共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
提出基于小波熵和BP神经网络的孤岛检测技术,将小波变换的多分辨率分析与信息熵技术结合,能够有效地区分电网扰动与孤岛现象的内在不同。仿真实验表明该方法具有较高的准确性。 相似文献
3.
4.
针对常规Elman神经网络容易陷入局部最优、泛化能力不足等缺点,提出一种混合小波包变换和纵横交叉算法(CSO)优化神经网络的短期风电预测新方法。该混合方法首先利用小波包变换将风电功率时间序列分解成多个不同频率的子序列,然后采用CSO优化后的神经网络(CSO-ENN)对各分量进行提前24 h预测,最后叠加各子序列的预测值,得出实际预测结果。在实例分析中,利用某风电场实际运行数据进行仿真验证。结果表明:新模型的预测精度明显优于其他混合方法和风电场提供的日前预测结果。 相似文献
5.
针对传统的扰动检测法无法区分正常扰动状态与弱故障扰动状态的问题,提出了一种基于dq变换和小波包变换的微网故障检测方法,该方法使用每条母线上d、q轴故障电流的平方和作为解析电流,并利用小波包对其进行分解,进而利用各层小波包系数来构建故障检测判据。仿真试验结果表明,该方法能够有效区分正常运行状态、正常扰动状态和强、弱故障扰动状态,且不受接地电阻、故障类型/时间/相、负荷/DG的投切等各种因素影响,具有很强的适应性与工程应用价值。 相似文献
6.
针对风电机组故障信号的非平稳性以及故障与征兆的非线性映射导致的故障识别困难问题,提出了改进型的节点重构小波包频带能量谱与PNN(概率神经网络)的联合故障诊断新方法。文章深入分析了传统小波包频带错乱的问题,借助傅里叶变换与傅里叶逆变换改进了小波包,消除了小波包频带错乱的缺陷。首次采用改进型小波包提取故障信号特征量作为PNN的输入,然后利用PNN快速准确的非线性映射能力进行故障诊断。最后,采用风力发电机故障试验台的故障轴承的实际数据对所提方法进行验证,结果表明,所提方法可行且有效。 相似文献
7.
8.
9.
10.
11.
12.
13.
提出一种基于小波包和带有偏差单元的内部回归神经网络相结合的燃气轮机转子故障诊断方法。利用小波包分析去除噪声信号干扰,简化燃机转子故障特征提取。带有偏差单元的内部回归神经网络的记忆特性好,收敛速度快、稳定性强。小波包和带有偏差单元的内部回归神经网络的结合,大大提高了诊断速度及诊断准确性。 相似文献
14.
15.
在电力能效监控管理系统中,提出了基于小波包的特征提取和BP(back propagation)神经网络相结合的方法,对三相整流电路中故障晶闸管位置进行诊断和识别.根据整流电路原理,对22种故障情况分别进行编码.建立三相整流电路故障模型,采用小波包分解的方法,对直流端输出电压的采样数据进行特征提取,构建特征向量,作为BP神经网络的训练样本,将对应故障的编码作为网络输出,用简化的训练好的神经网络即可以实现整流电路的故障位置识别.仿真结果证明,采用小波包特征提取,作为神经网络训练样本,既可以简化神经网络训练结构,又可以准确实现故障定位识别.研究具有很大的工程实践意义. 相似文献
16.
针对传统流型识别方法主观性强和BP神经网络训练受病态样本影响较大的缺点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提出一种新的气液两相流流型识别方法。该方法首先利用小波包分解对流型的动态压差波动信号进行分析、提取特征,然后将小波包能量特征与Kohonen神经网络结合进行流型识别。对水平管内空气一水两相流4种典型流型的识别结果表明:该方法能有效克服传统识别方法具有的主观性和BP网络的缺陷,具有很好的识别效果,从而为流型的在线识别提供一种新的有效的技术选择。 相似文献
17.
风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。 相似文献
18.
为精确诊断转子故障,以转子故障模拟实验台的实测数据为研究对象,采用基于小波包能量特征向量提取的信号特征值作为网络的学习样本,采用改进弹性BP算法训练网络研究转子的振动状态。为神经网络在转子故障诊断领域更深入广泛的应用提供可参考的思路和方法。 相似文献
19.
由非线性电力电子装置组成的风力机变频器一旦发生故障,其故障特征信息不容易被提取和识别。为此,提出了一种基于小波包分析和Elman神经网络的电力电子装置故障诊断的方法,先运用小波包分析法提取电力电子装置电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网络的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以典型的风力机交—直—交变频器为例,在Matlab软件下建立电路模型对一次侧故障进行仿真实验,结果表明采用该方法可以快速、准确地完成故障诊断。 相似文献