• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
徐舜,杨毅,王奕,张健,曾祥君.基于IMF能量矩和SVM的电力线路故障定位[J].电测与仪表,2015,52(11):.
xu shun,YANG Yi,Wang Yi,ZHANG Jian,Zeng Xiang-jun.Fault Line Selection for Power Transmission Line Based on Intrinsic Mode Function Energy Moment and SVM[J].Electrical Measurement & Instrumentation,2015,52(11):.
基于IMF能量矩和SVM的电力线路故障定位
Fault Line Selection for Power Transmission Line Based on Intrinsic Mode Function Energy Moment and SVM
DOI:
中文关键词:  经验模式分解  本征模函数  能量矩  支持向量机
英文关键词:EMD, IMF, energy moment, SVM
基金项目:国家自然科学基金项目(61233008);湖南省科技重大专项(2012FJ1003)
              
作者中文名作者英文名单位
徐舜xu shun长沙理工大学电气与信息工程学院智能电网运行与控制湖南省重点实验室
杨毅YANG Yi长沙理工大学电气与信息工程学院智能电网运行与控制湖南省重点实验室
王奕Wang Yi广东电网有限公司电力科学研究院
张健ZHANG Jian广东电网有限公司电力科学研究院
曾祥君Zeng Xiang-jun长沙理工大学电气与信息工程学院智能电网运行与控制湖南省重点实验室
摘要点击次数: 2486
中文摘要:
      针对配电网拓扑结构日益复杂化以及线路单相接地时故障信息难以提取等问题,论文提出了一种基于本征模函数IMF(Intrinsic Mode Function)特征能量矩的故障信息提取方法,并利用SVM进行故障选线。该方法首先利用经验模式分解(EMD)良好的局域化特征来量化故障信息,将故障电流信号分解得到多类IMF并在时域轴上对该IMF进行积分,从而得到能量矩特征故障向量,从能量矩中选取相关系数大的作为学习样本输入SVM分类器,得到故障线路分类模型,进而完成配电网的故障选线。论文基于66kV线路模型的仿真实验表明,该方法仅需测量故障电流,可以准确、有效地识别故障区段,可靠性高。
英文摘要:
      For the problem about complicated topological structures and hard-to-extract information when single-phase grounding fault occurs in power distribution network, in this paper a new method of fault selection based on the intrinsic-mode-function ( IMF ) energy moment and SVM ( Support Vector Machines ) is proposed for power system. The localization characteristics of EMD is used to quantify the fault, and then the SVM is combined to classify the fault. Firstly, the fault current signals are decomposed into certain IMF ( Intrinsic Mode Function ). Secondly, an integral of selected IMF components along time axis is calculated to obtain the IMF energy moment eigenvectors. Finally, the IMF energy moments of high correlation coefficient are taken as the eigenvectors to input into SVM classifier for fault selection. As a result, the fault selection model is obtained. A simulation results of 66kV line model show the proposed method can recognize fault line accurately and effectively with only measurement of fault current signals.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司