[发明专利]一种单一电能质量扰动分类研究方法

摘要

本发明公开了一种单一电能质量扰动分类研究方法，该方法针对8类单一扰动信号，运用Matlab软件生成每类信号200个电能扰动样本，其中100个用于训练，100个作为测试集，提取样本的香农熵和Kolmogorov熵作为特征向量，采用多层前馈神经网络EBP作为识别机。仿真分析结果说明运用人工神经网络作为识别机结合熵特征参数的识别系统对于电能质量扰动信号的识别具有较好地效果。

主权项

一种单一电能质量扰动分类研究方法，其特征在于，包括以下步骤：步骤1 熵特征参数提取(1)香农熵H=-Σi=1npilog2pi---(1)]]>其中，pi表示某一时刻系统第i个事件的概率；(2)Kolmogorov熵对于n维相空间的动力系统，将它的相空间划分为边长为r的n维立方体单元，分别为{b1，b2，L，bn}；设P{i0，i1，L，id}表示第i条轨道xi(t)落在第i个立方体单元中的概率，则Kolmogorov熵定义为信息的平均损失率：K=-limτ→0limr→0limd→∞1dτΣi0..idP(i0,i1....id)lnP(i0,i1....id)---(2)]]>K熵用于系统混乱程度的度量，K熵越大，系统越复杂；步骤2 识别：人工神经网络多层前馈神经网络又称为BP神经网络，它由输入层，隐含层和输出层组成；2.1多层前馈网络的误差反向传播算法EBP该算法主要分为两个基本过程，即模式从输入层通过隐含层逐层向输出层传播，误差从输出层经隐含层逐层向后传播；2.2误差反向传播学习算法。