基于多小波包和人工神经网络的电力系统故障类型识别

作     者：李东敏 刘志刚 苏玉香 蔡军 LI Dongmin;LIU Zhigang;SU Yuxiang;CAI Jun

作者机构：西南交通大学电气化自动化研究所四川成都610031 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2009年第29卷第1期

页      面：99-103页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：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)~~ 

主　　题：电力系统 多小波包 传统小波包 BP神经网络 故障类型识别 

摘      要：采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障。先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP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能量特征向量输入训练好的BP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。