期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
电能质量扰动信号时频原子分解的进化匹配追踪算法 被引量:11
1
作者 杨烁 曹思扬 +2 位作者 戴朝华 朱云芳 陈维荣 《电力系统保护与控制》 EI CSCD 北大核心 2015年第16期79-86,共8页
时频原子分解对电能质量扰动信号具有良好的分析效果,但其常用的匹配追踪(MP)算法,存在计算量大、参数空间离散化影响原子匹配性能等不足。基于差分进化,研究了电能质量扰动信号原子分解的进化匹配追踪(EMP)算法,给出了算法流程。针对... 时频原子分解对电能质量扰动信号具有良好的分析效果,但其常用的匹配追踪(MP)算法,存在计算量大、参数空间离散化影响原子匹配性能等不足。基于差分进化,研究了电能质量扰动信号原子分解的进化匹配追踪(EMP)算法,给出了算法流程。针对几种电能质量扰动信号,通过Gabor和衰减正弦量原子分解的30次独立仿真实验,分析了信号长度、噪声等对性能的影响。结果表明,EMP算法与MP相比大大减少了计算耗时且不受信号长度的影响,进一步提高了原子的全局匹配能力,具有很好的抗噪声能力。最后,给出了下一步工作的展望。 展开更多
关键词 时频原子分解 匹配追踪 差分进化 电能质量扰动信号
在线阅读 下载PDF
基于ESMD和SSA-PNN的电能质量扰动信号识别分类 被引量:2
2
作者 孙玉杰 张占强 +1 位作者 孟克其劳 吕晓圆 《现代电子技术》 2022年第14期108-114,共7页
针对传统概率神经网络(PNN)分类器中平滑因子依靠人工经验赋值,导致电能质量扰动信号识别分类精度不高的问题,文中提出一种基于极点对称模态分解和麻雀搜索算法优化概率神经网络(SSA-PNN)的电能质量扰动信号识别分类方法。首先,添加含... 针对传统概率神经网络(PNN)分类器中平滑因子依靠人工经验赋值,导致电能质量扰动信号识别分类精度不高的问题,文中提出一种基于极点对称模态分解和麻雀搜索算法优化概率神经网络(SSA-PNN)的电能质量扰动信号识别分类方法。首先,添加含噪声的电能质量扰动信号;其次,利用极点对称模态分解算法对扰动信号进行分解,得到不同频率的本征模态函数;再根据原信号与本征模态函数分量的相关系数选取有代表性的分量,对代表性分量提取能量值和样本熵并将其作为特征向量;最后,创新性地利用麻雀搜索算法优化概率神经网络中的平滑因子,寻找最优平滑因子构建SSA-PNN分类器,将特征向量输入传统PNN分类器和SSA-PNN分类器中进行识别分类。仿真结果表明,相较于传统PNN分类器,SSAPNN分类器的准确率较高,可为电能质量扰动信号识别分类提供一种新的解决方案。 展开更多
关键词 电能质量扰动信号 极点对称模态分解 本征模态函数 麻雀搜索算法 概率神经网络 平滑因子
在线阅读 下载PDF
基于LMD能量熵和GK模糊聚类的电能质量扰动识别 被引量:6
3
作者 张淑清 李盼 +4 位作者 冯璐 李男 张航飞 乔永静 徐剑涛 《计量学报》 CSCD 北大核心 2016年第1期90-95,共6页
提出一种基于局部均值分解方法(LMD)能量熵和GK模糊聚类相结合的电能质量扰动识别的新方法。LMD能量熵具有局域化的特性并且能够表征扰动信号复杂度,可以量化扰动特征。GK模糊聚类可处理分布不规则数据,因此可对各种扰动信号进行识... 提出一种基于局部均值分解方法(LMD)能量熵和GK模糊聚类相结合的电能质量扰动识别的新方法。LMD能量熵具有局域化的特性并且能够表征扰动信号复杂度,可以量化扰动特征。GK模糊聚类可处理分布不规则数据,因此可对各种扰动信号进行识别。非平稳的扰动信号首先由LMD分解,得到若干个有物理意义的乘积函数(PF),通过Shannon熵的特征筛选方法对PF分量进行筛选,求取其能量熵组成特征向量。进而通过GK聚类对特征向量进行识别分类。实验表明,该方法能够有效准确地识别电能扰动信号,并具有良好的抗噪性。 展开更多
