基于多分辨率S变换的电能质量扰动信号识别方法研究

发布时间：2023-04-18 21:02

　　随着科技的发展和进步,大量高效率的精密用电器接入到电力系统中,对电能质量提出了更高的要求。与此同时,越来越多的非线性电力电子器件和具有随机波动特性的新型能源不断投入使用,造成电力系统产生信号波形畸变、电压不稳定、谐波成分增加等电能质量问题。电网中的电能污染日益严重,对电网安全和用电设备稳定运行造成了潜在威胁,电能质量信号识别问题已经成为业界研究的热点之一。本文针对复杂电能质量扰动信号辨识问题,基于多分辨率S变换理论,完成扰动信号的特征提取,结合决策树分类器和卷积神经网络知识,实现对复杂电能质量扰动信号的快速识别。模拟仿真和实际数据处理结果表明本文方法在识别准确率和时效性方面具有优势,可满足实际电网对于扰动信号识别的要求,具有一定的实际意义和应用前景。具体研究成果概括如下:针对标准S变换时频分辨率变化不灵活的问题,本文提出了一种多分辨率S变换方法。通过引入调节因子对高斯窗函数特征进行调整,实现时频分辨率灵活设置,提升算法的时频分析能力。同时通过最优问题求解理论,实现多分辨率S变换关键参数自适应确定,满足电能质量信号处理实际需求。在此基础上,本文从统计学角度出发,从能量演变和频率变化角度刻...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 课题的国内外研究现状
        1.2.1 电能质量扰动检测方法的研究现状
        1.2.2 电能质量扰动识别方法的研究现状
    1.3 本文的主要研究内容
第2章 电能质量扰动概述
    2.1 电能质量定义
    2.2 电能质量标准
    2.3 电能质量分类及建模
        2.3.1 电能质量分类
        2.3.2 电能质量扰动信号建模方法
    2.4 本章小结
第3章 基于MST和DT的电能质量扰动信号识别
    3.1 标准S变换原理
    3.2 多分辨率S变换原理及参数优化方法
        3.2.1 多分辨率S变换原理
        3.2.2 参数优化方法
        3.2.3 多分辨率S变换有效性验证
    3.3 基于MST的电能质量扰动特征提取
        3.3.1 基于MST的扰动信号时频分析
        3.3.2 扰动信号统计特征提取
        3.3.3 统计特征仿真实验
    3.4 基于决策树的电能质量扰动类型识别
    3.5 本章小结
第4章 基于MST和DCNN的电能质量扰动信号识别
    4.1 卷积神经网络基本原理
        4.1.1 神经网络模型
        4.1.2 卷积神经网络模型
        4.1.3 卷积神经网络训练过程
    4.2 基于一维卷积神经网络的电能质量扰动信号识别
        4.2.1 一维卷积神经网网络结构
        4.2.2 一维卷积神经网网络设置
        4.2.3 网络性能分析
    4.3 实验分析
        4.3.1 仿真实验分析
        4.3.2 实际记录分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3793028