基于PSO－MP算法和RBF神经网络的电能质量扰动识别

• 作者: 刘圣楠 曲正伟 李燕 王云静
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电能质量扰动 原子分解 粒子群算法 消噪
• 年，卷（期）: 2016,（13）
• 页码范围: 54-58
• 页数: 5页
• 分类号: TM933
• 字数: 4222字
• 语种: 中文

摘要

准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法（ PSO－MP）和RBF神经网络的电能质量扰动识别方法。首先，构建工频原子库将工频信号提取出来，得到的残余信号能更好地体现扰动信号差异性；再利用PSO优化匹配追踪算法以减小计算量，并结合离散Gabor原子库对残余扰动信号进行稀疏分解，准确提取其原子参数；最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量，利用RBF神经网络对扰动信号进行识别。仿真算例表明，该方法能够有效地识别几种常见的电能质量扰动，且具有抗噪性能强、计算量小等优点。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王云静	燕山大学电力电子节能与传动控制河北省重点实验室	19	122	7.0	10.0
2	曲正伟	燕山大学电力电子节能与传动控制河北省重点实验室	19	192	10.0	13.0
3	李燕	燕山大学电力电子节能与传动控制河北省重点实验室	11	39	3.0	6.0
4	刘圣楠	燕山大学电力电子节能与传动控制河北省重点实验室	1	13	1.0	1.0