基于并行隐马尔科夫模型的电能质量扰动事件分类

• 作者: 周刚 肖斐 艾芊 谢善益
• 来源期刊: 电力系统保护与控制
• 关键词: 电能质量 极大重叠离散小波变换 并行隐马尔科夫模型 分类识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 应用研究
• 页码范围: 80-86
• 页数: 7页
• 字数: 4109字
• 语种: 中文
• DOI: 10.7667/PSPC180062

摘要

为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(Maximal Overlap Discrete Wavelet Transform, MODWT)和并行隐马尔科夫模型(Parallel Hidden Markov Model, PHMM)的电能质量扰动分类方法.首先利用 MODWT 提出一种实用的电能质量扰动检测算法,该算法无需设定检测阈值,可准确获取扰动时段的起止时刻.接着提取扰动时段的电压谐波成分并组成特征向量.然后用 PHMM 分类器对扰动信号进行分类识别. PHMM 方法克服了人工神经网络方法收敛性较差、训练时间较长的缺陷,使分类器性能大大提升.通过应用于现场实测扰动数据表明,所提出的方法适用于多种类型的电能质量扰动检测,分类正确率高,训练速度快,具有良好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾芊	上海交通大学电气工程系	235	4395	36.0	56.0
2	谢善益	广东电网有限责任公司电力科学研究院	40	252	8.0	15.0
3	周刚	广东电网有限责任公司电力科学研究院	24	68	4.0	7.0
4	肖斐	上海交通大学电气工程系	18	250	7.0	15.0