一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法.pdfVIP

第 卷第 期 重庆邮电大学学报 自然科学版 年 月 一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法 罗毅 程宏波 吴浩 李 莺 四川理工学院 自动化与电子信息学院四川 自贡 华东交通大学电气工程学院江西 南昌 摘 要为提高电网故障诊断的准确率和速度提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊 断方法通过对小波灰度矩进行时间上的划分计算得到故障发生后电流在不同时刻的灰度矩的值从而得到小波 系数随时间的变化情况以小波分时灰度矩作为概率神经网络的输入诊断结果作为输出实现对电网故障的自动 诊断利用对电网不同类型的故障进行了仿真采用连续小波变换对电网发生短路故障后的暂态 信息进行分析提取其灰度矩信息利用概率神经网络进行了故障识别 仿真结果表明小波分时灰度矩具有较强 的细节表现能力 可作为电网故障的故障特征 与概率神经网络相结合可有效地实现对电网故障的自动识别 关键词 小波分时灰度矩 故障特征 概率神经网络 故障诊断 中图分类号 文献标识码 文章编号 随着同步相量测量技术的日渐成熟和广泛应 引 言 用故障时大量暂态数据的快速获取已经成为现实 电力系统是一个高可靠性要求的动态系统任 这些数据较稳态数据包含有更为丰富的故障信息 何故障的发生都有可能对整个系统的安全稳定运行 如何有效地对大量的暂态数据进行分析快速有效 产生严重威胁甚至引起整个系统的故障灾变 为 地提取其中能够反映故障的特征信息 已是当前电 实时 可靠 快速的 限制电力系统故障的不利影响 力系统故障诊断的一个研究热点之一 故障诊断方法对电力系统至关重要 小波变换作为一种时间 尺度的多分辨率分析 收稿日期 修订日期 基金项目 四川省教育厅青年基金 重 庆 邮 电大 学 学 报 自然科学版第 卷 方法在非平稳信号的特征提取与分离上具有较大 计算机的自动诊断 本文引入图像识别领域中的矩 的优势变换之后的小波系数中包含有比较完整的 特征来描述灰度图中象素点的整体分布情况以及