张卫辉
- 作品数：13 被引量：85H指数：5
- 供职机构：东北电力大学更多>>
- 发文基金：吉林省科技发展计划基金国家自然科学基金吉林市科技发展计划项目更多>>
- 相关领域：电气工程机械工程自动化与计算机技术更多>>
- 含分布式发电的配电网电能质量治理
- 2015年
- DG（分布式发电装置）作为备用电源接入配电网后，能够避免大面积停电事故的发生；同时，由于其具有启停快速、自动化程度高、调峰陛能好的特点，可以提高供电可靠性。在大电网中断供电时，DG在孤岛模式下为近区负荷继续供电，非常适合在具有安装空间且可再生能源丰富的农、牧、山区安装使用。
- 黄南天张卫辉李振新朱庆钢王燕涛
- 关键词：电能质量治理分布式发电大面积停电母线电压配电网结构电压波动
- 基于GA和ELM的电能质量扰动识别特征选择方法被引量：11
- 2016年
- 电力系统中海量暂态扰动的分析与治理需要以高效准确的扰动分类为基础。现有扰动识别方法缺少合理的特征选择环节,分类器过于复杂,不能满足高效分类的需要。提出一种新的电能质量扰动特征选择方法。首先,对原始信号使用S变换进行预处理,提取具有代表性的25种扰动信号特征构建原始特征集合;然后,根据极限学习机识别准确率构造用于扰动特征选择的遗传算法适应度函数;最后,用遗传算法来进行迭代运算,确定最优特征集合。实验证明,新方法能够有效去除冗余特征,在保证分类准确率前提下,有效降低分类器复杂度,提高分类效率。
- 于志勇张卫辉王新库黄南天黄喜旺
- 关键词：电能质量暂态扰动S变换极限学习机
- 一种采用二维形态学降噪的电能质量复合扰动识别方法
- 本发明是一种采用二维形态学滤波的扰动信号识别方法，其特征是，包括电能质量扰动信号采集、对扰动信号开展多分辨率快速S变换、二维形态学降噪、扰动信号特征提取和设计决策树分类器对样本进行分类等步骤，具有科学合理，简便易行，无需...
- 黄南天蔡国伟张卫辉张书鑫
- 采用自适应多分辨率广义S变换的电能质量扰动识别方法
- 本发明是一种采用自适应多分辨率广义S变换的电能质量扰动识别方法，其特点是，包括电能质量扰动信号采集、将扰动信号利用自适应多分辨率广义S变换进行处理、扰动信号特征提取和设计决策树分类器对样本进行分类等步骤。与以往的电能质量...
- 黄南天蔡国伟张书鑫张卫辉
- 文献传递
- 采用多分辨率广义S变换的电能质量扰动识别被引量：2
- 2015年
- 为提高电能质量复合扰动识别能力,提出一种采用多分辨率广义S变换(multiresolution generalized S-transform,GST)的扰动识别方法.首先,将信号频谱分为低频、中频、高频3个频域,分别设定窗宽调整因子,使其在各个频域具有不同的时-频分辨率,满足不同扰动信号识别要求.并针对高频振荡识别问题,设计基于基频傅里叶谱特征的自适应窗宽调整方法.在此基础上,提取6种特征用于构建决策树.最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器.仿真与实测信号实验证明,新方法能够准确识别含5种复合扰动在内的13种扰动.相较于S变换、广义S变换和Hyperbolic S变换,新方法具有更好的特征表现能力,分类效果好,抗噪声干扰能力强.
