典型文献
基于模糊神经网络的高压电力设备故障预测模型
文献摘要：
电力设备作为电力系统的基本要素,对其故障风险预测可以有效降低电网故障风险带来的损失.当前应用的高压电力设备故障预测模型忽略了对高压电力设备信号的盲源分离处理,无法去除虚假故障分量,导致故障预测结果不准确、耗时较长的问题.构建新的基于模糊神经网络的高压电力设备故障预测模型.将小波降噪方法引入到盲源分离中,对高压电力设备信号完成盲源分离和小波分解;通过互信息方法将分解结果中的虚假分量删除;利用插值形态滤波的方式提取故障特征,将其设定为模糊神经网络的输入变量,构建高压电力设备故障预测模型.实验结果验证了所构建的模型在30次实验迭代过程中的误差始终不超过2.5％,均方根误差低于3.4％,预测用时测试结果在14～23 ms之间.数据表明所构建模型的预测精度较高、预测速度更快,具有明显的应用优势.
文献关键词：
模糊神经网络;高压电力设备;故障预测模型;小波降噪
中图分类号：
作者姓名：
谢国财;温锐;陈琛
作者机构：
广东电网有限责任公司,广东广州 510080;广东电网能源投资有限公司,广东广州 510000;广东电网有限责任公司清远供电局,广东清远 511500
文献出处：
引用格式：
[1]谢国财;温锐;陈琛-.基于模糊神经网络的高压电力设备故障预测模型)[J].电网与清洁能源,2022(09):120-125
A类：
故障风险预测
B类：
模糊神经网络,高压电力设备,电力设备故障,故障预测模型,电力系统,基本要素,电网故障,盲源分离,分离处理,故障分量,小波降噪,降噪方法,小波分解,互信息,信息方法,解结,虚假分量,删除,形态滤波,故障特征,ms,构建模型,测速,应用优势
AB值：
0.192624
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
