基于FFT、小波变换和神经网络的电力系统谐波检测方法研究
发布时间：2020-12-11 18:27
随着现代电力工业的发展,各种非线性电力电子装置被广泛应用于电力系统中,由此带来的大量谐波对于电能质量的污染问题也日益严重,谐波已然对电力用户的正常运行和相关配电网络及设备的安全构成了威胁。因此,如何准确与快速地检测并抑制谐波,对于改善电能质量有着非常重要的意义。本文主要从以下四个方面展开工作:1.叙述了谐波产生的原理、危害与抑制方法,探讨了国内外常用的几种谐波检测方法各自的优势及缺陷,重点介绍了FFT算法、小波变换与神经网络的基本理论,并比较验证了各个算法的优劣势。2.提出了基于小波和双重FFT的谐波检测算法,简称WT-DFFT算法。FFT算法在分析稳态信号时具有一定的优势,但无法检测非稳态信号,小波变换适用于检测非稳态信号,但不适用于稳态信号的检测。FFT与小波联合算法综合了两者的优势,能够同时检测出稳态与非稳态信号,但实用性不强,精度不高。对此,本文提出了WT-DFFT算法,利用传统FFT识别信号的谐波分布,确定小波分解层数及关注频带,在此基础上利用小波变换分离谐波信号,对于关注的高频带非稳态信号,采取小波阈值去噪后重构并分析其特性,对于关注的低频带稳态信号,采取加窗插值FFT检测...
【文章来源】：山东理工大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
FFT与小波联合算法流程图
山东理工大学硕士学位论文 第三章 小波变换与 WT-DFFT 算法(2) 通过预处理确定了关注频带，只需要对信号作大致分离，不用对信号作细致的分解，避免了分解层数过多时影响检测速度与精度；(3) 只需要对特定的关注频带作分析，减少了运算量；(4) 采用了加窗插值 FFT 算法处理稳态信号，提升了检测精度，增加了对间谐波的识别能力；(5) 采用了小波阈值消噪技术去除噪声，因此稳态频谱与高频谐振中不会有来自其它干扰信号的能量，这从另一方面提升了检测的精度。
图 4.1 传统 BP 神经网络模型Fig 4.1 Traditional BP neural network model中，激励矩阵为：1 2 2[ ( ), ( ),..., ( )][sin( ),cos( ),sin(2 ),cos(2 ),...,sin(2 ),cos(2 )]nC c t c t c t t t t t nt n t （4.向量为1 2 21 1 1 1 2 2 2 2[ , ,..., ][ cos , sin , cos , sin ,..., cos , sin ]nn n n nW w w wA A A A A A （4.( )outy t 为 BP 网络的输出，21( )= ( )nTout i l l ily t wc t W C （4实际误差为 ( ) ( ) ( )sd oute i y t y t，当输出与期望值不一致时，存在性能指标
【参考文献】：
期刊论文
[1]混响室条件下失真信号消噪技术研究[J]. 贾锐,王川川,张晓芬,赵琳锋. 无线电工程. 2017(10)
[2]改进的Prony算法在多正弦信号频率估计中的应用研究[J]. 张晓威,牛晓红,翟广锐. 电力系统保护与控制. 2017(15)
[3]基于OpenStack神经网络短期负荷预测模型在有序用电管理中的应用[J]. 李琳,杜颖,张海静,刘栋. 智能电网. 2017(07)
[4]一种基于新型小波阈值去噪预处理的EEMD谐波检测方法[J]. 孙曙光,庞毅,王景芹,张超,杜太行,于晗. 电力系统保护与控制. 2016(02)
[5]基于线性神经网络的谐波检测方法研究[J]. 邢晓敏,商国敬,徐新. 电测与仪表. 2014(22)
[6]改进Ip-Iq法在D-STATCOM电流检测的应用[J]. 戴毅,常鲜戎,董正华. 电力系统及其自动化学报. 2014(07)
[7]瞬时无功功率理论与电流物理分量理论的比较与分析[J]. 罗超,陶顺,肖湘宁,杨洋. 电力系统自动化. 2013(23)
[8]电力系统谐波和间谐波检测方法综述[J]. 熊杰锋,李群,袁晓冬,陈兵,杨志超,王柏林. 电力系统自动化. 2013(11)
[9]加Blackman窗函数的FFT应用研究[J]. 欧阳明星. 南方金属. 2012(05)
[10]基于FFT和db20小波变换的电力系统谐波联合分析策略[J]. 朱翔,解大,高强,张延迟. 电力系统保护与控制. 2012(12)
博士论文
