基于小波系数KPCA和PNN的电能质量扰动分类

• 作者: 何朝辉 刘斌 程扬军 黄纯
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电能质量扰动 分类 核主成分分析 概率神经网络 小波变换
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 76-81,108
• 分类号: TM71
• 字数: 3275字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2010.02.015

摘要

针对电能质量扰动分类,提出基于小波系数特征的核主成分分析(KPCA)和概率神经网络(PNN)的分类新方法.对正常信号和六种常见电能质量扰动(电压暂降、暂升、短时中断、谐波、电压波动和振荡暂态)进行小波变换和多尺度分析,提取各类扰动在多个尺度上小波系数作为特征向量;利用KPCA进行主成分提取,降低了小波系数特征向量维数,再输入PNN进行分类.仿真表明,该方法分类速度和准确率良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄纯	湖南大学电气与信息工程学院	141	2658	28.0	46.0
2	程扬军	湖南大学电气与信息工程学院	3	24	3.0	3.0
3	刘斌	湖南大学电气与信息工程学院	39	238	8.0	14.0
4	何朝辉	湖南大学电气与信息工程学院	4	38	3.0	4.0