資源描述：
《基于小波和改進(jìn)神經(jīng)樹的電能質(zhì)量擾動(dòng)分類.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第42卷第24期電力系統(tǒng)保護(hù)與控制Vo1．42NO．242014年12月16日PowerSystemProtectionandControlDec．16．2014基于小波和改進(jìn)神經(jīng)樹的電能質(zhì)量擾動(dòng)分類吳兆剛，李唐兵，姚建剛，龔文龍，陳強(qiáng)(1．湖南大學(xué)電氣與信息工程學(xué)院，湖南長(zhǎng)沙410082；2．江西省電力科學(xué)研究院，江西南昌3300963．湖南湖大華龍電氣與信息技術(shù)有限公司，湖南長(zhǎng)沙410082)摘要：準(zhǔn)確地識(shí)別和分類電能質(zhì)量擾動(dòng)對(duì)分析和綜合治理電能質(zhì)量問題具有重要意義。提出了一種基于小波和改進(jìn)神經(jīng)樹
2、的電能質(zhì)量擾動(dòng)分類方法。該方法利用小波分解擾動(dòng)信號(hào)到各個(gè)頻帶，在基頻頻帶、諧波頻帶和高頻帶上分別計(jì)算其能量值和小波系數(shù)熵作為特征值，另計(jì)算基波頻帶擾動(dòng)過程的均方根作為特征的補(bǔ)充，融合能量值、熵和均方根值作為擾動(dòng)判斷的特征向量，規(guī)范化后輸入到改進(jìn)神經(jīng)樹分類器進(jìn)行訓(xùn)練和分類。改進(jìn)神經(jīng)樹分類器是由神經(jīng)網(wǎng)絡(luò)和決策樹及其分類規(guī)則構(gòu)成。仿真表明，該方法提取特征值的計(jì)算量小且融合后的特征向量能夠很好地體現(xiàn)不同擾動(dòng)信號(hào)之間的差異信息，構(gòu)造的改進(jìn)神經(jīng)樹分類器結(jié)合了神經(jīng)網(wǎng)絡(luò)和決策樹在模式分類中各自的優(yōu)點(diǎn)，結(jié)構(gòu)簡(jiǎn)單且表現(xiàn)出
3、良好的收斂性、全局最優(yōu)性和泛化性，分類準(zhǔn)確率較高，能夠有效地識(shí)別七種常見的電能質(zhì)量擾動(dòng)。關(guān)鍵詞：電能質(zhì)量；擾動(dòng)分類；小波變換；特征向量；改進(jìn)神經(jīng)樹PowerqualitydisturbanceelassiticationbasedonawaveletandimprovedneuraltreeWUZhao—gang，LITang—bing~，YAOJian·gang，GONGWen-long，CHENQiang(1．CollegeofElectricalandInformationEngineering
4、，HunanUniversity，Changsha410082，China；2．JiangxiElectricPowerResearchInstitute，Nanchang330096，China；3．HunanHDHLElectrical&InformmionTechnologyCo．，Ltd．，Changsha410082，China)Abstract：Preciseidentificationandclassificationforpowerqualitydisturbancesissignif
5、icantlyimpo~anttoanalyzeandcomprehensivelycopewithpowerqualityproblems．Basedonwaveletandimprovedneuraltreetechniques，anewclassificationmethodologyforpowerqualitydisturbancesisproposed．Inthemethod，thedisturbancesignalisdecomposedintodifferent~equencyband
6、s，whilstenergyvaluesandwaveletcoeficiententropiesofthebase，harmonicandhighfrequencybandsarecalculatedaseigenvaluesrespectively．Therootmeanproducedinthedisturbanceprocessofthebasewavebandiscalculatedasasupplement，whichisthencombinedwiththeenergyvaluesand
7、waveletcoeficiententropiesaseigenvectorsforjudgingthedisturbances．Thereaftertheeigenvectorsarenormalizedandinputintotheimprovedneuraltreeclassifier，composedofneuralnetwork，decisiontreesandclassificationrules，fortrainingandclassifying．Simulationresultsde
8、monstratethemethodhasasmallamountofcalculationtoextracteigenvaluesandtheobtainedeigenvectorsCanadequatelyreflectthediferenceinformationfordifferentdisturbancesignals．Theimprovedneuraltreeclassifiercombinesrespectivesuperioritieso
