论文部分内容阅读
结合最优联合时一频处理无交叉项干扰及神经网络自学习分类识别的优点，提出了一种在有色噪声干扰下识别电力系统故障和振荡的方法。将经过自适应高斯基表示（Adaptive Gaussian Representation，AGR）分析处理的电力信号特征向量输入神经网络分类器进行识别。待辨识输入向量不仅表征了原信号的基本信息，而且没有交叉项，运算简单。仿真结果表明，此方法能正确分类识别有色噪声干扰下的系统故障和振荡，提高了电力系统微机保护在系统振荡中检测故障的灵敏性和精确性。