论文部分内容阅读
提出了一种基于经验模式分解（EMD）的近似熵和支持向量机（SVM）的电力故障类型识别的新方法。利用EMD良好的局域化特性和近似熵来量化故障特征，再与SVM结合进行故障类型识别。首先，对故障线路的三相电压信号进行EMD分解得到若干个能反映故障信息的本征模式分量（IMF）；其次．选取三相电压的前4个IMF的近似熵值作为信号的特征向量，最后将构造的特征向量输入到SVM分类器进行故障类型识别。仿真表明，该方法能有效地提取故障特征，不同的故障类型，其三相近似熵变化明显不同，同一种故障类型，在不同故障位置、过渡电阻和