|
|
- 2017
基于多测度的闪络故障行波与干扰杂波辨识Keywords: 故障行波,闪络故障行波,行波与杂波的辨识,主成分分析,马氏距离,高斯混合模型,fault traveling wave, flashover fault traveling wave, identification of traveling wave and noise, principal component analysis(PCA), Mahalanobis distance, mixed Gaussian model Abstract: 灵敏启动并经高速采录的宽频暂态数据富含干扰杂波，从海量暂态数据中自动筛选闪络故障行波是个急需解决的命题。采用小波能量熵、小波能量均值和小波能量方差3个测度对闪络故障行波和干扰杂波数据进行表征，形成行波数据的特征矩阵，并采用主成分分析对其特征矩阵进行降维处理，降维后的特征矩阵最大限度地保留了原有特征矩阵的主要信息。将降维后的特征矩阵作为样本，分别采用马氏距离和混合高斯模型聚类算法进行闪络故障行波和干扰杂波的辨识，实现对闪络故障行波的计算机筛选。大量现场实测数据的测试表明，采用马氏距离和混合高斯模型聚类算法均能够实现闪络故障行波的可靠筛选，并且混合高斯模型的辨识效果更好，正确率达97%以上
|
