一种广义S变换及其模糊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 Vol.35 No.4 Feb.20, 2015 866 2015 年 2 月 20 日 Proceedings of the CSEE ©2015 Chin.Soc.for Elec.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：TM 711 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 1 1 2 尹柏强 ，何怡刚 ，朱彦卿 (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) Detection and Classification of Power Quality Multi-disturbances Based on Generalized S-transform and Fuzzy SOM Neural Network 1 1 2 YIN Baiqiang , HE Yigang , ZHU Yanqing (1. School of Electrical Engineering and Automation, Hefei University of Technology, Hefei 230009, Anhui Province, China; 2. College of Electrical and Information Engineering, Hunan University, Changsha 410082, Hunan 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-disturbances, 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 proposed a new method based on the generalized S-transform 进行训练，再用新的多扰动数据进行网络检验。仿真与实验 and the fuzzy self-organizing maps (SOM) neural network to 结果表明，广义 S 变换能有效提高电能质量多扰动特征检 extract features and to recognize the disturbance patterns. As to 测，模糊 SOM 神经网络能精确对其进行分类，该方法能够 all kinds of the disturbance 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 two kinds of voltage disturbances, 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-transform is used to extract mu