基于小波变换与神经网络的孤岛检测技术_谢东

资 源 简 介

基于小波变换与神经网络的孤岛检测技术_谢东

详 情 说 明

谢东的研究提出了一种结合小波变换与神经网络的孤岛检测技术，旨在提升电力系统中非计划性孤岛现象的识别效率。该技术通过以下核心思路实现：

信号特征提取：利用小波变换对电网电压/电流信号进行多分辨率分析，捕捉传统傅里叶变换难以检测的瞬时畸变特征（如相位跳变、谐波突变等），这些特征与孤岛状态强相关。

神经网络分类：将小波系数作为输入特征，训练神经网络（如BPNN或CNN）建立孤岛状态判定模型。神经网络的自学习能力可适应不同电网拓扑和负载条件，降低传统阈值法的误判率。

抗干扰设计：通过小波去噪预处理剔除正常电网波动（如负载投切）的干扰，突出孤岛相关特征，提升神经网络的泛化性能。

该方法的优势在于兼顾了时频域分析精度（小波变换）与非线性模式识别能力（神经网络），尤其适用于分布式电源高渗透率场景下的快速孤岛检测需求。