节点文献

基于GMAPM和SOM-LVQ-ANN的输电线路故障综合识别方法

免费订阅

【作者】 孙晓明秦亮刘涤尘

【Author】 SUN Xiaoming;QIN Liang;LIU Dichen;Department of Electrical Engineering, Chongqing Water Resources and Electric Engineering College;School of Electrical Engineering and Automation, Wuhan University;

【通讯作者】 秦亮;刘涤尘;

【机构】 重庆水利电力职业技术学院电气工程系武汉大学电气与自动化学院

【摘要】 现有输电线路故障识别方法大多不能同时识别输电线路的低/高阻抗故障和发展性故障以及电力系统的异常工况(包括低频振荡、铁磁谐振和PT/CT饱和等)和此工况下的故障,故不能满足除继电保护领域外的继电保护测试领域及大电网事故分析和预警防御领域的新的应用需求.因此,提出一种基于广义改进自适应Prony方法(generalized modified adaptive Prony method,GMAPM)和自组织映射-学习向量量化-人工神经网络(self-organizing mapping-learning vector quantization-artificial neural network,SOM-LVQ-ANN)的输电线路故障综合识别方法,以期能同时识别以上输电线路故障和电力系统异常工况及异常工况下的故障.其中,作为信息提取环节的GMAPM实现了多路信号的并行处理和同时分析,作为特征识别环节的SOM-LVQ-ANN继承了SOM-ANN的强自主学习能力和泛化能力以及LVQ-ANN可预先指定故障类型且便于类型编码和拓展的优点.仿真实验结果初步验证了本方法的优良性能.

【基金】 国家自然科学基金青年科学基金项目(编号:51207115);重庆市教育委员会科学技术研究项目(编号:KJ1603605);永川区自然科学基金计划项目(编号:Ycstc,2016nc3001)
【所属期刊栏目】 电气工程 (2019年12期)
  • 【DOI】10.14188/j.1671-8844.2019-12-007
  • 【分类号】TM75
  • 【下载频次】18
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: