基于小波和进化网络的电能质量动态扰动自动识别 .pdfVIP

维普资讯

第２９卷第３期华北电力大学学报Ｖｏ１．２９．Ｎｏ．３

２００２年７月ＪｏｕｒｎａｌｏｆＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙＪｕｌｙ，２００２

文章编号：１００７—２６９１（２００２）０３—０００１—０４

基于小波和进化网络的电能质量动态扰动自动识别

张智远，李庚银，冯任卿

（华北电力大学电力工程系，河北保定０７１００３）

Ａｕｔｏｒｅｃｏｇｎｉｔｉｏｎｏｆｐｏｗｅｒｑｕａｆｉｔｙｄｉｓｔｕｒｂａｎｃｅｂａｓｅｄｏｎｗａｖｅｌｅｔａｎｄｇｅｎｅｔｉｃｎｅｔ

ＺＨＡＮＧＺｈｉ—ｙｕａｎ，ＬＩＧｅｎｇ—ｙｉｎ，ＦＥＮＧＲｅｎ—ｑｉｎｇ

（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉｎｇ０７１００３，Ｃｈｉｎａ）

摘要：提出了一种基于小波和进化网络的电能质量动态扰动类型进行准确的分类，而如何有效地从扰动波形

动自动识别方法。首先应用Ｄａｕｂｅｃｈｉｅｓ４小波对扰动波形进中提取特征是能否快速、准确识别的关键。动态扰

行分解，得到各个尺度上的小波系数，然后进行特征提取：

动波形是暂态信号的一种，利用小波的时域局部化

采用遗传算法设计的模式特征分类器对扰动进行分类。实

特征可以较好地提取信号的局部化特征，而基于遗

验表明该方法具有分类准确、网络学习速度快及收敛效果

好等显著特点。传算法的人工神经网络能够做到更好的收敛，并能

有效地避免局部极小。因此，本文采取小波变换与

关键词：电能质量；扰动识别；小波变换；人工神经网络；

基于遗传算法进化网络相结合的扰动识别方法，并

遗传算法

对供电局录波器中所取得的塌陷、振荡、脉冲暂

中图分类号：ＴＭ７ｌ文献标识码：Ａ

态、瞬间断电等几种扰动进行分类。实验结果表明

Ａｂｓｔｒａｃｔ：Ａｎｏｖｅｌａｐｐｒｏａｃｈｔｏｄｅｔｅｃｔａｎｄｃｌａｓｓｉｆｙｖａｒｉｏｕｓｔｙｐｅｓ基于遗传算法的神经网络分类器比传统的基于ＢＰ

ｏｆｐｏｗｅｒｑｕａｌｉｙｔｄｉｓｔｕｒｂａｎｃｅｓｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ￣Ｔｈｅ算法的神经网络分类器性能有明显提高。

ｗａｖｅｌｅｔＤａｕｂｅｃｈｉｅｓ４ｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｓｉｇｎａｌｓ

ｃｏｎｔａｉｎｉｎｇｄｉｓｔｕｒｂａｎｃｅｓ．Ｔｈｅｃｈａｒａｃｔｅｒｖｅｃｔｏｒｓａｒｅｅｘｔｒａｃｔｅｄ１扰动信号的小波变换

ｔｈｒｏｕｇｈｔｈｅｗａｖｅｌｅｔｃｏｅｆｆｉｃｉｅｎｔｓｉｎｆｉｖｅｓｃａｌｅｓ．