复合电能质量扰动信号识别方法研究

《复合电能质量扰动信号识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：国际图书分类号：西南交～通大学研究生学位论文密级：公开年级2Q!!级姓名塞9徨建申请学位级别王堂亟±专业电左丕统区墓自动丝指导老师韭蔓登麴援』熊昱二零一四年五月ClassifiedIndex：U．D．C：Sou—thwestJiaotongUniversityMasterDegreeThesisRECOGNITIONMETHODSOFMULTIPLEPOWERQUALITYDISTURBANCESGrade：201lCandidate：LiuDejianAcademicDegreeAppliedfor：M

2、asterDegreeSpecialty：PowerSystem&ItsAutomationSupervisor：Prof．ZhangGexiangMay,2014西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保础使

3、用本授权书。(请在以上方框内打“v”)学位论文作者签名：训鼢指导老师签名：‘l’一o-‘l-日期：砌黝’．Ⅵ日期：2护，中S．Ⅵ详西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1、给出了一种基于小波变换、主成分分析和支持向量机的单一电能质量扰动识别方法。仿真实验表明该方法识别率高、性能稳定、具有一定的抗噪性。2、给出了一种复合电能质量扰动识别方法，利用S变换、动态测度法和经验模态分解方法相结合提取扰动信号特征，构造决策树分类器对扰动类型进行分类。仿真实验表明，该方法能够准确识别16

4、种复合电能质量扰动信号在内的24种电能质量扰动类型，能够同时识别单一和复合电能质量扰动信号，且具有很强的稳定性和抗噪性。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：衣／惫吏日期：知，7．，．Ⅵ西南交通大学硕士研究生学位论文第1页摘要电力系统网络结构、负荷结构以及电源特性都在发

5、生着巨大的变化，大量新能源的并网运行、高速列车等一系列非线性不平衡负荷的投运、大型电力电子设备的使用，极大的破坏了电能质量的优质性。而科技的发展使得各种精密仪器、微型计算机等众多对电能质量敏感的负荷广泛使用，使得电能质量问题引起的矛盾越来越突出。及时发现导致电能质量下降的各种原因，并对各种电能质量扰动进行有效识别，对电能质量的管理和治理具有重要意义。本文在前人研究的基础上，分别对单一电能质量扰动识别问题和复合电能质量扰动识别问题进行分析和研究。在单一电能质量扰动识别方法的研究过程中，首先利用小波变换(wavelettra

6、nsform)提取扰动信号的特征，并构造特征向量，采用主成分分析(PrincipalComponentAnalysis，PCA)方法对特征向量进行降维，然后利用支持向量机(SupportVectorMachine，SVM)对扰动信号进行分类。目前，利用小波方法对电能质量扰动信号进行分解时分解层数都是根据经验确定，不能够实现特征向量维数与识别系统耗时的折衷。针对这一问题，首先利用小波变换对电能质量扰动信号进行10层分解，利用标准电压信号作为参考信号求取扰动信号的小波能量差特征，进而采用主成分分析方法对构造的小波能量差特征向

7、量进行降维处理，最后将降维后的特征向量作为支持向量机的输入对扰动信号进行分类。实验结果表明，该方法能够对8种单一电能质量扰动信号进行识别，识别准确率可达98．81％。在保证识别率要求的情况，下缩短了识别过程的时间，并且具有一定的抗噪性能。通过与现有文献作对比，表明了该方法的有效性。复合电能质量扰动信号识别方法研究方面，根据复合电能质量扰动信号的时频域特点，采用多种信号分析方法相结合对复合电能质量扰动信号进行分析，给出了一种电能质量复合扰动分类方法。该方法首先采用S变换(S-transfoITll)对扰动信号进行分析，分别

8、从信号基频幅值、中频、高频等方面提取S个特征；采用动态测度分析法(Dynamics)对电能质量扰动信号进行频率极值点定位分析，提取表征信号频率信息的4个特征；采用集合经验模态分解方法(EnsembleEmpiricalModeDecomposition，EEMD)提取第一本征模态的能量特征和幅值特征。通过三种信号分析