本项目探索使用新型时变信号分析工具即时频原子变换和人工智能技术实现电能扰动的实时检测和其中各类电能质量事件的实时、准确分类和识别。首先,时频原子变换方法实时检测电能扰动的发生并精确测量波形中特征信号分量的瞬时电气参数,形成电能质量事件的模式特征用于后续分类/识别。然后,由人工神经网络构成的模式分类器根据特征相量在输出平面中匹配的神经元所处的区域对各电能质量事件进行准确分类和识别,进一步揭示其发生、
{{i.achievement_title}}
数据更新时间:2023-05-31
正交异性钢桥面板纵肋-面板疲劳开裂的CFRP加固研究
环境类邻避设施对北京市住宅价格影响研究--以大型垃圾处理设施为例
气载放射性碘采样测量方法研究进展
基于分形维数和支持向量机的串联电弧故障诊断方法
肉苁蓉种子质量评价及药材初加工研究
复杂电能质量扰动识别的关键技术研究
基于证据理论和原子算法的电能质量扰动分类与定位研究
基于多目标优化波形匹配的电能质量事件自动辨识关键技术研究
电能质量监测信息智能检索关健技术研究