基于EMD样本熵和极限学习机的输电线路故障类型识别崔力云.pdfVIP

广 西 电 力 2012 年4 月 10 GUANGXI ELECTRIC POWER Vol.35 No.2 基于EMD 样本熵和极限学习机的 输电线路故障类型识别 Fault Type Identification of Transmission Line Based on EMD Sample Entropy and Extreme Learning Machine 崔力云 CUI Li- yun （新疆电力设计院，乌鲁木齐 830000） （Xinjiang Electric Power Design Institute ，Wulumuqi 830000 ，China） 摘要：提出了一种基于经验模态分解（EMD）样本熵和极限学习机（ELM）的输电线路故障类型识别的新方法。利用EMD 良 好的局域化特性和样本熵来获取故障信息，进行特征提取，再结合ELM 的强大模式分类能力进行故障类型识别。基于 SIMULINK/MATLAB 的故障仿真结果表明，该方法能快速准确地识别输电线路的各类故障，并且不受故障时刻、过渡电阻、故障 位置等因素的影响。 关键词：输电线路；故障诊断；模式识别；经验模态分解；极限学习机 Abstract ：A new method for fault type identification of transmission line base on empirical mode decomposition （EMD）sample entropy and extreme learning machine （ELM）is proposed. The nice EMD local performance and sample entropy are used to obtain fault information and to extract patterns ，and the strong pattern classification ability of EMD is used to identify fault type. Simulation results base on SIMULINK/MATLAB show that the proposed method can identify quickly and correctly all kinds of faults of transmission line regardless of fault time，transition resistance and fault position. Key words: transmission line ，fault diagnose，pattern reorganization ，empirical mode decomposition ，extreme learning machine 中图分类号：TM726 文献标志码：A 文章编号：1671- 8380（2012）02- 0010- 04 0 引言 本身变化而变化，因此EMD 方法是自适应的信号处 电力系统发生故障时，迅速、准确地选出故障相 理方法，非常适合非线性、非平稳过程。 对于继电保护装置正确动作和有选择地切除故障都 样本熵是由Richman[5]提出的一种新的时间序