基于小波神经网络和故障录波数据的电网故障类型识别

• 作者: 乐全明 周岚 杨光亮 王忠民 章启明 郁惟镛
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 故障诊断 电网故障类型识别 故障录波数据 概率神经网络 提升小波
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 电力系统
• 页码范围: 99-103
• 页数: 5页
• 分类号: TM77
• 字数: 4703字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2006.10.018

摘要

电力系统发生大面积复杂故障后,调度人员仅仅依靠来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的保护和开关接点的变位信息难以做出准确的判断,来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据.为了进一步提高超高压输电线路故障类型识别率和计算速度,文中利用提升小波和PNN网络构造了新的小波神经网络故障识别模型,应用bior3.1提升小波对故障电流进行分解,将分解到的(0,375)Hz频率段的小波系数输入到PNN神经网络.通过ATP仿真及华东电网实际故障录波数据的测试和比较结果表明:该模型具有很高的识别率和收敛速度,并有望将该模型应用到电网故障诊断系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁惟镛	上海交通大学电子信息与电气工程学院	103	3137	30.0	51.0
2	杨光亮	上海交通大学电子信息与电气工程学院	8	277	7.0	8.0
3	乐全明	上海交通大学电子信息与电气工程学院	18	452	12.0	18.0
4	章启明	上海市电力公司保护处	10	232	6.0	10.0
5	王忠民	上海市电力公司保护处	10	211	5.0	10.0
6	周岚	上海市电力公司保护处	4	196	4.0	4.0