电气工程毕业设计翻译正文.docVIP

译文： 小波包神经网络在电力系统继电保护中的应用 摘要，本文提出解决继电保护测试仪波形畸变问题的小波包神经网络（WPNN）方法。凭借其良好的时频局部化的逼近能力，WPNN是用来建立一个对继电保护测试仪非线性放大器的识别模型。有待放进工具的错误数据是用来被识别模型的调节功能补偿的，使整个使用仪器系统显示表现得线性，以便使产生的波形失真大大地被限制。模拟结果表明，提出方法具有可行性和有效性，原型已进入实际运行。 1 介绍 现代电力网络的规模和复杂性不断扩大，它要求配置较高可靠性的电力系统继电保护，错误数据在进入继电保护测试仪运算之前被放大器放大是改善他们性能的有效方式[1][2]。传统的继电保护测试仪器能够实现这样的测试功能，但他们曾经采用模拟放大器，这是一个典型的非线性系统，实现功率放大。因此，输出波形的非线性失真不可避免地成为继电器保护测试的严重问题。在本文中，WPNN方法提出了解决这一问题的方法。 WPNN是小波包理论和神经网络，它不仅具有小波包的良好的局部化性质和特征提取能力，但也继承神经网络的许多优点，如自适应性和最高兼容性等[3][4]。它选择小波基为神经元的激活函数，并规范设计程序和稳固学术基础，所以WPNN已广泛应用在许多技术领域[5][6][7]。 在这项研究中，WPNN是采用了建立继电保护测试仪的非线性放大器的识别模型，并通过比较识别模型与理论输出，自适应调整功能是