关键词 计量学 电能质量扰动信号 局部均值分解 能量熵 GK模糊聚类
在线阅读 下载PDF
电能质量扰动识别的不同时频分析方法研究 被引量:6
4
作者 张立国 张淑清 +4 位作者 李莎莎 乔永静 张航飞 李明星 贺朋 《计量学报》 CSCD 北大核心 2017年第3期345-350,共6页
分析了EEMD、LMD、ITD的算法、特点及分解不同扰动信号的实现步骤。经过实验模拟,对比分解所得效果图,得到适合各种电能质量扰动信号的最佳分解方法:对于电压暂升、电压暂降、电压中断幅值类扰动信号用EEMD方法分解效果最佳;脉冲暂态扰... 分析了EEMD、LMD、ITD的算法、特点及分解不同扰动信号的实现步骤。经过实验模拟,对比分解所得效果图,得到适合各种电能质量扰动信号的最佳分解方法:对于电压暂升、电压暂降、电压中断幅值类扰动信号用EEMD方法分解效果最佳;脉冲暂态扰动EEMD和ITD均可,ITD方法更快、定位更准;暂态振荡信号用ITD方法效果较好;电压闪变扰动EEMD分解效果较好;谐波信号用ITD分解效果较好。 展开更多
关键词 计量学 电能质量扰动信号 总体平均经验模式分解 局部均值分解 固有时间尺度分解
在线阅读 下载PDF
基于循环神经网络的电能质量扰动识别 被引量:24
5
作者 武昭旭 杨岸 祝龙记 《电力系统保护与控制》 EI CSCD 北大核心 2020年第18期88-94,共7页
针对电能质量扰动信号识别算法复杂、识别率低等问题,提出一种将长短时记忆神经网络应用于电能质量扰动信号识别分类的新方法。首先在Tensorflow中搭建长短时记忆神经网络,建立电能质量扰动信号分类模型。其次利用分类模型对电能质量扰... 针对电能质量扰动信号识别算法复杂、识别率低等问题,提出一种将长短时记忆神经网络应用于电能质量扰动信号识别分类的新方法。首先在Tensorflow中搭建长短时记忆神经网络,建立电能质量扰动信号分类模型。其次利用分类模型对电能质量扰动信号原始数据进行有监督学习,提取扰动信号的深层次特征,并将其连接到Softmax分类器输出各扰动信号的识别率。最后将电能质量扰动信号通过递归图生成的二维轨迹图像作为分类模型的输入,通过训练模型实现扰动信号的分类。仿真结果表明,该分类模型对电能质量扰动信号的一维和二维表示均有较好的分类准确率,可以有效识别7种单一扰动和6种复合扰动信号。 展开更多
关键词 递归图 循环神经网络 LSTM 电能质量扰动信号 分类
在线阅读 下载PDF
基于改进HHT的电能质量扰动检测方法 被引量:21
6
作者 胡雷 陈湘波 +3 位作者 熊魁 周峰 岳长喜 李智成 《电测与仪表》 北大核心 2018年第21期105-111,共7页
为了精确检测电网中复杂非平稳扰动信号的时频特性,提高希尔伯特-黄变换(HHT)方法的时频定位能力,提出了一种基于改进HHT的电能质量扰动检测方法。针对电压暂降与短时间中断、谐波和复合扰动信号,所提方法采用移动平均法对HHT得到的瞬... 为了精确检测电网中复杂非平稳扰动信号的时频特性,提高希尔伯特-黄变换(HHT)方法的时频定位能力,提出了一种基于改进HHT的电能质量扰动检测方法。针对电压暂降与短时间中断、谐波和复合扰动信号,所提方法采用移动平均法对HHT得到的瞬时幅频参数进行均值化,进而从Hilbert谱中提取信号在不同时间和频率的能量密度,定位扰动信号的起止时刻。仿真结果表明,此方法能够准确、快速地获取谐波信号的频率成分、幅值及突变时刻,分析电压暂降与短时间中断信号的幅值及起止时刻,同样适用于复合扰动信号检测,相对于传统的HHT方法具有更高的精度及时频分辨率。 展开更多
关键词 电能质量扰动信号 希尔伯特-黄变换(HHT) 时频特性 Hilbert谱
在线阅读 下载PDF
基于改进小波阈值函数和奇异值分解的电能质量扰动检测 被引量:20
7
