论文部分内容阅读
电能质量扰动问题复杂多样,对各种扰动类型进行快速检测和准确识别是改善电能质量的前提。本文研究了基于多特征提取及优化神经网络的电能质量扰动识别方法。在提取出多类型的特征向量后,评价并筛选出最佳特征组合,最终实现电能质量扰动的分类。首先,阐述了几种典型的电能质量扰动信号,并针对单一提取方法受自身局限,提取的特征信息不全面的问题,分别采用小波变换(Wavelet Transform,WT)和希尔伯特-黄变换(Hilbert-Huang Transform,HHT)提取出包括能量值、能量熵值、标准差、峭度、