期刊文章详细信息
文献类型:期刊文章
XU Yaosong;FENG Minghao;LIANG Xiaofei;GAO Yuan(Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao 125100,China;Yingkou Power Supply Company,State Grid Liaoning Electric Power Co.,Ltd,Yingkou 115000,China)
机构地区:[1]辽宁工程技术大学电气与控制工程学院,葫芦岛125100 [2]国家电网辽宁电力有限公司营口供电公司,营口115000
年 份:2019
卷 号:31
期 号:11
起止页码:127-132
语 种:中文
收录情况:AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊
摘 要:针对传统高压直流输电故障测距方法存在的缺陷,提出了基于小波包分解与径向基函数RBF(radial ba?sis function)神经网络相结合的故障测距算法。通过RBF神经网络拟合逼近能量比与故障距离之间的非线性关系,采用粒子群优化算法进行优化,运用小波包分解算法提取故障暂态电压信号的频谱能量对RBF神经网络进行训练学习,形成PSO-RBF故障测距模型。将反映故障位置的特征数据输入训练后的模型可进行故障测距。大量仿真结果表明,该方法精度较高,耐受过渡电阻能力强,大幅度提高了高压直流输电系统故障测距的准确性。
关 键 词:小波包分解 粒子群优化算法 径向基函数神经网络 故障测距 固有频率
分 类 号:TM773]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...