作者 古庭赟 高云鹏 +3 位作者 吴聪 林呈辉 范强 徐梅梅 《电测与仪表》 北大核心 2020年第21期111-118,共8页
为了在噪声环境下准确提取电能质量扰动特征,提出一种基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测方法。构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态... 为了在噪声环境下准确提取电能质量扰动特征,提出一种基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测方法。构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效检测。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明所提出的算法不仅具有良好的抗噪性能,同时具有较高的检测准确度和良好的鲁棒性。 展开更多
关键词 电能质量扰动信号 经验模态分解 希尔伯特变换 奇异值分解
在线阅读 下载PDF
基于小波降噪和深度学习的电能质量扰动分类方法 被引量:6
8
作者 刘烨 程杉 +2 位作者 王瑞 左先旺 徐敬伟 《电力系统及其自动化学报》 CSCD 北大核心 2022年第11期17-23,共7页
针对电能质量扰动信号在强噪声下识别准确率低的问题,提出了一种基于小波降噪和深度学习的电能质量扰动信号识别方法。在信号输入前,采用分层自适应阈值函数HATF(hierarchical adaptive threshold function)降噪法对信号降噪处理;接着... 针对电能质量扰动信号在强噪声下识别准确率低的问题,提出了一种基于小波降噪和深度学习的电能质量扰动信号识别方法。在信号输入前,采用分层自适应阈值函数HATF(hierarchical adaptive threshold function)降噪法对信号降噪处理;接着在卷积神经网络CNN(convolutional neural network)扰动分类方法之上,对网络加入扰动信号的时序性识别,构建了E-CNN(enhanced-conventional neural network)的融合网络模型提高对含噪信号的识别准确率。仿真结果显示,与信号未去噪时的卷积神经网络相比,引入降噪后的融合网络模型在强噪声环境下的识别准确率依然可以达到98.40%,可以有效分类6种单一扰动信号和4种复合扰动信号。 展开更多
关键词 电能质量扰动信号 小波降噪算法 分层阈值函数 深度学习 卷积神经网络
在线阅读 下载PDF
压缩感知理论及其电能质量应用与展望 被引量:19
9
作者 朱云芳 戴朝华 +1 位作者 陈维荣 何正友 《电力系统及其自动化学报》 CSCD 北大核心 2015年第1期80-85,共6页
压缩感知理论是信号采样与处理领域的热点和前沿,在电能质量检测中具有很好的应用前景。为此,对压缩感知理论及其电能质量应用与展望进行综述。阐述了现有电能质量扰动信号采样和分析方法的不足,介绍了稀疏分解与压缩感知的基本概念和... 压缩感知理论是信号采样与处理领域的热点和前沿,在电能质量检测中具有很好的应用前景。为此,对压缩感知理论及其电能质量应用与展望进行综述。阐述了现有电能质量扰动信号采样和分析方法的不足,介绍了稀疏分解与压缩感知的基本概念和发展现状,重点介绍了压缩感知理论的3个基础关键问题:稀疏表示、非相关观测和非线性优化重构;同时,着重介绍了时频原子稀疏分解和压缩感知理论在电力系统电能质量扰动信号中的应用现状。最后,给出了电能质量扰动信号稀疏分解和压缩感知理论的下一步研究展望。 展开更多
关键词 电能质量扰动信号 稀疏分解 压缩感知 综述
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部