摘要:针对电能质量扰动信号频谱广(从0~数兆赫兹)、不同扰动信号之间相互叠加的特点,采用小渡变换和神经网络(ANN)相结合的方法对电能质量扰动信号进行识别。利用db4小波对IEEE定义的9种电能质量扰动信号进行粗略分类,提取扰动特征信号;与其他文献中不同的是,这里利用一些少量的已知样本对权向量进行初始化,对网络进行非强制性的修正,确定收敛准则,自适应调节学习速率等,从而对自组织特征映射(SOFM)网络进行改进,利用有限的学习样本对神经网络进行训练,提高神经网络分类的精度。用改进的自组织特征映射网络对电能质量扰动信号进行Matlab仿真,结果表明达到了较好的分类效果。
关键词:电能质量 小波变换 自组织特征映射网络 识别 扰动
单位:郑州电力高等专科学校电力系 河南郑州450002 郑州新力电力有限公司 河南郑州450007
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社