基于s变换和小波去噪的电能质量扰动分析

《基于s变换和小波去噪的电能质量扰动分析》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、硕士学位论文MASTER’SDISSERTATION论文题目基于S变换和小波去噪的电能质量扰动分析作者姓名王正峰学位类别工学硕士指导教师滕峰成副教授2015年5月中图分类号：TM930.12学校代码：10216UDC：621.3密级：公开工学硕士学位论文基于S变换和小波去噪的电能质量扰动分析硕士研究生：王正峰导师：滕峰成副教授申请学位：工学硕士学科专业：电力系统及其自动化所在单位：电气工程学院答辩日期：2015年5月授予学位单位：燕山大学ADissertationinPowerSystemandi

2、tsAutomationElectricalPowerQualityDisturbanceAnalysisBasedOnSTransformAndWaveletDenoisingbyWangZhengfengSupervisor:ProfessorTengFengchengYanshanUniversityMay,2015燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于S变换和小波去噪的电能质量扰动分析》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取

3、得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日燕山大学硕士学位论文使用授权书《基于S变换和小波去噪的电能质量扰动分析》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，

4、允许论文被查阅和借阅。本人授权燕山大学，可以采用影印、缩印或其它复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。(请在以上相应方框内打“√”)作者签名：日期：年月日导师签名：日期：年月日摘要摘要电能质量扰动会导致电力设备非正常工作，出现设备过热、电机停转、保护动作失灵等一系列问题，给人们的生产生活带来巨大影响，近些年来，以电压暂降为主要表现形式的暂态电能质量问题给工业生产造成严重损失，因此，本文围绕暂态电能质量扰动分析，扰动信号去噪和扰动的分

5、类识别展开研究。主要研究内容概括如下：首先，针对扰动信号的非平稳特性，采用时频分析工具S变换并结合MATLAB编程仿真进行分析。S变换窗函数的高度和宽度可随信号频率变化而变化，具有良好的时频分辨率。同时，利用MATLAB编程仿真产生暂态电能质量的七种单一扰动和两种复合扰动的数学模型，对各种扰动信号进行S变换分析，提取到S变换后S模矩阵的13倍基频曲线，行平方和均值曲线和列最大值曲线，分别得到扰动信号的起止时刻，频率成分和幅值变化信息。其次，研究噪声对扰动分析结果的影响。S变换在噪声干扰下依然能准确

6、得到信号的频率信息和幅值信息，但是无法消除噪声对突变信息的影响。为准确定位扰动的起止时刻，采用小波变换的去噪方法对含噪的暂态电能质量扰动信号进行去噪处理，提出改进的阀值函数，该阀值函数在估计小波系数上比软阀值函数的误差更小，比硬阀值函数重构信号的光滑性更好。经仿真验证，改进的阀值函数法的去噪效果更好，去噪结果经过S变换分析，能准确得到扰动信号的扰动信息。最后，采用决策树分类方法对暂态电能质量扰动进行分类识别。利用S变换提取到的特征信息，建立简单的规则树，对七种单一扰动和两种复合扰动进行分类识别，决

7、策树用树状结构来实现分类，方法简单易懂，具有较高的准确率。关键词：电能质量；暂态扰动；S变换；小波去噪；决策树-I-燕山大学工学硕士学位论文AbstractPowerqualitydisturbancewillleadtoequipmentotherthanthenormalwork,overheating,themotorstoppedetc.Itwillbringgreatdamagetoproductionandlivingconditions.Inrecentyears,withvolta

8、gesagthemainformofexpression,transientpowerqualityproblemshavecausedseriouslossesforindustrialproduction.Therefore,thispaperfocusesontheanalysisoftransientpowerqualitydisturbance,thedisturbancesignaldenoisinganddisturbanceclassificationresearc