期刊文献+

基于小波包与改进神经网络的配电网故障类型识别 被引量:2

下载PDF
导出
摘要 目前,学者提出的关于故障类型鉴别的方法主要是关于输电线路的研究,而对于配电网的研究相对很少。传统的方法主要是利用设定阀值进行故障类型识别,此方法虽然简单,但是此处的阀值的确定又是一个难题。因此本文提出一种基于小波包与改进神经网络的配电网故障类型识别方法,利用小波包技术提取故障信号,再将信息转换为能量并进行归一化处理作为改进神经网络的输入特征向量。再利用Matlab搭建模型对文章所提出的方法进行仿真测试。测试结果表明,本文所提出的方法能够快速、准确地识别出故障类型。
出处 《科技创新与应用》 2016年第32期18-19,共2页 Technology Innovation and Application
  • 相关文献

参考文献4

二级参考文献21

  • 1龚瑞昆.离散小波变换在传感器故障诊断中的应用[J].仪器仪表学报,2001,22(z1):237-239. 被引量:13
  • 2李文军,张洪坤,程秀生.基于小波和神经网络的传感器故障诊断[J].吉林大学学报(工学版),2004,34(3):491-495. 被引量:17
  • 3薄志谦.新一代电力系统继电保护──暂态保护[J].电网技术,1996,20(3):34-36. 被引量:41
  • 4Johns A T, Aggarwal R K, Bo Z Q. Non-unit protection technique for EHV transmission systems based on faultgenerated noise. Part 1: Signal Measurement [J]. IEE Proc. -Gener., Transm. and Distrib. 1994,141 (2): 133-140.
  • 5Aggarwal R K, Johns A T, Bo Z Q. Non-unit protection technique for EHV transmission systems based on faultgenerated noise. Part 2: Signal Processing [J]. IEE Proc. -Gener., Transm. and Distrib., 1994,141 (2): 141-147.
  • 6谷蔌隆嗣 蔌原将文 山口亨.人工神经网络与模糊信号处理[M].北京:科学出版社,2003.79-137.
  • 7Wichehauser M V. Lectures on Wavelet Packet Algorithms[J]. Information Theory. 1992, 38: 713-718.
  • 8Gou T H, Nurre J. Sensor Detection and Recovery by Neural Network[C]//IEEE International Joint Conference on Neural Networks [C]. Seattle, WA USA. July 1991, 221-226.
  • 9Moody J, Darken C. Learning with Localized Receptive Fields[C] // Proceedings Connectionist Models Summer School, D Jourelzky, G Hinton, and T Sejnow Ski ( Eds. ), Carnegie Mellon University, Morgan Kaufmann Publishers, 1988.
  • 10Nounou Mohamed N, Bakshi Bhavik R. On-line Multiscale Filtering of Random and Gross Errors Without Process Models[J]. ALCHE Journal, 1999(45): 1041-1055.

共引文献33

同被引文献10

二级引证文献12

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部