为了识别电力系统存在的扰动信号,减少扰动信号对系统安全的影响,提出了一种改进局部均值分解法(Improved Local Mean Decomposition,简称ILMD)与BP神经网络相结合的电压扰动信号分类器对电压扰动进行识别分类。通过ILMD对电压扰动信号...为了识别电力系统存在的扰动信号,减少扰动信号对系统安全的影响,提出了一种改进局部均值分解法(Improved Local Mean Decomposition,简称ILMD)与BP神经网络相结合的电压扰动信号分类器对电压扰动进行识别分类。通过ILMD对电压扰动信号进行3层分解,得到包含电压原始信号频率、幅值的乘积分量(Product Function,简称PF),将PF分量构建的信号能量值作为BP神经网络的输入,实现对电压扰动信号的识别分类。通过对系统中4种典型电压扰动信号进行识别试验,结果表明,基于LMD和神经网络的电压信号分类器准确度高,并具有较高的工作效率。展开更多
文摘为了识别电力系统存在的扰动信号,减少扰动信号对系统安全的影响,提出了一种改进局部均值分解法(Improved Local Mean Decomposition,简称ILMD)与BP神经网络相结合的电压扰动信号分类器对电压扰动进行识别分类。通过ILMD对电压扰动信号进行3层分解,得到包含电压原始信号频率、幅值的乘积分量(Product Function,简称PF),将PF分量构建的信号能量值作为BP神经网络的输入,实现对电压扰动信号的识别分类。通过对系统中4种典型电压扰动信号进行识别试验,结果表明,基于LMD和神经网络的电压信号分类器准确度高,并具有较高的工作效率。
