稀疏优化在电能质量扰动分析中的应用研究

发布时间：2021-07-30 06:53

　　在多物理场强耦合的复杂电网环境下,电网电能质量呈现出极其复杂的非平稳波动现象,且多种扰动间相互耦合的时空特性进一步加剧了电能质量扰动（PQD,power quality disturbance）行为的复杂性。现有的PQD分析方法是将信号在一组完备的正交基框架下进行频谱变换分析,采用一组固定的、性质相同的基函数去表示任意信号,而忽略了目标信号本身的特性,使其难以获得更为稀疏、灵活和自适应的信号表达形式。为此,本文拟探讨一种在过完备字典稀疏优化框架下进行扰动分析的新方法,以PQD信号去噪和分类识别两大关键问题为研究对象,展开相关的理论分析和实验研究,为电能质量分析和控制的理论及应用提供有益补充。首先,考虑到传统信号分析和表达方法存在基函数固定单一、自适应性差的不足,致使此类基于正交基框架的分析方法在PQD应用中遭遇了瓶颈。为此,提出一种过完备字典稀疏优化建模思路,并针对PQD信号去噪效果不理想和分类识别精度低两大难点问题分别构建了稀疏优化模型,从而为电能质量扰动分析提供简便有效的理论基础。其次,提出了一种改进混沌粒子群（ICPSO）动态搜索时频原子的电能质量扰动信号自适应去噪方法,有效地解... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 电能质量的基本概念
        1.2.1 电能质量的定义
        1.2.2 电能质量扰动类型划分
    1.3 国内外研究现状
        1.3.1 电能质量扰动去噪方法研究现状
        1.3.2 电能质量扰动分类方法研究现状
    1.4 本文研究内容
2 面向电能质量扰动分析的稀疏优化模型
    2.1 引言
    2.2 生物视觉稀疏认知机理
    2.3 稀疏优化模型
        2.3.1 欠定方程求解问题
        2.3.2 信号稀疏表示建模
    2.4 稀疏恢复问题的数值优化算法
        2.4.1 贪婪算法
        2.4.2 松弛算法
        2.4.3 群智能优化算法
    2.5 用于电能质量扰动分析的稀疏优化建模
        2.5.1 PQD信号稀疏表示去噪模型
        2.5.2 PQD信号稀疏表示分类模型
    2.6 本章小结
3 采用改进CPSO动态搜索时频原子的PQD信号去噪方法
    3.1 引言
    3.2 PQD信号稀疏表示去噪原理
        3.2.1 信号稀疏表示去噪框架
        3.2.2 匹配PQD信号过完备字典
        3.2.3 相邻残差比终止策略
    3.3 改进混沌粒子群动态搜索最佳匹配原子
        3.3.1 粒子群优化算法原理
        3.3.2 改进CPSO算法
        3.3.3 采用ICPSO动态搜索时频原子的PQD信号去噪步骤描述
    3.4 仿真实验与分析
        3.4.1 算法性能分析
        3.4.2 PQD信号模型及去噪评价指标
        3.4.3 去噪效果对比验证
        3.4.4 实际数据分析
        3.4.5 算法复杂度及收敛性分析
    3.5 本章小结
4 基于SSAE的电能质量复合扰动稀疏表示分类方法
    4.1 引言
    4.2 电能质量扰动特征提取
        4.2.1 双树复小波变换
        4.2.2 基于深度学习的自动特征提取框架
    4.3 栈式稀疏自动编码器模型
        4.3.1 稀疏自动编码器
        4.3.2 栈式稀疏自动编码器
        4.3.3 Softmax回归
    4.4 基于SSAE框架的PQD稀疏表示分类方法整体流程
    4.5 仿真实验与分析
        4.5.1 PQD数据生成及模型参数设置
        4.5.2 参数影响分析
        4.5.3 PQD深度表达特征可视化
        4.5.4 SSAE-MSRC框架性能分析
        4.5.5 PQD信号去噪效果验证
    4.6 本章小结
5 总结与展望
    5.1 论文工作总结
    5.2 后续工作展望
致谢
参考文献
附录
    A.作者在攻读硕士学位期间发表的论文
    B.作者在攻读硕士学位期间参与的科研项目


【参考文献】：
期刊论文
[1]配电网电力电子化的发展和超高次谐波新问题[J]. 肖湘宁,廖坤玉,唐松浩,范文杰.  电工技术学报. 2018(04)
[2]复杂电能质量扰动事件区段定位方法研究[J]. 董海艳,贾清泉,王宁,石磊磊,于浩.  中国电机工程学报. 2017(17)
[3]能源互联网多能扰动识别的数据流处理模型[J]. 王德文,李俊.  电力系统自动化. 2016(23)
[4]电能质量扰动信号的自适应去噪方法[J]. 王燕,李群湛,高洁.  电力系统自动化. 2016(23)
[5]能源互联网供能质量综合评估[J]. 付学谦,孙宏斌,郭庆来,张秀容.  电力自动化设备. 2016(10)
[6]一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法[J]. 范小龙,谢维成,蒋文波,李毅,黄小莉.  电工技术学报. 2016(14)
[7]基于遗传粒子群优化算法的调速器执行机构分段线性模型及参数辨识[J]. 王力,赵洁,刘涤尘,王骏,陈刚,刘蔚.  电工技术学报. 2016(12)
[8]国内外配电前沿技术动态及发展[J]. 马钊,安婷,尚宇炜.  中国电机工程学报. 2016(06)
[9]基于改进量子粒子群优化稀疏分解的局放信号去噪方法[J]. 王永强,谢军,律方成.  电工技术学报. 2015(12)
[10]未来配电系统形态及发展趋势[J]. 马钊,周孝信,尚宇炜,周莉梅.  中国电机工程学报. 2015(06)

博士论文
[1]基于相关原子库的电能质量扰动分析方法研究[D]. 王宁.天津大学 2013

硕士论文
[1]电能质量扰动信号的检测与识别[D]. 章俊.南昌大学 2015
[2]基于原子分解快速算法的电能质量扰动检测与分类研究[D]. 郝婉茹.燕山大学 2015
[3]混合电能质量扰动信号识别算法研究[D]. 张杨.西南交通大学 2012



本文编号：3310932