湖南师范大学工程与设计学院、湖南大学电气与信息工程学院、中国电力科学研究院的研究人员李建闽、林海军、梁成斌、滕召胜、成达,在2019年第16期《电工技术学报》上撰文指出(论文标题为“基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法”),随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。
为此,提出一种基于双分辨率S变换和学习向量量化(LVQ)神经网络的电能质量扰动信号检测方法。算法先采用双分辨率S变换实现扰动信号特征向量的准确、快速提取。在获得扰动信号的特征向量后对各特征向量进行归一化处理并利用经过训练的LVQ神经网络对扰动信号进行分类识别。
仿真和实际测试结果表明,该文提出的基于双分辨率S变换和LVQ神经网络的电能质量扰动检测算法具有训练速度快、分类准确率高、适合嵌入式实现等优点。
![47856676b7d2fb85dedc5dde3dcadeba.png](https://img-blog.csdnimg.cn/img_convert/47856676b7d2fb85dedc5dde3dcadeba.png)
随着电网的持续发展,各种非线性、冲击性负荷和电力电子设备的不断增加,电能质量问题日趋严重,已成为世界各国高度关注的问题。对电能质量扰动(Power Quality Disturbances, PQD)信号进行准确检测和有效辨识是电能质量问题实行评估、预测、诊断、维护和管理的重要依据,是改善和提高电能质量的前提与关键。
目前,电能质量扰动信号的检测和识别方法较多,但大多包含对扰动信号进行特征向量提取和依据特征向量对