電能質(zhì)量復(fù)合擾動(dòng)識(shí)別方法研究.pdf

1、近幾年，智能電網(wǎng)的研究成為電力系統(tǒng)的一個(gè)熱點(diǎn)問題，而保障優(yōu)質(zhì)的電能質(zhì)量是智能電網(wǎng)研究的重點(diǎn)問題。另一方面，大量電力電子設(shè)施的廣泛使用，新能源等技術(shù)的應(yīng)用，都需要高質(zhì)量的電能提供保障。所以，識(shí)別出電能質(zhì)量信號(hào)中的擾動(dòng)信息不僅有利于檢測(cè)出優(yōu)劣的電能質(zhì)量，而且還能減少或者控制由電能質(zhì)量擾動(dòng)產(chǎn)生的各種問題。在實(shí)際生活中出現(xiàn)的擾動(dòng)并不只是單一的擾動(dòng)，而是經(jīng)常出現(xiàn)幾種擾動(dòng)共存的情況。因此，識(shí)別出擾動(dòng)是保障優(yōu)質(zhì)的電能質(zhì)量的基礎(chǔ)。本課題重點(diǎn)是圍繞復(fù)合擾

2、動(dòng)的特征提取和分類識(shí)別兩部分展開探究。
　　在特征提取方面，本文主要是應(yīng)用S變換和小波變換提取特征量。本文在探究復(fù)合擾動(dòng)的提取特征時(shí)，用S變換對(duì)擾動(dòng)作深入探究，提出一種提高時(shí)間和頻率分辨率的S算法，提取每種擾動(dòng)的改進(jìn)的S矩陣的每列最大幅值的最大值、每列最大幅值的最小值和工頻幅值的均值三個(gè)特征量作為一部分特征量；對(duì)擾動(dòng)信號(hào)進(jìn)行小波變換，提取擾動(dòng)信號(hào)每層能量的差值作為另一部分，加上改進(jìn)S變換提取的一部分特征量作為總的特征量。
　

3、　在分類方面，應(yīng)用支持向量機(jī)識(shí)別出不同的擾動(dòng)。其中，高斯核函數(shù)是其辨識(shí)出擾動(dòng)信號(hào)的關(guān)鍵因子。本文對(duì)高斯核函數(shù)進(jìn)行改進(jìn)，引入幅度調(diào)節(jié)參數(shù)和徑向?qū)挾日{(diào)節(jié)參數(shù)，提高了電能質(zhì)量復(fù)合擾動(dòng)的識(shí)別準(zhǔn)確率；對(duì)于分類器中的參數(shù)選擇難的問題，用粒子群進(jìn)行參數(shù)尋優(yōu)，并且深入研究粒子群，提出了指數(shù)型的慣性權(quán)重，快速準(zhǔn)確的求取參數(shù)的最優(yōu)組合，提高了擾動(dòng)識(shí)別的準(zhǔn)確率。
　　仿真結(jié)果顯示，利用小波算法和提高時(shí)頻分辨率的S算法獲取特性向量用到支持向量機(jī)中，得到的