基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了能够准确实时检测出电力系统中存在的电能质量扰动,提出了一种自适应确定隐神经元数及修改权值的自适应Walsh基函数神经网络时频分析方法.在此基础上采用加滑动窗的方法,根据不同时刻不同基上的权值能量分布信息检测电能质量扰动的特征,实现了对电能质量扰动的实时检测.实验仿真显示该基函数神经网络有较好的逼近能力和滤噪特性,对于电能质量扰动信号的实时检测效果较好.
推荐文章
基于粒子群优化与卷积神经网络的电能质量 扰动分类方法
新能源
电能质量
扰动分类
特征提取
粒子群优化(PSO)
深度学习
卷积神经网络(CNN)
自适应扰动暂态混沌神经网络MPSK盲检测
盲检测
扰动因子
暂态混沌神经网络
最优化
径向基函数神经网络的再学习算法及其应用
径向基函数神经网络
再学习算法
训练样本
基于改进小波阈值函数和变分模态分解的电能质量扰动检测
电能质量
变分模态分解
希尔伯特变换
奇异值分解
改进小波阈值函数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 滑动窗Walsh基函数神经网络检测电能质量扰动
来源期刊 电力系统及其自动化学报 学科 工学
关键词 Walsh基函数 自适应神经网络 收敛性 电能质量 滑动窗
年,卷(期) 2011,(3) 所属期刊栏目 学术论文
研究方向 页码范围 74-78
页数 分类号 TM711
字数 2700字 语种 中文
DOI 10.3969/j.issn.1003-8930.2011.03.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姜孝华 中山大学信息科学与技术学院 31 209 10.0 12.0
2 肖秀春 中山大学信息科学与技术学院 19 126 8.0 10.0
6 彭啸亚 中山大学信息科学与技术学院 2 13 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (29)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (27)
二级引证文献  (4)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(12)
  • 参考文献(2)
  • 二级参考文献(10)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(9)
  • 参考文献(1)
  • 二级参考文献(8)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
Walsh基函数
自适应神经网络
收敛性
电能质量
滑动窗
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统及其自动化学报
月刊
1003-8930
12-1251/TM
大16开
天津市南开区天津大学电气与自动化工程学院
1989
chi
出版文献量(篇)
3958
总下载数(次)
6
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导