基于双密度双树小波变换的电能质量扰动识别方法 power quality disturbances identification based on double-density dual-tree discrete wavelet transform.pdfVIP

下载本文档

2
0
约1.9万字
约 5页
2017-08-14 发布于上海
举报
版权申诉

基于双密度双树小波变换的电能质量扰动识别方法 power quality disturbances identification based on double-density dual-tree discrete wavelet transform.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于双密度双树小波变换的电能质量扰动识别方法 power quality disturbances identification based on double-density dual-tree discrete wavelet transform

No．560 总第49卷第560期电测与仪表 V01．49 2012年第8期 ElectricalMeasurementInstrumentation Aug．2012 基于双密度双树小波变换的电能质量扰动识别方法术王林泓，陈学昌 (重庆电子工程职业学院电子信息系，重庆401331) 摘要：针对电能质量扰动的识别问题，提出一种基于双密度双树小波变换(DD—DTDWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD—DTDWT变换，然后分别提取其小波能量熵和小波系数行分类。仿真实验表明：所提出的基于DD—DTDWT小波熵的特征提取方法能有效识别常见的8种扰动信号，并具有正确识别率高及噪声鲁棒性强的优点。关键词：电能质量；双密度双树小波变换；小波能量熵；小波系数Shannon熵；支持向量机中图分类号：TM76 文献标识码：A Basedon Dual—tree Power DisturbancesIdentification Quality Double—density DiscreteWaveletTransform WANG Lin-hong，CHENXue—chang ofElectronicInformation ofElectronic (Department Engineering，ChongqingCollege 401331，China) Abstract：Amethodbasedon dual-treediscretewavelettransform(DD-DTDWT)wavelet double-density entropy and vectormachine(SVM)isto simulated support proposedidentifypowerqualitydisturbances．Firstly，thepower DD—DT wavelet andwaveletcoefficientsShannon are DWT，thenenergyentropy entropy signalsprocessedbyusing arecalculated last，a treeofSVMis to the binary adoptedclassifypowerquality respectively．At simulationresultsindicatethatthe methodcan thecommonkindsof proposed effectivelyclassify eight with and robustnesstonoise． signalshighrecognitionaccuracyhigh dual-treediscretewavelet