基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别

针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	电力系统保护与控制 2017 (10), p.69-76
1. Verfasser:	何巨龙王根平刘丹唐友明
Format:	Artikel
Sprache:	chi
Schlagworte:	配电网系统电能质量扰动提升小波 BP神经网络定位与识别
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	76
container_issue	10
container_start_page	69
container_title	电力系统保护与控制
container_volume
creator	何巨龙王根平刘丹唐友明
description	针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。
format	Article
fullrecord	<record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_74688187504849554948484948</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>74688187504849554948484948</cqvip_id><sourcerecordid>74688187504849554948484948</sourcerecordid><originalsourceid>FETCH-chongqing_primary_746881875048495549484849483</originalsourceid><addsrcrecordid>eNpjYeA0NDM30TU2MTTlYOAtLs5MMjAwNjQ1NbOw5GSIeTp_15Ndfc_6JzztbX-6of_Z5kVPJ_U8m7Lzxf7ZTgHPl857vrv_-d6Jz3fPeT6r5WVr7_MpW0Hczbuf754PZL9o3vtiy4qX7f3POjc87VrxdN2sJ3t7n-zoe7G-7WnHah4G1rTEnOJUXijNzWDs5hri7KGbnJGfl16YmZceX1CUmZtYVBlvbmJmYWFoYW5qYGJhYmlqamIJpC1ApDF5ugApEmk2</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别</title><source>DOAJ Directory of Open Access Journals</source><creator>何巨龙王根平刘丹唐友明</creator><creatorcontrib>何巨龙王根平刘丹唐友明</creatorcontrib><description>针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。</description><identifier>ISSN: 1674-3415</identifier><language>chi</language><subject>配电网系统;电能质量扰动;提升小波;BP神经网络;定位与识别</subject><ispartof>电力系统保护与控制, 2017 (10), p.69-76</ispartof><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/90494A/90494A.jpg</thumbnail><link.rule.ids>314,776,780,4010</link.rule.ids></links><search><creatorcontrib>何巨龙王根平刘丹唐友明</creatorcontrib><title>基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别</title><title>电力系统保护与控制</title><addtitle>Power System Protection and Control</addtitle><description>针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。</description><subject>配电网系统;电能质量扰动;提升小波;BP神经网络;定位与识别</subject><issn>1674-3415</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2017</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDM30TU2MTTlYOAtLs5MMjAwNjQ1NbOw5GSIeTp_15Ndfc_6JzztbX-6of_Z5kVPJ_U8m7Lzxf7ZTgHPl857vrv_-d6Jz3fPeT6r5WVr7_MpW0Hczbuf754PZL9o3vtiy4qX7f3POjc87VrxdN2sJ3t7n-zoe7G-7WnHah4G1rTEnOJUXijNzWDs5hri7KGbnJGfl16YmZceX1CUmZtYVBlvbmJmYWFoYW5qYGJhYmlqamIJpC1ApDF5ugApEmk2</recordid><startdate>2017</startdate><enddate>2017</enddate><creator>何巨龙王根平刘丹唐友明</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>~WA</scope></search><sort><creationdate>2017</creationdate><title>基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别</title><author>何巨龙王根平刘丹唐友明</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_746881875048495549484849483</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2017</creationdate><topic>配电网系统;电能质量扰动;提升小波;BP神经网络;定位与识别</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>何巨龙王根平刘丹唐友明</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>电力系统保护与控制</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>何巨龙王根平刘丹唐友明</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别</atitle><jtitle>电力系统保护与控制</jtitle><addtitle>Power System Protection and Control</addtitle><date>2017</date><risdate>2017</risdate><issue>10</issue><spage>69</spage><epage>76</epage><pages>69-76</pages><issn>1674-3415</issn><abstract>针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。</abstract></addata></record>
fulltext	fulltext
identifier	ISSN: 1674-3415
ispartof	电力系统保护与控制, 2017 (10), p.69-76
issn	1674-3415
language	chi
recordid	cdi_chongqing_primary_74688187504849554948484948
source	DOAJ Directory of Open Access Journals
subjects	配电网系统电能质量扰动提升小波 BP神经网络定位与识别
title	基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-02T06%3A58%3A24IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%8F%90%E5%8D%87%E5%B0%8F%E6%B3%A2%E5%92%8C%E6%94%B9%E8%BF%9BBP%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E9%85%8D%E7%94%B5%E7%BD%91%E7%B3%BB%E7%BB%9F%E7%94%B5%E8%83%BD%E8%B4%A8%E9%87%8F%E6%89%B0%E5%8A%A8%E5%AE%9A%E4%BD%8D%E4%B8%8E%E8%AF%86%E5%88%AB&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E4%BD%95%E5%B7%A8%E9%BE%99%20%E7%8E%8B%E6%A0%B9%E5%B9%B3%20%E5%88%98%E4%B8%B9%20%E5%94%90%E5%8F%8B%E6%98%8E&rft.date=2017&rft.issue=10&rft.spage=69&rft.epage=76&rft.pages=69-76&rft.issn=1674-3415&rft_id=info:doi/&rft_dat=%3Cchongqing%3E74688187504849554948484948%3C/chongqing%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=74688187504849554948484948&rfr_iscdi=true