基于PSO－MP算法和RBF神经网络的电能质量扰动识别OA北大核心
The identification of power quality disturbance based on PSO-MP algorithm and RBF neural network
准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法（ PSO－MP）和RBF神经网络的电能质量扰动识别方法。首先，构建工频原子库将工频信号提取出来，得到的残余信号能更好地体现扰动信号差异性；再利用PSO优化匹配追踪算法以减小计算量，并结合离散Gabor原子库对残余扰动信号进行稀疏分解，准确提取其原子参数；最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量，利用RBF神经网络对扰动信号进…查看全部>>
It is of great significance to accurately identify the type of disturbance signal to analyze and control the pow-er quality problem.In this paper, a new method of power quality disturbance identification based on matching pursuit optimized by particle swarm optimization ( PSO-MP) and RBF neural network is proposed.Firstly, in order to let the residue signal to better reflect the different disturbance signal difference, the fundamental atomic library is const…查看全部>>
王云静;李燕;曲正伟;刘圣楠
燕山大学电力电子节能与传动控制河北省重点实验室，河北秦皇岛066004燕山大学电力电子节能与传动控制河北省重点实验室，河北秦皇岛066004燕山大学电力电子节能与传动控制河北省重点实验室，河北秦皇岛066004燕山大学电力电子节能与传动控制河北省重点实验室，河北秦皇岛066004
信息技术与安全科学
电能质量扰动原子分解粒子群算法消噪
power quality disturbanceatomic decompositionparticle swarm optimization( PSO) algorithmde-noi-sing
《电测与仪表》 2016 (13)
54-58,5
河北省自然科学基金资助项目（ E2016203268）；河北省高等学校科学技术研究项目（QN2016064）
评论