一种新的电能质量扰动信号压缩感知识别方法

• 作者: 戴朝华 曹思扬 朱云芳 陈维荣
• 来源期刊: 电力系统保护与控制
• 关键词: 电能质量 压缩感知 神经网络 稀疏向量 扰动识别
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 理论分析
• 页码范围: 7-12
• 页数: 6页
• 字数: 3589字
• 语种: 中文
• DOI: 10.7667/PSPC160189

摘要

针对现有电能质量扰动信号识别方法存在数据量大、准确率不高的不足,提出了一种基于压缩感知稀疏向量特征提取的电能质量扰动信号分类识别方法.该方法首先针对原始信号,利用压缩感知理论获取降维的测量信号,并基于l1范数正交匹配追踪算法获取稀疏向量.然后针对稀疏向量提取最大值、次大值、均方根、标准差、峭度和裕度因子等特征,作为神经网络的输入,实现电能质量扰动信号的分类识别.最后,针对六类典型电能质量扰动信号,开展仿真实验验证.仿真结果表明,现有识别方法需要处理的原始信号长度为1024,而所提方法特征提取时所处理的数据长度仅有30,从而大大减少了所需处理的数据量,并且由于实现了以非常少的数据量保存原有全部有用特征信息,因而更有利于提高识别准确率.通过与广泛采用的小波变换识别方法进行比较,所提方法的平均准确率高达98.71％,远远高于小波变换方法的92.86％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈维荣	西南交通大学电气工程学院	246	3368	29.0	47.0
3	戴朝华	西南交通大学电气工程学院	86	1082	20.0	30.0
5	朱云芳	西南交通大学电气工程学院	11	153	8.0	11.0
7	曹思扬	西南交通大学电气工程学院	2	47	2.0	2.0