两种小波网络的函数逼近能力比较与应用

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。     

两种小波网络的函数逼近能力比较与应用

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.     

多层多分辨分析算法及在电力系统中的应用

为了改善小波函数在电力系统故障信号分析中的性能，提高小波变换的运算速度，提出了新的小波函数构造方法及其相应的小波变换。该方法具有普遍性，所构造的小波具有简单、时频局部化性能好等优点。根据这种新的小波构造方法，提出了多层多分辨分析的快速算法，此外，利用多层多分辨分析的算法，对电力系统故障信号进行处理和分析，证明基于多层多分辨分析小波变换方法在检测电力系统故障的突变信号分量方面，是一种非常有效的方法。该小波函数构造方法及其多层分辨分析算法，同样适合于其它领域里的故障信号分析与信号处理。     

基于小波变换的电力系统短路故障分析

介绍小波变换应用在信号奇异性检测方面的基本原理,提出了基于小波变换的电力系统故障信号分析方法,既充分利用了小波变换在故障信号分析中的优点,又克服了传统傅里叶变换方法的不足.最后通过一个实例进行验证.     

小波熵理论及其在电力系统中应用的可行性探讨

电力系统采集的丰富实时数据包含系统模型的复杂性和不确定性,从这些数据中挖掘和融合出一个或系列普适量来检测系统的故障或稳定性至关重要。章分析了小波熵(Wavelet Entropy)在电力系统故障检测与判别中应用的可行性,探讨了基于小波分析理论的小波熵概念,提出了两种小波熵的定义和计算方法,仿真验证了小波熵可以用在输电线路的故障检测中,探讨了小波熵理论在电力系统故障检测与判别、系统故障分类等应用中的前景。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

小波分析及数学形态学在电力系统故障暂态信号处理中的应用

在介绍小波分析及数学形态学基本理论的基础上,综述了小波分析及数学形态学理论在电力系统故障暂态信号处理中的应用,主要包括输电线路故障暂态信号检测及发电机、变压器、电动机等电气设备故障早期检测及诊断。文章最后提出小波分析与数学形态学理论结合使用是电力系统故障暂态信号处理的发展方向。     

基于无线传感器网络的配电线路的故障监测的可行性研究

首先给出了用于电力系统故障监测的无线传感器网络的系统架构,阐述了该无线传感器网络的工作原理。根据电力系统监测对网络延时、数据可靠性、时间同步精度、动作时间等方面的要求,通过仿真分析无线传感器网络相关的性能,给出了基于无线传感器网络的电力系统故障监测的可行性。     

基于半复小波的电力系统扰动检测新方法

对O.Chaari的复值小波进行了改进，提出了一种新型的半复小波，推导了半复小波的单向递推算法，从而提高了电力系统故障诊断的实时性；采用改进的半复小波对电力系统中各种典型的扰动信号进行了分析。仿真分析表明基于半复小波的电力系统故障实时检测方法，灵敏度高，具有很强的实时性，因而在提高电力系统的运行水平和供电质量方面，具有显著的社会经济效益。     

基于子图同构的电力系统故障建模方法

为了快速完备地建立电力系统在线与离线仿真分析所依赖的故障集，提出一种基于子图同构的电力系统故障建模方法。首先提出了能够完整描述电力系统故障的三要素：网络模式、事件集合和事件模式，并基于此对电力系统故障模型进行了统一的数学表达，再结合电力系统网络节点类型分布特点与节点语意信息完善了子图同构算法在故障网络模式匹配中的应用效果，最后通过一个规模较大的区域电网验证了所提方法的有效性。     

基于小波分析及网络的电力电子电路故障诊断方法

针对电力电子电路故障,结合小波多分辨分析,将信号的特征提取作为网络的第一层,用小波函数代替普通神经网络中的S函数,提出了函数型和权值型两种不同的4层小波神经网络方法,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路的故障诊断,并与用普通BP网络诊断的结果进行了比较。仿真结果验证了两种方法的正确性。     

