论文摘要
为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(MaximalOverlapDiscrete WaveletTransform, MODWT)和并行隐马尔科夫模型(ParallelHiddenMarkovModel, PHMM)的电能质量扰动分类方法。首先利用MODWT提出一种实用的电能质量扰动检测算法,该算法无需设定检测阈值,可准确获取扰动时段的起止时刻。接着提取扰动时段的电压谐波成分并组成特征向量。然后用PHMM分类器对扰动信号进行分类识别。PHMM方法克服了人工神经网络方法收敛性较差、训练时间较长的缺陷,使分类器性能大大提升。通过应用于现场实测扰动数据表明,所提出的方法适用于多种类型的电能质量扰动检测,分类正确率高,训练速度快,具有良好的应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 谢善益,肖斐,艾芊,周刚
关键词: 电能质量,极大重叠离散小波变换,并行隐马尔科夫模型,分类识别
来源: 电力系统保护与控制 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 广东电网有限责任公司电力科学研究院,上海交通大学电气工程系
基金: 广东电网公司科技项目资助(GDKJXM20162540),国家863计划课题项目资助(2015AA050404)~~
分类号: TM711
页码: 80-86
总页数: 7
文件大小: 838K
下载量: 137
相关论文文献
标签：电能质量论文; 极大重叠离散小波变换论文; 并行隐马尔科夫模型论文; 分类识别论文;