本文關鍵詞：電能質量擾動檢測與分類識別方法研究

  更多相關文章： 電能質量擾動 EEMD 小波變換 S變換 支持向量機

【摘要】：隨著遠距離、特高壓、交直流互聯(lián)的智能電網(wǎng)不斷發(fā)展,電源接入形式多樣化和負荷種類不斷增加,致使電力系統(tǒng)電能質量日益惡化,引起了嚴重的電能質量問題。電能質量擾動檢測與分類識別是改善和提高電能質量的關鍵。本文深入分析和總結了電能質量問題的產生原因及其危害,結合目前國內外電能質量相關標準,綜述了電能質量擾動分類及其研究現(xiàn)狀,研究了電能質量擾動檢測和分類識別。本文主要工作內容如下:1)采用總體經驗模態(tài)分解方法和希爾伯特變換研究電能質量擾動信號。首先針對電網(wǎng)電能質量監(jiān)測數(shù)據(jù)中的噪聲干擾,采用EEMD自適應閾值消噪方法對其進行消噪處理,以信噪比SNR和信號的均方誤差MSE作為去噪效果評價指標,與常見的4種小波閾值消噪方法進行對比,仿真結果表明該方法消噪性能較好,并且在低信噪比的重噪聲污染下性能更優(yōu)。然后利用EEMD方法將單一或復合電能質量擾動信號分解成若干相互獨立的固有模態(tài)函數(shù)IMF分量,并對IMFs進行希爾伯特變換提取相應的瞬時頻率和瞬時幅值,從而檢測出擾動信號的擾動起止時刻和幅頻信息。仿真信號和實測數(shù)據(jù)表明該方法的有效性。2)采用小波變換和S變換提取電能質量擾動特征量。首先采用小波變換將各電能質量擾動信號進行分解,得到各分解尺度的小波系數(shù),通過構造不同分解尺度下的小波能量歸一化值,提取擾動信號的小波能量譜特征值進行初步分類。然后采用S變換對各電能質量擾動信號進行分析,針對擾動信號S變換結果,提取了基頻幅值特征、幅頻變化特征、高頻段幅頻標準差特征、基頻幅值波動次數(shù)和諧波總含量5種特征量用于后續(xù)分類。3)針對單一特征量不能有效表征各電能質量擾動信號的差異性,分析不同特征量之間的互補性,結合多分類思想構造組合特征量矩陣。首先針對提取的小波能量譜中諧波信號的明顯差異,通過設定特征閾值進行初步分類,然后結合S變換提取的5種特征量進行后續(xù)分類。采用粒子群(PSO)優(yōu)化的支持向量機進行分類識別,仿真結果驗證該方法的有效性,為電能質量監(jiān)測的實際工程應用提供了依據(jù)。
【關鍵詞】：電能質量擾動 EEMD 小波變換 S變換 支持向量機
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM711
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-15
• 變量注釋表15-16
• 1 緒論16-25
• 1.1 電能質量研究的背景和意義16-17
• 1.2 電能質量擾動分類及標準概述17-19
• 1.3 電能質量分析方法研究現(xiàn)狀19-24
• 1.4 本文主要研究內容24-25
• 2 EEMD理論及其在電能質量擾動檢測中的應用25-43
• 2.1 前言25
• 2.2 經驗模態(tài)分解原理25-28
• 2.3 總體經驗模態(tài)分解原理28-29
• 2.4 基于EEMD的電能質量擾動信號去噪29-35
• 2.5 EEMD在電能質量擾動檢測中的應用35-41
• 2.6 本章小結41-43
• 3 應用小波變換和S變換提取電能質量擾動特征量43-62
• 3.1 前言43
• 3.2 小波變換43-47
• 3.3 小波變換提取電能質量擾動特征47-51
• 3.4 S變換51-54
• 3.5 S變換提取電能質量擾動特征54-61
• 3.6 本章小結61-62
• 4 多特征組合及優(yōu)化SVM的電能質量擾動識別62-75
• 4.1 前言62
• 4.2 支持向量機62-67
• 4.3 多特征組合分類邏輯67-69
• 4.4 粒子群算法優(yōu)化核參數(shù)69-71
• 4.5 優(yōu)化參數(shù)SVM的電能質量擾動識別71-74
• 4.6 本章小結74-75
• 5 結論與展望75-76
• 參考文獻76-81
• 作者簡歷81-83
• 學位論文數(shù)據(jù)集83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 馮浩;周雒維;劉毅;;基于復小波變換的暫態(tài)電能質量擾動檢測與分類[J];電網(wǎng)技術;2010年03期

2 韓剛;張建文;褚鑫;;基于EEMD自適應閾值去噪的電能質量擾動檢測與定位研究[J];電測與儀表;2014年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 王鶴;含多種分布式電源的微電網(wǎng)運行控制研究[D];華北電力大學;2014年

，

本文編號：701596