电网技术

2008, v.32;No.293(24) 65-69

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法
Transmission Lines Fault Recognition Method Based on Multi-wavelet Packet Coefficient Entropy and Artificial Neural Network

李东敏;刘志刚;蔡军;霍柏超;

摘要(Abstract):

基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法:首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。

关键词(KeyWords): 多小波包系数熵;RBF神经网络;输电线路;故障类型识别

Abstract:

Keywords:

基金项目(Foundation): 教育部霍英东青年教师基金资助项目(101060);; 四川省杰出青年基金项目(07ZQ026-012)

作者(Author): 李东敏;刘志刚;蔡军;霍柏超;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享