论文部分内容阅读
提出了一种基于经验模态分解（EMD）样本熵和极限学习机（ELM）的输电线路故障类型识别的新方法。利用EMD良好的局域化特性和样本熵来获取故障信息，进行特征提取，再结合ELM的强大模式分类能力进行故障类型识别。基于SIMULINK／MATLAB的故障仿真结果表明，该方法能快速准确地识别输电线路的各类故障，并且不受故障时刻、过渡电阻、故障位置等因素的影响。