基于MEEMD与概率神经网络的贯通式同相牵引直接供电系统故障识别

• 作者: 庄启康 毕贵红 王泽超 蔡潇 陈仕龙
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 贯通式同相牵引供电系统 MEEMD 概率神经网络 IMF 故障识别
• 年，卷（期）: 2020,（1）
• 页码范围: 62-69
• 页数: 8页
• 分类号: TM73
• 字数: 5097字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2020.01.009

摘要

针对贯通式同相牵引直接供电系统可能发生的雷击故障、雷击干扰和接地故障3种扰动进行建模分析和识别研究.在牵引网仿真模型的基础上,通过实验得到3种扰动的暂态特征.根据以上故障提出了改进总体平均经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)与概率神经网络(Probabilistic Neural Network,PNN)结合的智能识别方法.MEEMD分解故障暂态电流信号得到本征模态函数(Intrinsic Mode Function,IMF),分别用样本熵和排列熵提取IMFs分量特征,结合PNN进行故障识别,通过实验看出,基于MEEMD排列熵与PNN结合的智能识别方法能较好地识别牵引网的3种故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕贵红	昆明理工大学电力工程学院	76	578	13.0	20.0
2	陈仕龙	昆明理工大学电力工程学院	34	454	12.0	20.0
3	蔡潇	昆明理工大学电力工程学院	1	0	0.0	0.0
4	王泽超	昆明理工大学电力工程学院	1	0	0.0	0.0
5	庄启康	昆明理工大学电力工程学院	1	0	0.0	0.0