基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。     

基于小波变换模极大值的电能质量奇异性检测

针对配电系统中最常见的暂态电能质量扰动,例如电压暂降、电压暂升、电压振荡和脉冲等,在发生扰动的起止时刻常常对应电压信号发生奇异点的特点,提出了一种基于小波变换模极大值的电能质量奇异性检测方法,通过信号小波变换模的极值点在多尺度上的综合表现,来表示信号的突变或暂态特征,并通过算例仿真验证了该方法的有效性。     

基于小波变换的暂态电能质量分析方法

针对配电系统中最常见的暂恋电能质量扰动,例如电压暂降、电压暂升、振荡、脉冲等在发生扰动的起止时刻常常对应电压信号的奇异点的特点,本文提出了一种基于小波变换的暂态电能质量奇异性检测方法。利用小波变换的快速算法——Maliar算法来确定暂态电能质量信号的扰动持续时间和扰动波形,从而进行检测。