基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法

作者：胡正伟; 王志红^*; 畅瑞鑫; 谢志远; 曹旺斌

来源：电机与控制学报, 2023, 27(10): 13-23.

DOI：10.15938/j.emc.2023.10.002

• 非侵入式
• BP-Adaboost
• Pisarenko谐波分解
• ATP-EMTP软件
• 互相关
• 状态识别

大功率设备碳排放控制是实现“双碳”目标的重要环节，为了监测大功率设备的工作状态，提出一种基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法。通过ATP-EMTP软件搭建电机并网模型，对电机入口端原始信号及电网端加噪信号进行数据采集。为了利用互相关算法从噪声电信号中提取稳定特征量，提出将Pisarenko谐波分解(PHD)算法与互相关算法相结合建立电信号特征提取的优化算法。通过BP-Adaboost强分类器构建电机工作状态的识别模型。应用仿真结果表明，经过PHD算法处理并结合提出的BP-Adaboost识别方法，可有效实现电机起动谐波的检测与电机工作状态的识别，并实测验证了该方法的高精度和可靠性，实验仿真识别率为100%,实验验证识别率为96%。

• 单位
  华北电力大学; 电子工程学院