基于数字图像处理技术的暂态电能质量扰动分类

为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电力系统保护与控制 2015, Vol.43 (13), p.72-78
1. Verfasser: 江辉 郑岳怀 王志忠 陈笠 彭建春
Format: Artikel
Sprache:chi
Schlagworte:
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 78
container_issue 13
container_start_page 72
container_title 电力系统保护与控制
container_volume 43
creator 江辉 郑岳怀 王志忠 陈笠 彭建春
description 为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。
format Article
fullrecord <record><control><sourceid>wanfang_jour_chong</sourceid><recordid>TN_cdi_wanfang_journals_jdq201513011</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>665123685</cqvip_id><wanfj_id>jdq201513011</wanfj_id><sourcerecordid>jdq201513011</sourcerecordid><originalsourceid>FETCH-LOGICAL-c561-a0a703517376c0d1637defd65d275cdc9b20ef655b6cbb86fea207f4b96478773</originalsourceid><addsrcrecordid>eNpjYeA0NDM30TU2MTTlYOAtLs5MMjAwNjQ1NbOw5GSwfzp_15Ndfc-mbni6dvrT2fueNvc_XdLyfELbs66GZ3PWP5_V8mxW07OGxudTtr5o3vtiy4qX7f3POjc87VrxtKPt-cbdPAysaYk5xam8UJqbIcTNNcTZQ9fH393T2dFHN9nUzFA30SDR3MDY1NDc2Nws2SDF0MzYPCU1LcXMNMXI3DQ5JdkyycggNc3M1DTJLDkpycIsLTXRyMA8zSTJ0szE3MLc3JibQQVibHliXlpiXnp8Vn5pUR7QwvislEIjA0NTQ2MDQ0OgMiWIsuSM_Lz0wkygwoKizNzEosp4MzNTQyNjMwtTYwA1w2R8</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于数字图像处理技术的暂态电能质量扰动分类</title><source>DOAJ Directory of Open Access Journals</source><creator>江辉 郑岳怀 王志忠 陈笠 彭建春</creator><creatorcontrib>江辉 郑岳怀 王志忠 陈笠 彭建春</creatorcontrib><description>为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。</description><identifier>ISSN: 1674-3415</identifier><language>chi</language><publisher>深圳大学光电工程学院,广东 深圳,518061</publisher><subject>数字图像处理 ; 暂态:扰动分类 ; 概率神经网络 ; 电能质量</subject><ispartof>电力系统保护与控制, 2015, Vol.43 (13), p.72-78</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><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>314,780,784,4022</link.rule.ids></links><search><creatorcontrib>江辉 郑岳怀 王志忠 陈笠 彭建春</creatorcontrib><title>基于数字图像处理技术的暂态电能质量扰动分类</title><title>电力系统保护与控制</title><addtitle>Relay</addtitle><description>为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。</description><subject>数字图像处理</subject><subject>暂态:扰动分类</subject><subject>概率神经网络</subject><subject>电能质量</subject><issn>1674-3415</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2015</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDM30TU2MTTlYOAtLs5MMjAwNjQ1NbOw5GSwfzp_15Ndfc-mbni6dvrT2fueNvc_XdLyfELbs66GZ3PWP5_V8mxW07OGxudTtr5o3vtiy4qX7f3POjc87VrxtKPt-cbdPAysaYk5xam8UJqbIcTNNcTZQ9fH393T2dFHN9nUzFA30SDR3MDY1NDc2Nws2SDF0MzYPCU1LcXMNMXI3DQ5JdkyycggNc3M1DTJLDkpycIsLTXRyMA8zSTJ0szE3MLc3JibQQVibHliXlpiXnp8Vn5pUR7QwvislEIjA0NTQ2MDQ0OgMiWIsuSM_Lz0wkygwoKizNzEosp4MzNTQyNjMwtTYwA1w2R8</recordid><startdate>2015</startdate><enddate>2015</enddate><creator>江辉 郑岳怀 王志忠 陈笠 彭建春</creator><general>深圳大学光电工程学院,广东 深圳,518061</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W92</scope><scope>~WA</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2015</creationdate><title>基于数字图像处理技术的暂态电能质量扰动分类</title><author>江辉 郑岳怀 王志忠 陈笠 彭建春</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c561-a0a703517376c0d1637defd65d275cdc9b20ef655b6cbb86fea207f4b96478773</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2015</creationdate><topic>数字图像处理</topic><topic>暂态:扰动分类</topic><topic>概率神经网络</topic><topic>电能质量</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>江辉 郑岳怀 王志忠 陈笠 彭建春</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-工程技术</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</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>江辉 郑岳怀 王志忠 陈笠 彭建春</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于数字图像处理技术的暂态电能质量扰动分类</atitle><jtitle>电力系统保护与控制</jtitle><addtitle>Relay</addtitle><date>2015</date><risdate>2015</risdate><volume>43</volume><issue>13</issue><spage>72</spage><epage>78</epage><pages>72-78</pages><issn>1674-3415</issn><abstract>为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。</abstract><pub>深圳大学光电工程学院,广东 深圳,518061</pub><tpages>7</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1674-3415
ispartof 电力系统保护与控制, 2015, Vol.43 (13), p.72-78
issn 1674-3415
language chi
recordid cdi_wanfang_journals_jdq201513011
source DOAJ Directory of Open Access Journals
subjects 数字图像处理
暂态:扰动分类
概率神经网络
电能质量
title 基于数字图像处理技术的暂态电能质量扰动分类
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-09T21%3A30%3A58IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%95%B0%E5%AD%97%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E6%8A%80%E6%9C%AF%E7%9A%84%E6%9A%82%E6%80%81%E7%94%B5%E8%83%BD%E8%B4%A8%E9%87%8F%E6%89%B0%E5%8A%A8%E5%88%86%E7%B1%BB&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=%E6%B1%9F%E8%BE%89%20%E9%83%91%E5%B2%B3%E6%80%80%20%E7%8E%8B%E5%BF%97%E5%BF%A0%20%E9%99%88%E7%AC%A0%20%E5%BD%AD%E5%BB%BA%E6%98%A5&rft.date=2015&rft.volume=43&rft.issue=13&rft.spage=72&rft.epage=78&rft.pages=72-78&rft.issn=1674-3415&rft_id=info:doi/&rft_dat=%3Cwanfang_jour_chong%3Ejdq201513011%3C/wanfang_jour_chong%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=665123685&rft_wanfj_id=jdq201513011&rfr_iscdi=true