基于S变换和扩张神经网络的电能质量扰动分类.PDF

维普资讯 第 35卷 第 5期 继 电器 Vb1．35No．5 20o7年3月1日 RELAY M札 1．2007 基于S变换和扩张神经网络的电能质量扰动分类 何为，杨洪耕 (四川大学电气信息学院，四川 成都 610065) 摘要：提 出了一种基于s变换和扩张神经网络的电能质量扰动分类方法。首先使用s变换对扰动信号进行时频分析，研究了 在有多种扰动同时发生的情况下，从s变换的结果中提取扰动特征量的方法，得到了由基频特征矢量、高频特征矢量、相位 特征矢量组成的特征矢量组。最后，将提取出来的扰动特征矢量组送入由扩张神经网络构建的分类器中，完成对扰动的分类。 扩张神经网络以扩张距离代替欧氏距离来衡量测试数据与聚类中心的相似度，分类正确率高、结构简单、训练快速。仿真结 果表明，该方法能准确地对扰动进行分类，对噪声不敏感。 关键词：电力系统；电能质量扰动；s变换；扩张神经网络：扰动分类 PowerqualitydisturbancesdassificationbasedonS-transform andextensionneuralnetwork FIEWei，YANGHong—geng (SchoolofElectricEngineering＆Information，SichuanUniversity，Cbengdu610065，China) Abstract：AnewapproachcombiningS-transformandExtensionNeuralNetwork(ENN)toclassifypowerqualiytdisturbancesis propo sedinthispaper．Atfhst，powerqualitydisturbna cesignalsaredecomposedwithS-trnasform time-frequencyna alysis ． Then， htepapersutdiestheresultsofS·transform inordertoextractpo werqualiytdisturbances’feautrematrixeswhichraecomposedof fundamentalfrequencyvceotr,high frequencyvcetornadphasevcetor．Athtesametime，someconcurrentdisutrhancesarealSO na alyzed．Atlast,htefeaturematrixesareinputintohteclassificationmachinebasedO11ENN t0idendfypowerquaJitydisturbnace types．ENNusesextensiondistanceinsteadof Euclidena distancetomeasuresimilaritiesbewteentesteddataandclustercenters．SOit has highclassificationcorrectratio，simplestnlcture，nadshortlearningtimes．Numericalsimulationresultsshow thatthepropo sde mehtodhas na excellentperfomr naceoncorrectrationadisinsensitiveot noise． Keywords： powersystem； powerqualitydisturbnaces； S．transfomr ； extensionneuralnewtork；