基于小波和ANN的电能质量分类方法

• 作者: 吴为麟 梅雪
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 电能质量 人工神经网络 小波变换
• 年，卷（期）: 2004,（10）
• 所属期刊栏目: 电气工程
• 页码范围: 1383-1386
• 页数: 4页
• 分类号: TM71
• 字数: 3244字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2004.10.029

摘要

为了对电能质量进行有效的治理,以提高用电效率,有必要对电能质量进行快速的检测和准确的分类.基于小波的时频分析特点和人工神经网络(ANN)的学习能力,提出一种电能质量实用分类方法.利用正交小波对信号进行多分辨率分析,将一定时间长度内的信号的能量映射到多个频段内,通过与标准正弦信号各频段能量的比较,提取各类电能质量的能量变化特征;利用ANN对输入特征矢量进行识别,完成电能质量的自动分类.仿真实验证明,该方法可以有效地区分电压的上升、下降、闪变以及谐波畸变、暂态等5种电能质量问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴为麟	浙江大学电气工程学院	83	1058	20.0	28.0
2	梅雪	浙江大学电气工程学院	4	80	4.0	4.0