Abstract: X. Wang, G. Bi, Z. Zu (2012)

It is proposed to introduce recurrence plot and recurrence quantification analysis into the research and processing of non-stationary power quality disturbance signals. By means of analyzing recurrence plot and recurrence quantification property, the recurrence quantification parameters are used to quantitatively characterize the recurrence characteristics of power quality disturbance signals. Using different parameters extracted by recurrence quantification analysis the disturbance training is carried out by BP neural network to discriminate various power quality disturbance modes. A characteristic parameter, namely the recursive degree of signal, is further chosen to preliminarily detect the endpoints of power quality disturbance signals. Simulation results show that the proposed method can recognize and locate transient disturbance signal such as voltage sag, voltage swell, voltage interruption, transient oscillation, voltage spike, and the recognition rate is higher than 98%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Based on recursive feature analysis and BP neural network analyze identification and location of power quality disturbances