基于小波包分解和广义回归神经网络的换相失败故障诊断

• 作者: 刘飞 陈皓勇
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 小波包分解 广义回归神经网络 换相失败 故障诊断
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 理论创新
• 页码范围: 22-25
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2017.06.022

摘要

为了实现高压直流(High Voltage Direct Current,HVDC)换相失败的快速诊断,提高交直流互联系统运行的安全与稳定性,提出了一种基于小波包分解(Wavelet Packet Decomposition,WPD)和广义回归神经网络(General Regression Neural Network,GRNN)的高压直流输电系统换相失败故障诊断方法,该方法对直流和交流的故障信号进行小波包分解,获取各频段下的能量系数,计算其小波包能量(wavelet packet energy,WPE)作为故障特征,再通过两种模式下的广义回归神经网络结构分别进行模式识别来判断是否发生换相失败以及引起故障的原因,并且对两种拓扑结构的鲁棒性对比分析.仿真和结果表明,两种拓扑结构均能很好的识别换相失败故障和直流线路故障,进而准确地诊断引起换相失败的原因,但模式一的鲁棒性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈皓勇	华南理工大学电力学院	117	1422	21.0	33.0
2	刘飞	华南理工大学电力学院	23	320	10.0	17.0