共查询到17条相似文献,搜索用时 170 毫秒
1.
基于小波神经网络的时变谐波信号检测 总被引:3,自引:0,他引:3
电力系统中存在大量的由于非线性器件对电网电压电流整流、逆变而产生的时变谐波。该文提出使用小波神经网络(wavelet neural network,WNN)算法对这一类谐波进行检测。利用小波变换的时频聚焦特性可得出信号的时变信息;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛性能;给出网络参数的选定方案;确定网络的训练算法;分析算法的时效性;并与其它检测方法做出比较。经仿真试验表明,该文所述的方法提高了检测的精度和效率。 相似文献
2.
电力系统中,实际的波形总存在不同程度的非正弦畸变.文中利用Harr小波对时变谐波进行检测.不是用Harr小波将信号分解到不同的频带上,而是利用该小波基对时变谐波的幅值和相角进行逼近.给出了电力系统时变谐波检测算法的推导及流程.通过仿真分析与对比,验证了此算法的可行性和精度. 相似文献
3.
4.
5.
结合小波变换和神经网络二者之间的优点,提出基于小波神经网络的负载模式识别的方法。其中小波函数代替非时变一般神经元隐层函数,用于提高网络对系统输入输出之间复杂关系的映射能力,相对于传统的模式识别方法,用小波变换对采集信号进行预处理,大大减少了神经网络的输入数目,从而简化了神经网络的结构和减少了它的训练时间。对实例电路识别结果表明,该方法能正确识别各种负载类型,准确率高。 相似文献
6.
基于小波分析中小波变换的两个不同角度,分别介绍了两种不同的小波网络,并对这两种小波网络的构成、模型和函数逼近能力进行了讨论,给出了这两种小波网络对一阶梯函数逼近的仿真结果,得出第二种小波网络具有更好的函数逼近能力,最后介绍了这两种小波网络在信号分类器方面的应用,给出了各自学习模型和仿真结果。 相似文献
7.
8.
基于小波分析中小波变换的两个不同角度,分别介绍了两种不同的小波网络,并对这两种小波网络的构成、模型和函数逼近能力进行了讨论,给出了这两种小波网络对一阶梯函数逼近的仿真结果,得出第二种小波网络具有更好的函数逼近能力,最后介绍了这两种小波网络在信号分类器方面的应用,给出了各自学习模型和仿真结果. 相似文献
9.
10.
基于小波神经网络的电力负荷预测方法 总被引:8,自引:0,他引:8
分析了小波神经网络的特点,研究了在电力负荷预测中小波神经网络存在的优缺点及适用范围。通过对小波神经网络和BP神经网络的结构和算法进行理论分析,并对实际电力负荷预测算例进行对比研究,指出小波神经网络本身适合对波动性的信号进行预测,而且在神经网络节点数目相同的情况下,小波神经网络比BP神经网络具有更高的预测精度,因此采用小波神经网络有利于减少隐节点数目。还指出由于当前的连续小波神经网络主要使用传统BP神经网络的随机初始化方法和基于梯度的训练算法,因此存在收敛性差的缺点。 相似文献
11.
12.
为减少变电站噪声污染,针对变压器噪声控制问题,提出一种基于遗传小波神经网络的变电站内变压器噪声自适应抑制方法。首先,将变压器噪声进行小波神经网络建模,比较变压器实际噪声信号和模型输出噪声信号的大小。其次,根据残余噪声信号幅值绝对值,自适应选择遗传算法或者梯度下降算法作为小波神经网络中参数迭代的优化方法。最后,利用一种降噪综合性能评价策略,确定模型隐含层最优结构。通过3种不同模型的仿真,结果表明遗传小波神经网络模型对变压器附近的噪声信号有较好的抑制效果。 相似文献
13.
14.
提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性 相似文献
15.
基于小波网络的水轮发电机组自适应控制研究 总被引:2,自引:1,他引:2
由于水轮发电机组的动力学模型比较复杂,其动态模型解析式难以精确得到,因此依据小波的非线性逼近能力和神经网络的自学习特性,提出了一种基于小波神经网络自适应控制算法。文中系统由两个小波网络组成,分别实现水轮发电机组的在线辨识与控制。仿真试验表明,该系统比采用神经网络控制具有更好的控制效果。 相似文献
16.
电力系统负荷预测是1项复杂的系统工程,其不仅涉及的领域广泛,而且不确定性的因素较多。文中在传统BP神经网络算法、改进型BP神经网络算法基础上,将BP神经网络与小波分析相结合,构建了小波神经网络模型,然后分别应用BP神经网络、改进型BP神经网络和小波神经网络对宁夏石嘴山地区电力负荷进行了中长期预测。通过对比分析表明,采用小波神经网络获得的预测数据比前2种方法获得的预测数据误差均要小。这说明了小波神经网络的预测结果更加准确,即采用BP神经网络与小波分析相结合的方法比单纯地采用BP神经网络算法进行电网负荷预测的效果更佳 相似文献
17.
一种基于小波神经网络的模拟电路故障诊断方法 总被引:1,自引:0,他引:1
本文针对模拟电路提出了1种新的基于紧致型小波神经网络的故障诊断方法。该方法首先利用小波变换和主成分分析对故障信号进行预处理,然后用处理后的故障特征数据对小波神经网络进行训练和测试。仿真实验表明,该方法比普通神经网络方法训练速度更快,诊断准确率更高。 相似文献