基于ILMD和神经网络的电压扰动识别分类 |
| |
引用本文: | 王旭红,杨思阳,李良.基于ILMD和神经网络的电压扰动识别分类[J].长沙理工大学学报(自然科学版),2018(3). |
| |
作者姓名: | 王旭红 杨思阳 李良 |
| |
作者单位: | 长沙理工大学电气与信息工程学院 |
| |
摘 要: | 为了识别电力系统存在的扰动信号,减少扰动信号对系统安全的影响,提出了一种改进局部均值分解法(Improved Local Mean Decomposition,简称ILMD)与BP神经网络相结合的电压扰动信号分类器对电压扰动进行识别分类。通过ILMD对电压扰动信号进行3层分解,得到包含电压原始信号频率、幅值的乘积分量(Product Function,简称PF),将PF分量构建的信号能量值作为BP神经网络的输入,实现对电压扰动信号的识别分类。通过对系统中4种典型电压扰动信号进行识别试验,结果表明,基于LMD和神经网络的电压信号分类器准确度高,并具有较高的工作效率。
|
本文献已被 CNKI 等数据库收录! |
|