文献类型：期刊文章

作　　者：杨剑锋[1,2] 姜爽[1] 石戈戈[1]

YANG Jianfeng;JIANG Shuang;SHI Gege(Key Laboratory of Opto-Technology and Intelligent Control Ministry of Education,Lanzhou Jiaotong University,Lanzhou 730070,China)

机构地区：[1]兰州交通大学自动化与电气工程学院,甘肃兰州730070 [2]兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目(61863023);国网甘肃省电力公司科技项目(SGGSKY00DJJS1800118)~~

年　　份：2019

卷　　号：47

期　　号：9

起止页码：64-71

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对存在多种单一电能质量扰动的复合扰动分类识别问题,提出了一种基于分段改进S变换和RBF神经网络相结合的复合电能质量扰动识别新方法。首先对离散S变换进行了分段改进,将时域分辨率和频域分辨率进行分段处理,通过分析改进S变换得到的模时频矩阵,绘制了能够反映扰动信号不同突变参数的特性曲线。其次利用统计方法优化计算提取了10种用于模式识别的特征量,并用局部逼近的RBF神经网络设计了分类器对提取的特征样本进行训练和分类,最后在不同噪声环境下对5种单一扰动及谐波+电压暂降、电压暂降+闪变等6类复合电能质量扰动的分类识别进行了仿真验证。仿真结果表明,该方案时频处理、分类能力和学习速度等方面均优于普通改进S变换+全局逼近网络的方法,且鲁棒性强,能准确识别多种单一扰动及两种扰动同时存在的复合电能质量扰动。

关 键 词：复合扰动  分段改进S变换  时频特性  RBF神经网络 特征提取

分 类 号：TM711]