基于信息融合的电能质量扰动自动识别方法及系统

摘要

一种基于信息融合的电能质量扰动自动识别方法及系统，其特点是：从电能质量监测系统及其它自动化系统中，采集与电能质量扰动相关的稳态测量数据和暂态测量数据，进行去噪声等预处理；利用傅里叶分析、小波多分辨率分解和相关函数分析相结合的方法提取扰动数据的时域、频域和关联特征，建立扰动特征向量，且作为3个概率神经网络的输入特征向量，实现从特征空间到扰动空间的映射；将3个概率神经网络的输出作为彼此独立的证据体，再利用D-S证据理论进行信息融合，得到识别结果。本发明通过正确选择与提取扰动特征向量，分类输入并行神经网络，从多方面反映扰动的状况，有效地提高了扰动的正确识别率，初步实现了电能质量扰动的智能识别。

主权项

1、一种基于信息融合的电能质量扰动自动识别方法，其特征在于：它包括下述步骤：(1)从电能质量监测系统电能计量系统及负荷管理系统中，采集与电能质量扰动相关的稳态测量数据和暂态测量数据，并利用小波变换对数据进行去噪声处理，实现统一时标、综合管理；(2)采用傅立叶分析、小波多分辨率分解及相关函数分析方法对去噪声后的数据进行特征提取，得到反映扰动特征的3种多维特征向量；(3)将提取的多维特征向量分别送入3个概率神经网络进行训练，训练好的神经网络可对未知扰动进行识别；(4)将各神经网络的输出结果作为彼此独立的证据，利用D-S证据理论进行信息融合，得到最终的识别结果。