基于小波变换的船舶电能质量暂态扰动分析与识别

发布时间：2017-11-03 09:31

  本文关键词：基于小波变换的船舶电能质量暂态扰动分析与识别

  更多相关文章： 电能质量 小波变换 阈值去噪 特征向量 支持向量机

【摘要】：为了更好地分析船舶电能质量问题,找出引起电能质量问题的原因和采取针对性的解决方案,对电能质量暂态扰动进行正确地分类,具有十分重要的意义。本文首先对电能质量问题做了介绍,对现有的电能质量分析和分类方法做了深入的研究。然后利用小波变换结合支持向量机的方法,对电能质量暂态扰动进行分析与识别。所做工作如下：首先,提出了改进的阈值函数小波去噪方法。针对传统的硬阈值函数方法去噪不彻底和软阈值函数易丢失有用信息的不足,提出了一种折衷的阈值函数方法。建立了五种电能质量暂态扰动的数学模型,对其进行高斯白噪声处理后分别采用三种阈值去噪方法来进行去噪处理。仿真结果表明,扰动信号经改进的阈值函数方法去噪后,信噪比和均方根均优于传统的硬阈值函数和软阈值函数,同时具备两种方法的优点。然后,利用小波变换对电能质量扰动信号进行特征向量的提取。通过对特征向量提取方法的分析,利用小波变换提取小波系数的能量差作为特征向量。该方法的优点在于特征向量个数少,计算方便,分类准确率高。通过分析基础小波的类别和小波变换分解尺度对特征向量的影响,最终采用Db4小波进行10层分解来提取特征向量。仿真结果表明,该条件下提取的特征向量具有较优的分类效果。最后,提出一种改进的一对多法多分类支持向量机分类器方法。针对普通多分类支持向量机分类器不能够识别复合电能质量暂态扰动的不足,提出一种改进多分类方法。该方法不仅继承了原方法快速和准确的优点,而且实现了复合电能质量暂态扰动的分类功能。仿真结果表明,该方法的性能优于一般的人工神经网络分类器和普通多分类支持向量机分类器方法。本文提出的以上电能质量暂态扰动分析识别方法,针对以往方法的局限性,分别在去噪和分类器多分类功能方面做了改进。仿真结果验证了上述方法在电能质量暂态扰动问题中的可行性和有效性。
【关键词】：电能质量 小波变换 阈值去噪 特征向量 支持向量机
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U665.1
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 课题研究背景及意义10
• 1.2 电能质量的定义和分类10-13
• 1.2.1 电能质量的概念10-11
• 1.2.2 电能质量的标准11-13
• 1.3 国内外研究现状13-17
• 1.3.1 电能质量分析方法研究13-15
• 1.3.2 电能质量分类方法研究15-17
• 1.4 本文主要工作17-19
• 第2章 小波变换基本理论19-27
• 2.1 引言19
• 2.2 小波变换19-25
• 2.2.1 连续小波变换19-20
• 2.2.2 离散小波变换20-21
• 2.2.3 二进制小波变换21-22
• 2.2.4 多分辨率分析22-23
• 2.2.5 小波变换的Mallat快速算法23-24
• 2.2.6 小波奇异性检测原理24-25
• 2.3 本章小结25-27
• 第3章 基于小波变换的信号去噪处理27-43
• 3.1 引言27-28
• 3.2 几种电能质量暂态扰动信号模型的建立28-31
• 3.3 基于小波变换的电能质量扰动信号去噪31-38
• 3.3.1 扰动信号小波去噪原理31-32
• 3.3.2 阈值的选择32-35
• 3.3.3 阈值函数的选择35-38
• 3.4 仿真分析38-42
• 3.5 本章小结42-43
• 第4章 基于小波变换电能质量扰动信号特征提取43-52
• 4.1 引言43
• 4.2 小波基函数和分解层数的确定43-45
• 4.2.1 小波基函数的确定43-44
• 4.2.2 分解层数的确定44-45
• 4.3 小波变换的特征提取45-47
• 4.4 仿真分析47-51
• 4.4.1 小波分解层数对特征量的影响47-48
• 4.4.2 信号扰动发生时间与扰动幅值对特征量的影响48-51
• 4.5 本章小结51-52
• 第5章 电能质量暂态扰动信号的支持向量机分类52-64
• 5.1 引言52
• 5.2 支持向量机的基本原理52-59
• 5.2.1 统计学习理论53-54
• 5.2.2 基本支持向量机54-57
• 5.2.3 核函数57-58
• 5.2.4 多类支持向量机58-59
• 5.3 基于支持向量机的电能质量暂态扰动分类方法59-61
• 5.4 仿真验证61-63
• 5.5 本章小结63-64
• 结论64-66
• 参考文献66-71
• 致谢71-72
• 作者简介72

【参考文献】

中国期刊全文数据库 前7条

1 任震,黄雯莹,何建军,石志强,杨桦,杨浩;小波分析及其在电力系统中的应用(一)概论[J];电力系统自动化;1997年01期

2 凌玲;徐政;;基于数学形态学的动态电能质量扰动的检测与分类方法[J];电网技术;2006年05期

3 张全明;刘会金;周新启;王亚军;;电能质量信号的小波软阈值去噪方法[J];高电压技术;2006年01期

4 邬春明;谢妮娜;;改进的小波阈值在电能质量信号去噪中的应用[J];计算机工程与应用;2012年03期

5 祁亨年;支持向量机及其应用研究综述[J];计算机工程;2004年10期

6 杨洪耕;刘守亮;肖先勇;邓武军;陈丹;;基于S变换的电压凹陷分类专家系统[J];中国电机工程学报;2007年01期

7 郭晓霞;杨慧中;;小波去噪中软硬阈值的一种改良折衷法[J];智能系统学报;2008年03期

中国博士学位论文全文数据库 前2条

1 潘明清;基于支持向量机的机械故障模式分类研究[D];浙江大学;2005年

2 宋雪雷;基于小波变换和支持向量机的电能质量扰动分析方法[D];哈尔滨工业大学;2007年

，

本文编号：1135630