基于原子分解优化算法和RBF神经网络的电能质量扰动分析

发布时间：2017-11-13 20:06

  本文关键词：基于原子分解优化算法和RBF神经网络的电能质量扰动分析

  更多相关文章： 电能质量 消噪 扰动识别 原子分解 粒子群算法 RBF神经网络

【摘要】：近年来,大量非线性负荷接入电网以及其它扰动源的存在,进一步恶化了供电质量;同时精密仪器和智能化设备的广泛应用,对供电质量又提出了更加苛刻的要求。因此,对电能质量扰动信号进行研究与分析具有非常重要的意义。本文采用近年来信号处理领域的研究热点——原子分解算法,来分析电能质量扰动信号。本文在分析Gabor原子库的基础上,针对其规模巨大无法实用化的问题,对其进行合理的离散化处理;针对匹配追踪算法(Matching Pursuit,MP)存在的过匹配现象和非正交投影问题,采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP),将所选出的原子正交化,以改善算法收敛性;针对其计算量大的问题,提出采用粒子群算法(Particle Swarm Optimization,PSO)对其进行优化。并以四种扰动信号为例,研究分析基于Gabor原子库的PSO-MP算法和PSO-OMP算法的信号重构性能和收敛性,验证了PSO-OMP算法性能更优。考虑到电能质量扰动信号中存在一定的噪声,研究了基于PSO-OMP算法的消噪原理及方法。通过实验手段提出了阈值判决方法,并得出阈值的选取与信号长度相关的结论。通过设置合理阈值,采用Gabor原子库及PSO-OMP算法对常见的6种单一扰动信号和4种复合扰动信号进行消噪处理,并与小波变换软、硬阈值方法进行比较分析。仿真结果表明,本文所提方法能有效的分离噪声和信号,达到很好的消噪效果。将PSO-OMP算法与RBF网络相结合用作电能质量扰动信号的识别分类。先利用工频信号原子库将工频信号从待分析信号中分离,再用原子分解优化算法提取残余信号的特征量作为RBF网络的输入,实现对电能质量扰动信号的识别。仿真算例表明,本文所提方法由于本身具有抗噪性能,在不同信噪比的条件下,对单一扰动和多重扰动均有很好的识别效果。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM711;TP183

【相似文献】

中国期刊全文数据库 前10条

1 刘守亮,肖先勇;基于S变换的短时电能质量扰动检测与分类[J];四川电力技术;2005年S1期

2 罗滇生;何洪英;姚建刚;;短时电能质量扰动分类方法研究[J];计算机工程与应用;2008年17期

3 唐轶;刘昊;方永丽;;基于时域特征分析的电能质量扰动分类[J];电力系统自动化;2008年17期

4 黄南天;徐殿国;刘晓胜;;基于改进多层前馈神经网络的电能质量扰动分类[J];电子测量与仪器学报;2009年10期

5 赖晓君;孙洪成;;一种新的电能质量扰动分类识别算法[J];电气开关;2011年02期

6 陈祥训;采用小波技术的几种电能质量扰动的测量与分类方法[J];中国电机工程学报;2002年10期

7 薛蕙,杨仁刚;基于小波包除噪的电能质量扰动检测方法[J];中国电机工程学报;2004年03期

8 束洪春,王晶,陈学允;动态电能质量扰动的多刻度形态学分析[J];中国电机工程学报;2004年04期

9 吕干云,丁屹峰,程浩忠;一种基于改进锁相环系统的电能质量扰动检测方法[J];电力系统及其自动化学报;2004年05期

10 潘洪湘,宗伟,刘连光;基于数字信号处理器的短时电能质量扰动检测算法[J];电网技术;2004年20期

中国重要会议论文全文数据库 前7条

1 曹立中;吴杰;苏春苑;;基于多方法的电能质量扰动研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

2 刘林;林涛;;基于连续小波变换和专家系统的电能质量扰动识别研究[A];中南七省（区）电力系统专业委员会第二十二届联合学术年会论文集[C];2007年

3 张东中;袁帅;佟为明;;基于复小波和神经网络的电能质量扰动识别与分类[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

4 陈春玲;许童羽;袁野;;基于多类分类SVM的电能质量扰动识别[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

5 耿云玲;王群;何怡刚;;典型电能质量扰动信号的小波检测[A];2004全国测控、计量与仪器仪表学术年会论文集（上册）[C];2004年

6 方群会;;基于LS_SVM的暂态电能质量扰动分类[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

7 张宇;李海维;;小波理论和网格分形在电能质量扰动检测中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

中国博士学位论文全文数据库 前10条

1 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

2 陈春玲;电能质量扰动分析与监测研究[D];沈阳农业大学;2009年

3 舒泓;电能质量扰动检测和分类问题的研究[D];北京交通大学;2009年

4 胡为兵;电能质量扰动的自动识别和定位相关理论研究[D];华中科技大学;2008年

5 秦英林;电能质量扰动的自动识别和时刻定位研究[D];山东大学;2010年

6 易吉良;基于S变换的电能质量扰动分析[D];湖南大学;2010年

7 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年

8 黄文清;电能质量扰动在线监测方法研究[D];湖南大学;2007年

9 单任仲;并联型复合电能质量扰动及补偿的控制方法与实现[D];华北电力大学（北京）;2010年

10 刘应梅;电能质量扰动检测和分析的研究[D];中国电力科学研究院;2003年

中国硕士学位论文全文数据库 前10条

1 潘冬寅;电能质量扰动信号降维及分类研究[D];南京林业大学;2012年

2 郝婉茹;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];燕山大学;2015年

3 邓为权;基于EEMD和SVM的电能质量扰动检测与分析研究[D];昆明理工大学;2015年

4 胡巧琳;风电并网的电能质量扰动检测方法研究[D];西南交通大学;2015年

5 朱玲;混合电能质量扰动的检测与分类[D];西南交通大学;2015年

6 张卫辉;基于多分辨率快速S变换的电能质量扰动信号识别[D];东北电力大学;2016年

7 袁昊辰;基于复阻抗和模糊SVM的暂态电能质量扰动检测与分类[D];安徽大学;2016年

8 曹思扬;电能质量扰动信号的压缩感知研究[D];西南交通大学;2016年

9 郭俊文;电能质量扰动事件的检测和辨识算法研究[D];华中科技大学;2014年

10 马峥嵘;基于相空间重构的电能质量扰动检测方法研究[D];燕山大学;2016年

，

本文编号：1182185