隨著低碳環(huán)保的概念推廣普及,電力消費(fèi)者對(duì)綠色電能的質(zhì)量要求也逐漸提高。在復(fù)雜的大型工業(yè)電力系統(tǒng)的運(yùn)行過程中,由于電壓電流信號(hào)易受嚴(yán)重干擾,使得監(jiān)測設(shè)備難以分析大量實(shí)測電能質(zhì)量擾動(dòng)數(shù)據(jù)。此外,非侵入式電力負(fù)荷識(shí)別技術(shù)能夠獲取電力消費(fèi)用戶的設(shè)備運(yùn)行條件信息（例如何種設(shè)備在運(yùn)行及其運(yùn)行狀態(tài)）,這些信息對(duì)于電力需求預(yù)測及估計(jì)十分有利,而目前的非侵入式電力負(fù)荷識(shí)別技術(shù)仍有提升空間。為此,本文旨在研究電能質(zhì)量擾動(dòng)識(shí)別與電力負(fù)荷類型識(shí)別,研究內(nèi)容如下:（1）電壓暫降類型識(shí)別。由于電能質(zhì)量擾動(dòng)種類繁多,本文只選取電壓暫降識(shí)別作為研究內(nèi)容之一。特征提取是電能質(zhì)量擾動(dòng)識(shí)別的關(guān)鍵步驟,然而傳統(tǒng)的數(shù)學(xué)變換與淺層神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法無法自動(dòng)提取特征。為此,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和隨機(jī)森林（RF）的混合模型來對(duì)三相電壓暫降數(shù)據(jù)進(jìn)行自動(dòng)特征提取及分類。首先,將三相電壓暫降數(shù)據(jù)轉(zhuǎn)換為空間相量模型（SPM）;其次,利用CNN對(duì)SPM進(jìn)行特征提取;最后將RF應(yīng)用于分類。為了加快CNN訓(xùn)練速度并緩解過擬合,本文引入了Dropout、學(xué)習(xí)率指數(shù)衰減和自適應(yīng)矩估計(jì)權(quán)值更新算法。實(shí)驗(yàn)結(jié)果表明,與其他分類方法相比,所... 

【文章來源】：南昌大學(xué)江西省211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三相電壓暫降分類算法流程圖

第 2 章 基于卷積神經(jīng)網(wǎng)絡(luò)與隨機(jī)森林的電壓暫降分類( )( ( ))( )( )( ( ) ( ))Δ Δ2 , 2, , ,Δ Δ2 , 2, , ,Δ Δ2 , 2, , ,Δ Δ2 , 2, , ,1 , Δ-1 0, 0Δ-1, Δ-1 0, 0,Δ-1, 0, 01 , 1 0, 0I i R i I i R iI i R i I i R iI i R i I i R iI i R i I i R ix y + + + + V V V VV V V VV V V VV V V V(2.4)其中，x和 y 分別表示矩陣 S 中元素對(duì)應(yīng)的行和列；R ,iV 和I ,iV 分別表示向量RV 和IV 的第i 個(gè)元素值，i 0, n 1 ； 表示向上取整， 表示取絕對(duì)值， s ( x, y )的取值范圍為 0,1 。圖2.2 展示了 Cc 型三相電壓暫降的時(shí)域波形和復(fù)平面的可視化 SPM 灰度圖。圖左側(cè)反映了三相電壓幅度值隨時(shí)間(周波數(shù))變化的情況；圖右側(cè)，實(shí)數(shù)和虛數(shù)軸的坐標(biāo)值分別對(duì)應(yīng)等式(2.4)中的x和 y 。

第 2 章 基于卷積神經(jīng)網(wǎng)絡(luò)與隨機(jī)森林的電壓暫降分類其中t 為更新后的權(quán)值；t 1 為更新前的權(quán)值；α為初始學(xué)習(xí)率，大小為 0.001；tm 為偏置矯正后的一階矩估計(jì)，tn 為偏置矯正后的二階矩估計(jì)， 為大小為-810的常數(shù)。CNN 的特征提取能力較淺層神經(jīng)網(wǎng)絡(luò)強(qiáng)，但將 CNN 提取的所有特征用于全連接層進(jìn)行分類并不是最佳選擇，因?yàn)樘卣飨蛄恐械牟糠秩哂嗵卣鲿?huì)降低模型的泛化性能[40-41]。本文將 CNN 最后一層全連接層將替換為 RF，當(dāng)基于 CNN 的特征提取器完成訓(xùn)練時(shí)，第六層全連接層輸出的特征向量將作為新的訓(xùn)練數(shù)據(jù)集傳遞給 RF 進(jìn)行學(xué)習(xí)和分類。

【參考文獻(xiàn)】：
期刊論文
[1]基于多標(biāo)簽隨機(jī)森林的電能質(zhì)量復(fù)合擾動(dòng)分類方法[J]. 瞿合祚,劉恒,李曉明,黃建明.  電力系統(tǒng)保護(hù)與控制. 2017(11)
[2]基于廣義S變換和PSO-ELM的電能質(zhì)量擾動(dòng)信號(hào)識(shí)別[J]. 楊萬清,姜學(xué)樸,劉冰.  電力電容器與無功補(bǔ)償. 2017(02)
[3]分布式光伏電站接入低壓配電網(wǎng)系統(tǒng)暫態(tài)電壓穩(wěn)定性研究[J]. 李升,姜程程,趙之瑜,李子瑜.  電力系統(tǒng)保護(hù)與控制. 2017(08)
[4]一種新的電能質(zhì)量擾動(dòng)信號(hào)壓縮感知識(shí)別方法[J]. 曹思揚(yáng),戴朝華,朱云芳,陳維榮.  電力系統(tǒng)保護(hù)與控制. 2017(03)
[5]基于配電網(wǎng)的復(fù)合電壓暫降源分類與識(shí)別新方法[J]. 李夏林,劉雅娟,朱武.  電力系統(tǒng)保護(hù)與控制. 2017(02)
[6]基于dq變換與小波多分辨率分析的電力系統(tǒng)暫態(tài)復(fù)合擾動(dòng)信號(hào)檢測方法[J]. 曹玲芝,李振杰.  電力系統(tǒng)保護(hù)與控制. 2016(21)
[7]一種電能質(zhì)量擾動(dòng)監(jiān)測與識(shí)別新方法[J]. 曹健,林濤,徐遐齡,劉林.  中國電機(jī)工程學(xué)報(bào). 2011(31)
[8]基于Hilbert變換和dq變換的電壓暫降檢測新方法[J]. 袁帥,佟為明.  高電壓技術(shù). 2009(05)
[9]利用廣義形態(tài)濾波與差分熵的電能質(zhì)量擾動(dòng)檢測[J]. 趙靜,何正友,錢清泉.  中國電機(jī)工程學(xué)報(bào). 2009(07)
[10]基于Dyn測度的電壓暫降檢測方法[J]. 劉應(yīng)梅,白曉民,王文平,易俗.  電力系統(tǒng)自動(dòng)化. 2004(02)



本文編號(hào)：3617514