基于分段改进S变换的复合电能质量扰动识别

• 作者: 姜爽 杨剑锋 石戈戈
• 来源期刊: 电力系统保护与控制
• 关键词: 复合扰动 分段改进S变换 时频特性 RBF神经网络 特征提取
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 应用研究
• 页码范围: 64-71
• 页数: 8页
• 字数: 5094字
• 语种: 中文
• DOI: 10.7667/PSPC180587

摘要

针对存在多种单一电能质量扰动的复合扰动分类识别问题,提出了一种基于分段改进S变换和RBF神经网络相结合的复合电能质量扰动识别新方法.首先对离散S变换进行了分段改进,将时域分辨率和频域分辨率进行分段处理,通过分析改进S变换得到的模时频矩阵,绘制了能够反映扰动信号不同突变参数的特性曲线.其次利用统计方法优化计算提取了10种用于模式识别的特征量,并用局部逼近的RBF神经网络设计了分类器对提取的特征样本进行训练和分类,最后在不同噪声环境下对5种单一扰动及谐波+电压暂降、电压暂降+闪变等6类复合电能质量扰动的分类识别进行了仿真验证.仿真结果表明,该方案时频处理、分类能力和学习速度等方面均优于普通改进S变换+全局逼近网络的方法,且鲁棒性强,能准确识别多种单一扰动及两种扰动同时存在的复合电能质量扰动.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨剑锋	兰州交通大学自动化与电气工程学院	40	178	8.0	10.0
5	石戈戈	兰州交通大学自动化与电气工程学院	2	15	2.0	2.0
6	姜爽	兰州交通大学自动化与电气工程学院	3	8	1.0	2.0