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