基于改进PSO-WNN的电能质量扰动分类研究.pdf

基于改进PSO-WNN的电能质量扰动分类研究.pdf

ID:52242499

大小:258.28 KB

页数:3页

时间:2020-03-25

基于改进PSO-WNN的电能质量扰动分类研究.pdf_第1页
基于改进PSO-WNN的电能质量扰动分类研究.pdf_第2页
基于改进PSO-WNN的电能质量扰动分类研究.pdf_第3页
资源描述:

《基于改进PSO-WNN的电能质量扰动分类研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、《电气自动化》2011年第33卷第5期电力系统及其自动·PowerSystem&Automation基于改进PSO—WNN的电能质量扰动分类研究韩富春孙碣令狐进军郝彩云(1.太原理工大学电气与动力工程学院,山西太原030024;2.太原供电分公司,山西太原030012;3.吕梁供电分公司,山西吕梁033000)摘要:提出一种基于改进粒子群算法和小波神经网络相结合的电能质量扰动分类方法。首先利用小波多分辨技术检测电能质量扰动信号,然后提取各类扰动能量特征向量,将此特征向量输入到优化后的小波神经网络进行识别,最后经改进粒子群小波神经网络得

2、到电能质量扰动分类结果。实例仿真计算结果表明,方法可大大提高电能质量扰动分类识别能力。关键词:电能质量扰动改进粒子群算法小波神经网络分类识别[中图分类号]TM711[文献标志码]A[文章编号]1000—3886(2011)05—0059—02PowerQualityDisturbancesClassificationBasedOnImprovedPSO-WNNHanFuchunSunJieLingHujinjunHaocaiyun。(1.SchoolofElectricalandPowerEngineeringTaiyuanUnive

3、rsityofTechnology,TaiyuanShanxi030024,China;2.TaiyuanElectricPowerSupplyCompany.TaiyuanShanxi030012,China;3.LvliangElectricPowerSupplyCompany,lvliangShanxi033000,China)Abstract:Thispaperintroducesamethodforclassifyingdurationpowerqualitydisturbances(DPQDs),whichisbasedo

4、nparticleswarlnoptimizationandwaveletneuralnetwork.first,powerqualitydisturbancesignalsaredetectedwithWaveletmuhiresolutionanalysistechnique;then,allkindsofdisturbanceenergyfeaturevectorareinputintothePoptimizedwaveletneuralnetworktoidentifypowerqualitydisturbancetypes;

5、finally,theclassifyrecordsofpowerqualitydisturbancewasachieved.Numericalsimulationresultsverifiesitcanimproverecognitionofpowerqualitydisturbance.Keywords:powerqualitydisturbancesparticleswarmoptimizationwaveletneuralnetworkclassificationO引言其中(t)为尺度函数,(t)为(t)对应的小波函数;和(Z

6、)分别是(t)的尺度空间和小波空问。随着现代工业的不断发展,大量非线性负载和电力电子器件的应用,使得电能质量问题日趋严重。目前对电能质量的检测分对(t)和(t)进行平移和伸缩可得析已有多种方法,如小波变换,神经网络,数学形态学等方法,这,.(z)=2—(2’t—k)(2)些方法虽然取得了一定的成果,但还不能完全满足实际工程的需m(t)=2-j/砂(2t一)(3)要。本文提出了一种基于PSO—WNN的电能质量扰动分类方设信号函数为,(),则在尺度下的平滑信号为法。该方法首先利用小波变换对电能质量扰动信号进行多尺度A=(L),m()>=2

7、j/。)~o(Ux—k)dx(4)分解,重构后得到各尺度信号能量的特征向量,然后将特征向量在尺度下的细节信号为作为PSO—WNN的输人向量进行识别,最后经改进后的粒子群小波神经网络获得电能质量扰动分类结果。由于使用了改进粒=),,()>=)(2ix一后)dx(5)子群优化神经网络结构,所以具有收敛速度快,不易陷入局部最信号)的分解过程是从+1尺度到尺度的逐步分解过程,即优的特点,经实例计算,结果表明该方法具有较强的电能质量扰动分类识别能力。fAJf=∑h(k一2n)L厂{(6)1基本原理与方法to/.=∑g(一2n)L厂1.1小波多分

8、辨方法其中g和h分别为高通滤波器系数和低通滤波器系数。多分辨分析(MRA)是小波分析的一个重要特性,利用MRA小波结构树分解如图1所示。对电能质量的检测,是小波分析在电力系统中的重要应用1.2提取特征向量之一[。首先利用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。