首页 | 本学科首页   官方微博 | 高级检索  
     

基于小波系数KPCA和PNN的电能质量扰动分类
引用本文:何朝辉,黄纯,刘斌,程扬军. 基于小波系数KPCA和PNN的电能质量扰动分类[J]. 电力系统及其自动化学报, 2010, 22(2)
作者姓名:何朝辉  黄纯  刘斌  程扬军
作者单位:湖南大学电气与信息工程学院,长沙,410082;湖南大学电气与信息工程学院,长沙,410082;湖南大学电气与信息工程学院,长沙,410082;湖南大学电气与信息工程学院,长沙,410082
摘    要:针对电能质量扰动分类,提出基于小波系数特征的核主成分分析(KPCA)和概率神经网络(PNN)的分类新方法.对正常信号和六种常见电能质量扰动(电压暂降、暂升、短时中断、谐波、电压波动和振荡暂态)进行小波变换和多尺度分析,提取各类扰动在多个尺度上小波系数作为特征向量;利用KPCA进行主成分提取,降低了小波系数特征向量维数,再输入PNN进行分类.仿真表明,该方法分类速度和准确率良好.

关 键 词:电能质量扰动  分类  核主成分分析  概率神经网络  小波变换

Power Quality Disturbances Classification Based on Kernel Principal Component Analysis of Wavelet Coefficients and Probabilistic Neural Networks
HE Zhao-hui,HUANG Chun,LIU Bin,CHENG Yang-jun. Power Quality Disturbances Classification Based on Kernel Principal Component Analysis of Wavelet Coefficients and Probabilistic Neural Networks[J]. Proceedings of the CSU-EPSA, 2010, 22(2)
Authors:HE Zhao-hui  HUANG Chun  LIU Bin  CHENG Yang-jun
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号