復(fù)合電能質(zhì)量擾動(dòng)信號(hào)識(shí)別方法研究.pdf

1、電力系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)、負(fù)荷結(jié)構(gòu)以及電源特性都在發(fā)生著巨大的變化，大量新能源的并網(wǎng)運(yùn)行、高速列車等一系列非線性不平衡負(fù)荷的投運(yùn)、大型電力電子設(shè)備的使用，極大的破壞了電能質(zhì)量的優(yōu)質(zhì)性。而科技的發(fā)展使得各種精密儀器、微型計(jì)算機(jī)等眾多對(duì)電能質(zhì)量敏感的負(fù)荷廣泛使用，使得電能質(zhì)量問題引起的矛盾越來越突出。及時(shí)發(fā)現(xiàn)導(dǎo)致電能質(zhì)量下降的各種原因，并對(duì)各種電能質(zhì)量擾動(dòng)進(jìn)行有效識(shí)別，對(duì)電能質(zhì)量的管理和治理具有重要意義。本文在前人研究的基礎(chǔ)上，分別對(duì)單一電能質(zhì)量擾

2、動(dòng)識(shí)別問題和復(fù)合電能質(zhì)量擾動(dòng)識(shí)別問題進(jìn)行分析和研究。
　　在單一電能質(zhì)量擾動(dòng)識(shí)別方法的研究過程中，首先利用小波變換(wavelettransform)提取擾動(dòng)信號(hào)的特征，并構(gòu)造特征向量，采用主成分分析（PrincipalComponent Analysis，PCA）方法對(duì)特征向量進(jìn)行降維，然后利用支持向量機(jī)(SupportVector Machine，SVM)對(duì)擾動(dòng)信號(hào)進(jìn)行分類。目前，利用小波方法對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分解時(shí)分解層

3、數(shù)都是根據(jù)經(jīng)驗(yàn)確定，不能夠?qū)崿F(xiàn)特征向量維數(shù)與識(shí)別系統(tǒng)耗時(shí)的折衷。針對(duì)這一問題，首先利用小波變換對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行10層分解，利用標(biāo)準(zhǔn)電壓信號(hào)作為參考信號(hào)求取擾動(dòng)信號(hào)的小波能量差特征，進(jìn)而采用主成分分析方法對(duì)構(gòu)造的小波能量差特征向量進(jìn)行降維處理，最后將降維后的特征向量作為支持向量機(jī)的輸入對(duì)擾動(dòng)信號(hào)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)?種單一電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行識(shí)別，識(shí)別準(zhǔn)確率可達(dá)98.81％。在保證識(shí)別率要求的情況，下縮短了識(shí)別過程的

4、時(shí)間，并且具有一定的抗噪性能。通過與現(xiàn)有文獻(xiàn)作對(duì)比，表明了該方法的有效性。
　　復(fù)合電能質(zhì)量擾動(dòng)信號(hào)識(shí)別方法研究方面，根據(jù)復(fù)合電能質(zhì)量擾動(dòng)信號(hào)的時(shí)頻域特點(diǎn)，采用多種信號(hào)分析方法相結(jié)合對(duì)復(fù)合電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分析，給出了一種電能質(zhì)量復(fù)合擾動(dòng)分類方法。該方法首先采用S變換(S-transform)對(duì)擾動(dòng)信號(hào)進(jìn)行分析，分別從信號(hào)基頻幅值、中頻、高頻等方面提取5個(gè)特征;采用動(dòng)態(tài)測(cè)度分析法（Dynamics）對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行頻率極值

5、點(diǎn)定位分析，提取表征信號(hào)頻率信息的4個(gè)特征;采用集合經(jīng)驗(yàn)?zāi)B(tài)分解方法(Ensemble Empirical Mode Decomposition，EEMD)提取第一本征模態(tài)的能量特征和幅值特征。通過三種信號(hào)分析方法提取11種特征，在充分考慮特征失效問題的基礎(chǔ)上，對(duì)11種特征進(jìn)行合理組合和閾值選擇，設(shè)計(jì)了一個(gè)決策樹分類器對(duì)擾動(dòng)類型進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在40dB、35dB、30dB的信噪比條件下均能夠準(zhǔn)確識(shí)別8種單一電能質(zhì)量擾動(dòng)和