基于S变换与傅里叶变换的电能质量多扰动分类识别* (2009年)

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法．应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析，获取信号的特征量．通过训练信号集上获得的特征量，训练了一个概率神经网络用于扰动分类．训练好的网络在测试信号集上的测试结果表明，对正常电压和常见的电能质量扰动。该方法具有较高的分类准确率，在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果．