态电能质量识别》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1卷第4期/Vol.1No.4南方电网技术研究开发与应用/pp.41-522005年7月/July2005CHINASOUTHERNPOWERGRIDTECHNOLOGYRESEARCHDevelopment&Application文章编号：0051-0051(2005)04-0048-05中图分类号：TM744文献标识码：B基于小波变换和神经网络的暂态电能质量识别研究112刘晓芳，刘会金，柯定芳（1.武汉大学电气工程学院，湖北武汉430072；2.东北电力学院电力系，吉林312012）Studyonrecognitionoftransient
2、powerqualitydisturbancesbasedonwavelettransformationandneuralnetwork112LIUXiao-fang,LIUHui-jin,KEDing-fang(1.SchoolofElectricalEngineering,WuhanUniversity,Wuhan,Hubei430072,China;2.DepartmentofElectricalPower,NortheastElectricalEngineeringCollege,Jilin430072,China)Abstract:An
3、ewmethodforrecognitionoftransient随着现代电力电子技术在输电系统中的普及应powerqualitydisturbancesbasedonwavelet用和对电能质量敏感的用电设备日益增多，暂态电[1]transformationandneuralnetworkispresented.First,能质量问题越来越受到供用电双方的重视。为了thewaveletcoefficientsofbasicfrequencyare改善电能质量，要求供电部门首先对暂态干扰源进extractedtoidentifytheshortd
4、urationdisturbances:行检测、识别和分类，进而采取合理的措施改善电voltagesag,swellandinterruption.Thentheentropy能质量。featuresoftheoptimalsubspacefromdecomposed常见的电能质量干扰主要包括电能质量短时扰waveletbeingtakenascharacteristicfunctions,动（电压跌落、电压凸起、电压间断）和暂态扰动combinedwiththeartificialneuralnetwork,can（暂态脉冲和振荡暂态）。近年来
5、，小波变换理论的effectivelydistinguishtransientimpulseandtransient发展为解决暂态扰动问题提供了新的思路，现已广oscillation.Theaccuracyandefficiencyofthemethod泛地应用于暂态电能质量现象的监测、识别、分类[2]arevalidatedbysimulationanalysis.以及特征提取。目前的暂态电能质量分类方法多是采用基于小Keywords:electricalpowerquality;wavelet波变换的神经网络分类器，将小波变换系数作为分tra
6、nsformation;artificialneuralnetwork类判据，实现暂态扰动的自动识别，但神经网络输[3]入量大、结构复杂、训练负担重。摘要：提出了一种基于小波变换和神经网络的识别针对电能质量扰动特征提取问题，文献[4]提出暂态电能质量扰动的新方法。先提取基波频段所在了几种降低分类器特征向量维数的方法，简化了神的小波系数将电压凹陷、电压凸起和电压中断分别经网络结构，但在硬件实现上仍然存在困难。检测出来；然后将小波包分解结果中的最佳子空间本文分析短时电能质量变化与暂态扰动各自不的熵值作为特征量，结合人工神经网络区分暂态脉同的特征，基于
7、小波变换和人工神经网络区别分析冲和振荡。经仿真分析，验证了该方法的准确性和短时扰动与暂态扰动，不仅充分利用了小波变换时高效性。频分辨率强这一特点，而且降低了神经网络输入向量的维数，使得分类器的存储量和运算负荷减小，关键词：电能质量；小波变换；人工神经网络具有较好的实时性和高效性。第4期刘晓芳等.基于小波变换和神经网络的暂态电能质量识别研究49式中，I∈R,j∈N[5]nk1小波和小波包原理{}kkkI=2n,2n+1,L2(n+1)−12nk设ϕ(t)∈L(R)(平方可积函数空间)，若其傅里叶变换ϕˆ(ϖ)满足允许性条件:原始信号的重构离散公式为
8、：2ϕˆ(ϖ)Cj,m(k)=∑Cj+1,2m(n)hk−2n+Cϕ=∫dϖ<∞(1)n(7)Rϖ∑Cj+1,2m+1(n)gk−2nn