基于小波神经网络的电力电子电路故障模式识别

提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路故障的模式识别,并与用普通BP网络识别的结果进行了比较。仿真结果验证了两种故障识别方法的正确性和较好的准确性。     

小波模糊神经网络应用于配电网输电线的故障测距

在小电流接地系统单相接地故障特征分析的基础上，提出了一种基于故障后稳态及暂态电气量的小波模糊神经网络的故障测距方法。单相接地故障时的暂态分量故障特征非常明显，且故障暂态高频分量受故障前负荷的影响较少，故可以采用故障暂态分量描述故障模式特征并进行故障定位，鉴于已有的小波神经网络模型不适合于故障测距，作者从广义的小波神经网络概念出发，结合模糊控制理论，提出了适合于电力系统故障暂态和稳态信号分析的小波模糊神经网络方法，并将该方法应用于小电流接地系统直配输电线路的故障测距。理论分析及大量的EMTP仿真结果表明：本文所提出的小波模糊神经网络理论，模型及算法具有较好的故障测距性能，并可应用于电力系统的故障分析。     

基于小波模糊神经网络配网馈线故障测距的研究

在小电流接地系统单相接地故障特征分析的基础上,结合小波变换和模糊神经网络的特点,提出了适合配网故障后暂态信号分析的小波模糊神经网络模型及算法,应用于小电流接地系统的故障测距.理论分析及大量仿真结果显示此方法是可行的,且具有较好的故障测距性能.     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

时间序列小波神经网络在故障测距中的应用

在小电流接地系统单相接地故障特征分析的基础上,提出了一种基于故障后暂态电气量由时间序列小波神经网络原理来实现的直配线路单相接地故障测距方法。给出了广义的小波神经网络概念,提出了适合暂态时间序列分析的小波神经网络模型并应用于小电流接地系统直配线故障测距。理论及大量的EMTP仿真结果表明此方法是可行的,且具有较好的故障测距性能。     

A novel probabilistic neural network‐based algorithm for classifying internal fault in transformer windings

The major function of protective devices in a power system is to detect the occurrence of faults and to isolate the faulty sections from the rest of the system. Much progress has been made in the development algorithms for detecting faults in power transformers, which depend on transients‐based techniques. This paper presents an algorithm based on a combination of discrete wavelet transforms and probabilistic neural networks (PNNs) for classifying internal faults in a two‐winding three‐phase transformer. Fault conditions of the transformer are simulated using alternative transients program/electromagnetic transients program (ATP/EMTP) in order to obtain current signals. The mother wavelet Daubechies4 is employed to decompose the high‐frequency components from these signals. All three phases of the differential current signals are used in the fault detection decision algorithm. The variations of first‐scale high‐frequency component that detects fault are used as an input for the training pattern. The training process for the neural network and fault diagnosis decision is implemented using toolboxes on MATLAB/Simulink. Various cases and fault types based on the Thailand electricity transmission and distribution systems are studied to verify the validity of the algorithm. Backpropagation neural network is also compared with the PNN in this paper. It is found that the proposed method gives satisfactory accuracy with less training time, and will be particularly useful in the development of a modern differential relay for a transformer protection scheme. © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于小波神经网络和故障录波数据的电网故障类型识别

电力系统发生大面积复杂故障后,调度人员仅仅依靠来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的保护和开关接点的变位信息难以做出准确的判断,来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据。为了进一步提高超高压输电线路故障类型识别率和计算速度,文中利用提升小波和PNN网络构造了新的小波神经网络故障识别模型,应用bior3．1提升小波对故障电流进行分解,将分解到的 (0,375)Hz频率段的小波系数输入到PNN神经网络。通过 ATP仿真及华东电网实际故障录波数据的测试和比较结果表明:该模型具有很高的识别率和收敛速度,并有望将该模型应用到电网故障诊断系统。     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.