- 黄南天张卫辉徐殿国蔡国伟刘闯张书鑫
- 关键词：电能质量S变换多分辨率
- 采用改进多分辨率快速S变换的电能质量扰动识别被引量：42
- 2015年
- 噪声干扰是影响电能质量暂态扰动识别准确率的最重要因素。经过S变换后获得的扰动信号的模时–频矩阵具有灰度图像特点。因此,可通过二维数学形态学方法,滤除噪声干扰,获得更高的识别准确率。首先,针对扰动信号时–频分布特点,设计具有不同时–频分辨率的多分辨率快速S变换方法以降低运算量、提高特征表现能力;之后,在阈值滤波基础上,根据信号时–频分布特点,选择线段型、零角度结构元进行灰度级形态学开运算,进一步滤除高频频域噪声;最后,从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征建立决策树分类器,识别含噪声信号与6种复合扰动信号在内的12种电能质量信号。通过仿真对比实验发现,新方法具有更好的抗噪能力,更加适用于低信噪比环境下的电能质量信号识别。
- 黄南天张卫辉蔡国伟徐殿国李岩
- 关键词：电能质量暂态扰动数学形态学开运算S变换
- 基于粒子群与极限学习机的电能质量信号特征选择与识别被引量：5
- 2016年
- 高效准确地分类电能质量扰动信号是处理电能质量问题的关键。为降低特征计算量,提高分类器分类效率,本文提出一种基于粒子群与极限学习机的电能质量特征选择与识别方法。首先,通过S变换对电能质量扰动信号进行重构与变换,并在此基础上提取特征;然后,以极限学习机的分类精度和选择特征个数作为适应度函数,通过粒子群算法在高维特征空间中寻优,剔除不相关和冗余的特征,保留对扰动识别有效果的特征,由此,确定最优分类子集;最后,使用最优特征子集构成极限学习机的输入向量,训练分类器,并采用优化后的分类器分类电能质量信号。仿真实验表明,新方法能够将维度为25的原始特征集合缩减到8维,且在不同噪声环境下保持综合分类准确率为99.33%。
- 黄南天卢国波王玉强赵振峰李旭张卫辉
- 关键词：电能质量S变换粒子群算法极限学习机
- 基于广义S变换和DE-ELM的电能质量扰动信号分类被引量：11
- 2016年
- 电能质量扰动信号分类对电能质量综合评估、扰动源定位治理具有重要意义。提出了一种基于广义S变换和差分进化优化极限学习机的电能质量扰动信号分类方法。首先,通过改变S变换在不同频段的窗宽因子,来提高特征表现能力;然后,采用极限学习机作为扰动分类器,引入具有全局寻优功能的差分进化算法,优化极限学习机输入权值和隐藏层结点偏置,增强极限学习机的泛化能力,提高分类准确率。最后,仿真对比实验表明,相比于支持向量机和极限学习机,文中新方法准确率高、抗噪性强,更适用于电能质量扰动识别工作。
- 张卫辉黄南天杨金成杨永建王新库
- 关键词：电能质量扰动广义S变换差分进化极限学习机
- 采用最优多分辨率快速S变换的电能质量分析被引量：13
- 2015年
- 为兼顾电能质量信号分析的类型识别与参数估计需要,设计一种最优化多分辨率快速S变换(OMFST),用于电能质量信号识别与参数估计。首先,分析不同时-频分辨率下时间-幅值曲线与频率-幅值曲线中,扰动起、止处峭度与扰动参数估计误差间的关系;之后,根据离差最大化法,确定不同频率范围内最优窗宽调整因子,并通过3次样条插值法进行拟合,自适应调整不同扰动信号识别和参数估计所需最优窗宽;然后,针对扰动信号基频与扰动所在的中、高频频域范围进行OMFST处理;最后,从原始信号、原始信号傅里叶谱和OMFST变换结果中提取5条特征,构建基于模糊决策树的扰动分类器,识别13种电能质量信号,并估计电能质量信号参数。仿真实验和实测数据分析表明,新方法能够满足电能质量复合扰动参数估计需要,参数估计误差低于广义S变换等方法,同时保留了良好的分类能力。
- 黄南天袁翀张卫辉蔡国伟徐殿国
- 关键词：电能质量扰动识别参数估计多分辨率
- 一种采用二维形态学降噪的电能质量复合扰动识别方法
- 本发明是一种采用二维形态学滤波的扰动信号识别方法，其特征是，包括电能质量扰动信号采集、对扰动信号开展多分辨率快速S变换、二维形态学降噪、扰动信号特征提取和设计决策树分类器对样本进行分类等步骤，具有科学合理，简便易行，无需...
- 黄南天蔡国伟张卫辉张书鑫
- 文献传递
