基于去趋势多重分形和改进极限学习机的电能质量分析
发布时间：2022-07-08 10:05
电能质量是指电力系统供给用户的电能品质的优劣,为了满足人们在日常工作生活中使用高品质电能的需求,对电能质量扰动信号的分析和识别显得尤其重要。本文在分析电能质量扰动检测的研究现状基础上,针对电能信号的分解、特征向量矩阵的构建以及分类识别等三个方面进行研究,提出一种基于去趋势多重分形（Multifractal detrended fluctuation analysis,MFDFA）及改进极限学习机（Extreme learning machine,ELM）的电能质量分析方法。首先,分析了几种常见的时频域分析方法的原理及特点,指出其各自的局限。提出基于MFDFA的电能质量扰动信号特征提取方法。MFDFA方法从几何层面上挖掘了电能扰动信号的分形特征,将信号划分为不重复的小段区间,使用最小二乘法对每一个小区间进行趋势拟合,确定区间的波动函数,得到信号的分形参数。通过广义Hurst理论及信号的多重分形谱分析证明了电能质量扰动信号的多重分形特性。其次,对得到的分形参数进行选择,挑选出能表征信号特征的三个分形参数。为进一步突出不同类型的扰动信号特性,计算了多重分形谱的样本熵和信号本身的能量熵,为电能...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景和意义
1.2 电能质量分析国内外研究现状
1.2.1 特征提取方法及研究现状
1.2.2 模式识别方法及研究现状
1.3 本文主要研究内容
第2章 电能质量概述及扰动类型
2.1 定义及特点
2.2 电能质量国际标准
2.3 扰动类型及参数
2.4 本章小结
第3章 电能质量的多重分形特征
3.1 分形及分形维数
3.2 去趋势多重分形分析原理
3.3 电能质量信号的多重分形特征
3.4 本章小结
第4章 电能质量信号的特征分析
4.1 基于多重分形谱的特征分析
4.2 分形参数的样本熵的特征
4.2.1 样本熵基本原理
4.2.2 样本熵参数提取
4.3 不同特征参数提取方法的对比
4.4 本章小结
第5章 基于改进极限学习机的分类识别方法研究
5.1 极限学习机
5.2 帝王蝶优化算法
5.2.1 帝王蝶优化算法的提出
5.2.2 MBO算法原理
5.2.3 MBO优化算法的步骤
5.3 基于MBO改进极限学习机分类方法研究
5.4 改进方法的性能验证
5.5 本章小结
第6章 电能质量扰动信号分析实验
6.1 电能质量扰动信号仿真数据
6.2 MBO-ELM模型的建立
6.3 实验分析
6.3.1 仿真信号实验及分析
6.3.2 工程信号实验及分析
6.4 分类器性能对比
6.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类[J]. 杨晓梅,郭林明,肖先勇,张家宁. 电网技术. 2020(08)
[2]自适应S变换与决策树的电能质量复合扰动识别[J]. 陈力,宋曦,崔力心. 科技创新与应用. 2019(27)
[3]基于改进C4.5算法的新型车辆故障预测方法研究[J]. 戴银娟,付石磊. 常熟理工学院学报. 2019(05)
[4]基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法[J]. 李建闽,林海军,梁成斌,滕召胜,成达. 电工技术学报. 2019(16)
[5]基于VMD初始化S变换的混合动力系统电能质量扰动检测与分类[J]. 徐艳春,高永康,李振兴,李振华,吕密. 中国电机工程学报. 2019(16)
[6]微电网并网环境下电能质量分析与研究综述[J]. 王耿耿,孟高军,孙玉坤,刘海涛. 电器与能效管理技术. 2019(15)
[7]基于ESMD与SVM的电能质量混合扰动识别[J]. 杨晓楠,吕国强,侯鹏飞,毕贵红. 软件导刊. 2019(11)
[8]基于PSO-SVM的直流配电网电能质量扰动辨识[J]. 吴建章,沙浩源,张宸宇,叶昱媛,佘昌佳,郑建勇. 电力工程技术. 2019(04)
[9]基于改进HHT的主动配电网电能质量检测方法[J]. 高静,朱时雨. 东北电力技术. 2019(07)
[10]希尔伯特-黄变换（HHT）在复合电能质量扰动分析中的应用[J]. 于燕平,方林. 红水河. 2019(03)
本文编号：3656826
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景和意义
1.2 电能质量分析国内外研究现状
1.2.1 特征提取方法及研究现状
1.2.2 模式识别方法及研究现状
1.3 本文主要研究内容
第2章 电能质量概述及扰动类型
2.1 定义及特点
2.2 电能质量国际标准
2.3 扰动类型及参数
2.4 本章小结
第3章 电能质量的多重分形特征
3.1 分形及分形维数
3.2 去趋势多重分形分析原理
3.3 电能质量信号的多重分形特征
3.4 本章小结
第4章 电能质量信号的特征分析
4.1 基于多重分形谱的特征分析
4.2 分形参数的样本熵的特征
4.2.1 样本熵基本原理
4.2.2 样本熵参数提取
4.3 不同特征参数提取方法的对比
4.4 本章小结
第5章 基于改进极限学习机的分类识别方法研究
5.1 极限学习机
5.2 帝王蝶优化算法
5.2.1 帝王蝶优化算法的提出
5.2.2 MBO算法原理
5.2.3 MBO优化算法的步骤
5.3 基于MBO改进极限学习机分类方法研究
5.4 改进方法的性能验证
5.5 本章小结
第6章 电能质量扰动信号分析实验
6.1 电能质量扰动信号仿真数据
6.2 MBO-ELM模型的建立
6.3 实验分析
6.3.1 仿真信号实验及分析
6.3.2 工程信号实验及分析
6.4 分类器性能对比
6.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类[J]. 杨晓梅,郭林明,肖先勇,张家宁. 电网技术. 2020(08)
[2]自适应S变换与决策树的电能质量复合扰动识别[J]. 陈力,宋曦,崔力心. 科技创新与应用. 2019(27)
[3]基于改进C4.5算法的新型车辆故障预测方法研究[J]. 戴银娟,付石磊. 常熟理工学院学报. 2019(05)
[4]基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法[J]. 李建闽,林海军,梁成斌,滕召胜,成达. 电工技术学报. 2019(16)
[5]基于VMD初始化S变换的混合动力系统电能质量扰动检测与分类[J]. 徐艳春,高永康,李振兴,李振华,吕密. 中国电机工程学报. 2019(16)
[6]微电网并网环境下电能质量分析与研究综述[J]. 王耿耿,孟高军,孙玉坤,刘海涛. 电器与能效管理技术. 2019(15)
[7]基于ESMD与SVM的电能质量混合扰动识别[J]. 杨晓楠,吕国强,侯鹏飞,毕贵红. 软件导刊. 2019(11)
[8]基于PSO-SVM的直流配电网电能质量扰动辨识[J]. 吴建章,沙浩源,张宸宇,叶昱媛,佘昌佳,郑建勇. 电力工程技术. 2019(04)
[9]基于改进HHT的主动配电网电能质量检测方法[J]. 高静,朱时雨. 东北电力技术. 2019(07)
[10]希尔伯特-黄变换（HHT）在复合电能质量扰动分析中的应用[J]. 于燕平,方林. 红水河. 2019(03)
本文编号：3656826
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3656826.html
