利用小波能量特征的增长型自组织神经网络同调机组分群方法

• 作者: 岳贤龙 徐振华 杨越 王涛 邱丽君 顾雪平
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 小波分析 多尺度空间能量 自组织神经网络 特征提取 同调机组
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 7-13
• 页数: 7页
• 分类号: TM933
• 字数: 5188字
• 语种: 中文

摘要

提出了一种利用小波变换多尺度空间能量分布特征的自组织神经网络同调机组分群方法.首先改进了同调机群识别判据,然后利用小波变换的多尺度空间能量分布特征提取方法,对机组功角摇摆曲线提取特征,将时域特征、频域特征及小波能量特征构成的综合向量,作为增长型自组织神经网络的输入,通过调节阈值λ,得出不同精度的分群结果.最后在IEEE-39节点系统上对只考虑时频域特征和同时考虑小波能量特征、时频域特征的同调机组识别结果进行了对比分析,最终表明同时考虑小波能量特征、时频域特征的分群结果具有更高准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	华北电力大学新能源电力系统国家重点实验室	82	1078	21.0	30.0
2	顾雪平	华北电力大学新能源电力系统国家重点实验室	168	3698	36.0	55.0
3	徐振华	国网福建省电力有限公司电力科学研究院	6	20	3.0	4.0
4	岳贤龙	华北电力大学新能源电力系统国家重点实验室	6	57	3.0	6.0
5	杨越	华北电力大学新能源电力系统国家重点实验室	6	16	3.0	3.0
6	邱丽君		7	51	5.0	7.0