排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
基于小波去噪与改进RBF神经网络的小电流接地系统故障选线方法 总被引:1,自引:0,他引:1
提出了一种基于小波去噪与改进RBF神经网络的小电流接地系统故障选线方法。将消噪后的零序电流绝对值的最大值进行归一化处理后得到故障信息矩阵,并将该矩阵作为RBF神经网络的输入;计算RBF神经网络输入层的活跃值,当活跃值在设定范围内时,RBF神经网络的隐含层与输出层自动断开,隐含层神经元分裂,待网络中权值、方差、中心值等参数自动调整后,RBF神经网络的隐含层与输出层重新连接,输出训练结果;将测试集输入到训练好的RBF神经网络,得出故障选线结果。算例分析结果表明,该选线方法不受故障相位角、接地电阻的影响,故障选线准确、可靠。 相似文献
2.
提出一种时频原子灰色关联的小电流接地故障选线方法。根据当前小电流接地系统分支线路数目,计算故障线与非故障线的线路基准值;以Gabor原子库为索引,利用匹配追踪法将各分支线路故障后首个1/4周期内的暂态零序电流进行时频原子分解,求得表征各分支线路故障特征信息的衰减正弦量原子;采用改进灰色关联分析对各衰减正弦量原子进行关联度分析,求得各分支线路的特征值;将各特征值分别与故障线和非故障线的基准值求欧式距离并比较大小,通过所求欧式距离大小的比较,可实现准确选线。仿真结果表明,该方法计算量小,选线精度高,尤其适用于多分支线路的小电流接地系统。 相似文献
3.
针对现有小电流接地系统故障选线方法存在故障状况复杂、故障信号特征不明显等问题,提出了一种基于小波包-贝叶斯的小电流接地系统故障选线方法。该方法首先按故障过渡电阻值的大小将小电流接地系统故障分为强故障模式、中等故障模式、弱故障模式,并分别构建相应的贝叶斯分类器;在故障特征提取方面,采用db小波包按照能量最大原则选取各条线路的故障特征频带,对所构建的3类分类器进行训练后,再将提取的各条线路的特征频带输入到分类器进行故障类型的判别;最后,采用"少数服从多数"的原则,对3类分类器的输出结果进行表决,进而得出选线结果。仿真结果表明,该方法选线准确率高。 相似文献
4.
基于EEMD与SVM的配电网故障选线方法 总被引:3,自引:0,他引:3
针对过渡电阻较大造成的配电网单相接地故障选线难的问题,提出一种基于EEMD-Hilbert变换与SVM的小电流接地系统故障选线方法。首先,根据故障初相角的不同,建立两类SVM分类器,应用EEMD算法对1/6周期的暂态零序电流进行分解,通过相关系数获得零序特征电流,并对其进行Hilbert变换。然后,定义特征解析点,并分别求取虚相位特征角并构造虚相位特征角向量。最后,利用虚相位特征角向量训练与之相应的SVM分类器,输入测试集,输出分类结果。仿真结果表明,该选线方法原理简单,选线准确率高。 相似文献
1