基于小波分析和支持向量机的电力系统输电线路故障分类

发布时间：2017-10-15 01:12

  本文关键词：基于小波分析和支持向量机的电力系统输电线路故障分类

  更多相关文章： 输电线路 故障分类 小波分析 能量熵 支持向量机

【摘要】：随着我国国民经济的飞速发展和基础设施建设的不断完善,电力系统作为支柱性行业,其规模日益扩大,其中输电线路传输功率以及电压等级不断提高,输电网络复杂程度越来越高。当电力系统发生故障时,需要迅速判定故障类型、准确定位故障位置、及时修复以防止故障范围扩大,确保整个电力系统的安全、稳定运行。本文针对电力系统输电线路中最为常见的短路故障进行研究,并对国内外各种故障分类方法进行了深入的比较分析,在此基础上研究了一种基于小波分析和支持向量机的输电线路故障分类方法,并通过仿真实验与实证分析验证了所建方法的有效性。本文方法方面的研究工作：建立了一种基于小波能量熵和支持向量机的电力系统输电线路故障分类模型。采用小波分析技术对线路故障后的特征信息进行提取和分析,利用小波能量熵理论对故障电流信号进行分解,计算各相电流对应的能量熵值,结合零序电流构建了用于输电线路故障分类的4维特征向量。该分类模型包括线性分类模块和非线性分类模块,其中线性分类是通过零序电流和设置阈值参数的两层分类结构将数据样本进行初步分类；在此基础上根据输电线路故障的小样本数据特点,选用支持向量机对多类故障数据进行非线性分类,最终实现输电线路故障分类。本文仿真与实证研究工作：利用MATLAB仿真模型初步验证了所提方法进行输电线路故障分类的有效性,并分析了模型参数设定对算法分类结果的影响；在此基础上将本文所构建模型应用于山东临沂地区的实际电力系统输电线路故障分类,进一步验证了本文所构建方法的实用性。
【关键词】：输电线路 故障分类 小波分析 能量熵 支持向量机
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM75
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 研究背景10
• 1.2 研究意义10-11
• 1.3 论文相关内容的国内外研究现状11-14
• 1.3.1 小波分析理论在电力系统中的研究现状11-12
• 1.3.2 输电线路故障分类方法的研究现状12
• 1.3.3 支持向量机在输电线路故障分类中的研究现状12-14
• 1.4 论文的主要研究内容和章节安排14-15
• 第2章 小波分析及小波熵的主要理论15-23
• 2.1 小波分析15-18
• 2.1.1 连续小波变换15-16
• 2.1.2 离散小波变换16-17
• 2.1.3 小波函数17-18
• 2.1.4 小波分析在电力系统中的应用18
• 2.2 小波熵18-22
• 2.2.1 信息熵18-19
• 2.2.2 六种小波熵的定义与计算方法19-22
• 2.3 本章小结22-23
• 第3章 支持向量机的分类方法研究23-33
• 3.1 支持向量机分类原理23-29
• 3.1.1 线性可分SVM23-26
• 3.1.2 线性不可分SVM26-28
• 3.1.3 SVM核函数28-29
• 3.1.4 支持向量机参数优化29
• 3.2 多分类支持向量机29-31
• 3.2.1 一对一30
• 3.2.2 一对多30-31
• 3.3 算例分析31-32
• 3.3.1 算例描述31
• 3.3.2 建模与分析31-32
• 3.4 本章小结32-33
• 第4章 基于小波能量熵与支持向量机的输电线路故障分类33-50
• 4.1 输电线路的短路故障33-34
• 4.2 基于小波能量熵与支持向量机的输电线路故障分类方法34-40
• 4.2.1 故障特征信号提取34-36
• 4.2.2 故障特征信号分类36-38
• 4.2.3 输电线路故障分类方法的具体步骤38-40
• 4.3 仿真分析40-49
• 4.3.1 仿真描述40-45
• 4.3.2 分类模型训练及验证45-48
• 4.3.3 分类结果及分析48-49
• 4.4 本章小结49-50
• 第5章 实证研究50-58
• 5.1 问题描述50-52
• 5.1.1 背景分析50-51
• 5.1.2 实际故障特征分析51-52
• 5.2 实际数据预处理52-54
• 5.2.1 数据系统构成52
• 5.2.2 录波数据解析52-53
• 5.2.3 故障电流数据提取53-54
• 5.3 分类模型实际应用及结果分析54-57
• 5.4 本章小结57-58
• 第6章 总结与展望58-59
• 6.1 总结58
• 6.2 展望58-59
• 参考文献59-63
• 攻读硕士学位期间发表的论文及其它成果63-64
• 致谢64-65
• 附录A65

【参考文献】

中国期刊全文数据库 前2条

1 王艳松;谭志勇;刘学民;;基于小波奇异熵和支持向量机的配电网故障类型识别[J];电力系统保护与控制;2011年23期

2 费佩燕,郭宝龙;单小波去噪方法在多小波去噪中的应用研究[J];信号处理;2004年06期

，

本文编号：1034220