一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法.pdfVIP

第35卷 第4期 中 国 电 机 工 程 学 报 Vo1．35No．4 Feb．20，2015 866 2015年2月20日 ProceedingsoftheCSEE ~2015Chin．Soc．furElec．Eng． DOI：10．13334／j．0258-8013．pcsee．2015．04．013 文章编号：0258—8013(2015)04—0866-07 中图分类号：TM711 一 种广义 S变换及模糊 SOM 网络的 电能质量多扰动检测和识别方法 尹柏强 ，何怡刚 ，朱彦卿2 (1．合肥工业大学电气与自动化工程学院，安徽省 合肥市 230009； 2．湖南大学电气与信息工程学院，湖南省 长沙市 410082) DetectionandClassificationofPowerQualityMulti-disturbancesBasedon GeneralizedS—transform andFuzzySOM NeuralNetwork YIN Baiqiang，HEYigang，ZHU Yanqing (1．SchoolofElectricalEngineeringandAutomation，HefeiUniversityofTechnology,Hefei230009，AnhuiProvince，China； 2．CollegeofElectricalandInformationEngineering，HunanUniversiyt,Changsha410082，Hunna Province，China) ABSTRACT： To solve the problem of detecting and 时频特征进行提取，并取变换后的时间幅值平方和均值和特 classifying power quality multi-disturbna ces， this paper 征频点作为神经网络的输入样本，采用模糊SOM神经网络 proposedanew methodbasedonthegeneralizedS-rtnasfomr 进行训练，再用新的多扰动数据进行网络检验。仿真与实验 nadthefuzzyself-orgnaizingmaps(SOM)neuralnetworkto 结果表明，广义 S变换能有效提高电能质量多扰动特征检 extractfeaturesandtorecognizehtedisturbnacepatterns．Asto 测，模糊 SOM神经网络能精确对其进行分类，该方法能够 allkindsofhte disturbnace voltage signals，especially the 较好的解决电压多扰动叠加情况的定性和定量分类问题。 superposition of wto kindS ofvoltage disturbnaces，the 关键词：电能质量检测；多扰动检测；S变换；广义 S变换； generalized S-rtna sform isused to exrtactmulti—disturbnace SOM 神经网络 time—rfequency features．Then，the average square·sum of S—rtansfomr amplitudesareusedtotrainthefuzyz SOM neural 0 引言 network，nadthenew collecteddataaretestedusingthetrained fuzyz SOM neuralnewt ork．Simulationnadexperimentresults 电力系统安全、稳定的运行是电网运行水平高 showhtathtegeneralizedS-rtansufrm candetectpowerqualiyt 低 的重要标志。现代电力电