[1]基于FFT和小波变换的电力系统谐波检测方法研究[D]. 亓学广.山东科技大学 2007
硕士论文
[1]基于混合卷积窗与改进FFT算法的电力系统谐波分析[D]. 李得民.合肥工业大学 2016
[2]基于神经网络的电力系统谐波检测[D]. 杨磊.西南交通大学 2015
[3]基于神经网络算法的电力系统谐波分析方法[D]. 裴源.长沙理工大学 2007
[4]基于BP神经网络和遗传算法的城市供水系统优化调度模型研究[D]. 陆健.河海大学 2007
本文编号：2911017
【文章来源】：山东理工大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
FFT与小波联合算法流程图
山东理工大学硕士学位论文 第三章 小波变换与 WT-DFFT 算法(2) 通过预处理确定了关注频带，只需要对信号作大致分离，不用对信号作细致的分解，避免了分解层数过多时影响检测速度与精度；(3) 只需要对特定的关注频带作分析，减少了运算量；(4) 采用了加窗插值 FFT 算法处理稳态信号，提升了检测精度，增加了对间谐波的识别能力；(5) 采用了小波阈值消噪技术去除噪声，因此稳态频谱与高频谐振中不会有来自其它干扰信号的能量，这从另一方面提升了检测的精度。
图 4.1 传统 BP 神经网络模型Fig 4.1 Traditional BP neural network model中，激励矩阵为：1 2 2[ ( ), ( ),..., ( )][sin( ),cos( ),sin(2 ),cos(2 ),...,sin(2 ),cos(2 )]nC c t c t c t t t t t nt n t （4.向量为1 2 21 1 1 1 2 2 2 2[ , ,..., ][ cos , sin , cos , sin ,..., cos , sin ]nn n n nW w w wA A A A A A （4.( )outy t 为 BP 网络的输出，21( )= ( )nTout i l l ily t wc t W C （4实际误差为 ( ) ( ) ( )sd oute i y t y t，当输出与期望值不一致时，存在性能指标
【参考文献】：
期刊论文
[1]混响室条件下失真信号消噪技术研究[J]. 贾锐,王川川,张晓芬,赵琳锋. 无线电工程. 2017(10)
[2]改进的Prony算法在多正弦信号频率估计中的应用研究[J]. 张晓威,牛晓红,翟广锐. 电力系统保护与控制. 2017(15)
[3]基于OpenStack神经网络短期负荷预测模型在有序用电管理中的应用[J]. 李琳,杜颖,张海静,刘栋. 智能电网. 2017(07)
[4]一种基于新型小波阈值去噪预处理的EEMD谐波检测方法[J]. 孙曙光,庞毅,王景芹,张超,杜太行,于晗. 电力系统保护与控制. 2016(02)
[5]基于线性神经网络的谐波检测方法研究[J]. 邢晓敏,商国敬,徐新. 电测与仪表. 2014(22)
[6]改进Ip-Iq法在D-STATCOM电流检测的应用[J]. 戴毅,常鲜戎,董正华. 电力系统及其自动化学报. 2014(07)
[7]瞬时无功功率理论与电流物理分量理论的比较与分析[J]. 罗超,陶顺,肖湘宁,杨洋. 电力系统自动化. 2013(23)
[8]电力系统谐波和间谐波检测方法综述[J]. 熊杰锋,李群,袁晓冬,陈兵,杨志超,王柏林. 电力系统自动化. 2013(11)
[9]加Blackman窗函数的FFT应用研究[J]. 欧阳明星. 南方金属. 2012(05)
[10]基于FFT和db20小波变换的电力系统谐波联合分析策略[J]. 朱翔,解大,高强,张延迟. 电力系统保护与控制. 2012(12)
博士论文
[1]基于FFT和小波变换的电力系统谐波检测方法研究[D]. 亓学广.山东科技大学 2007
硕士论文
[1]基于混合卷积窗与改进FFT算法的电力系统谐波分析[D]. 李得民.合肥工业大学 2016
[2]基于神经网络的电力系统谐波检测[D]. 杨磊.西南交通大学 2015
[3]基于神经网络算法的电力系统谐波分析方法[D]. 裴源.长沙理工大学 2007
[4]基于BP神经网络和遗传算法的城市供水系统优化调度模型研究[D]. 陆健.河海大学 2007
本文编号：2911017
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2911017.html
教材专著
