基于小波变换的电能质量检测与识别

《基于小波变换的电能质量检测与识别》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、摘要随着经济的发展，新型用电设备使用，越来越多的电力部门和用户关注的电能质量问题已经不仅仅是传统意义上的供电可靠性、稳定性以及电压、频率、波形等参量偏离标称值的问题，而且包含了诸如振荡和脉冲之类的暂态或者瞬态特征。采取合理的措施是提高电能质量的必要保证，首要的是应对其正确的检测和识别。基于这一点，本文对基于小波变换的电能质量扰动检测和识别方法迸行了研究，在总结前人经验的基础上提出了自己对算法的改进，并且利用MATLAB软件对改进算法进行仿真分析，取得了令人满意的效果，验证了所用方法的可行性。首先，为了压缩电能质量扰动数据存储空间，并且减少传输

2、时间，本文针对电能质量扰动的频率具有非常广泛的特点，提出将基于最佳小波包基的数据压缩方法用于电能质量扰动数据的压缩，结果是对于暂态和瞬态扰动的压缩效果要优于基于小波变换的数据压缩方法。接着，本文利用小波变换模极大值原理对电能质量扰动中的电压暂降、暂时、中断，脉冲，振荡的起止时间等特征参数进行了提取，仿真结果表明该方法的有效性。然后在提取电能质量扰动的小波变换的各尺度处的特征量后，对其进初步分为三类，并且提出利用自组织特征映射神经网络(sOFMl的改进算法对其每一大类进一步的分类，经过仿真分析取得了鞍其他分类方法较好的分类结果。最后针对电力系统

3、中实际情况下各种扰动有可能同时发生的情况，对某些电能质量多重扰动的情况也进行了仿真分析，取得了一定的成果。关键词：电能质量奇异性检测识别小波变换人工神经网络AbstractAsaresultofthedevelopmentofeconomy．thepowerqualitytowhichispaidattentionbymoreandmoreusersandelectricpowerdepartmentisnotonlythedeviationofvoltageandfrequencyfromtheratingvalue．butalsoincl

4、udethephenomenonofoscillationandpulse，So，itisnecessarilytodetectandidentifythepowerquality．Basedonthis，thispaperstudiedthemethodsofthedetectionandidentificationofpowerquality．Firstly，inordertosavethestoragespaceandthetransmissiontimeofdata．itisnecessarilytocompressthedataof

5、powerquality．Accordingtocharacteristicofthetransientdisturbancedataofpowerqualitywhichfrequencyisveryhi曲，thispaperputforwardthatthemethodbasedonoptionalwaveletpacketapplytothecompressionoftransientdisturbancedataofpowerquaiity，Finally,bycomparingwiththemethodbasedonthewavel

6、et，wecandrawtheconclusionthatthedistortionrateofformerislowerwhenthecompressionrateofthebothisapproximatelysame．Secondly，thispaperusedthetheoryofwavelettranstbrmmodulusmaximatorealizethedetectionofpowerquality．Finally．theimprovedmethodofself-OrganizingFeatureMap(SOFM)wasput

7、forwardtoidentifythekindofpowerquality．BythesimulationofMATLAB．thesemethodsareveriftedtobefeasibleKeywords：PowerQuality．；Wavelettransform；optionalwaveletpacketbase：ArtificiaNeuraJNetworksI【学位论文独创性声明：本人所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写

8、过的研究成果。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。如不实，本人负全部责任。论文作者(签名)：庭越五符专月弓【：)日学位论