基于復(fù)阻抗和模糊SVM的暫態(tài)電能質(zhì)量擾動(dòng)檢測(cè)與分類.pdf

1、隨著國(guó)家工業(yè)水平與科學(xué)技術(shù)的飛速發(fā)展，電能在逐步成為基礎(chǔ)能源的同時(shí)，各個(gè)行業(yè)對(duì)電能質(zhì)量的要求也在逐漸提高。由于各種非線性、沖擊性和波動(dòng)性電力設(shè)備的廣泛應(yīng)用，各類電能質(zhì)量擾動(dòng)現(xiàn)象頻繁出現(xiàn)，對(duì)社會(huì)經(jīng)濟(jì)造成的損失日益增加。實(shí)現(xiàn)對(duì)電能質(zhì)量擾動(dòng)的有效治理是國(guó)家工業(yè)化水平的體現(xiàn)，因此，提高電能質(zhì)量，打造綠色優(yōu)質(zhì)的電力網(wǎng)絡(luò)成為了時(shí)下的熱門課題。但是，由于電能質(zhì)量擾動(dòng)種類繁多，實(shí)際情況錯(cuò)綜復(fù)雜，實(shí)現(xiàn)對(duì)相關(guān)擾動(dòng)的有效治理難度較大。
　　針對(duì)電能質(zhì)量

2、擾動(dòng)精準(zhǔn)清晰的分類是治理擾動(dòng)的前提條件，是提高電能質(zhì)量的首要保證。本文在線路復(fù)阻抗的基礎(chǔ)上提取出擾動(dòng)特征，結(jié)合支持向量機(jī)(SVM)和模糊支持向量機(jī)(F-SVM)兩種分類方法，對(duì)5種主要的電能質(zhì)量擾動(dòng)進(jìn)行特征提取、優(yōu)化及分類，取得了良好的效果。本文所做的主要工作如下:
　　(1)本文提出一種基于復(fù)阻抗的電能質(zhì)量擾動(dòng)特征提取方法。該方法首先通過Hilbert變換構(gòu)造出擾動(dòng)電壓和電流信號(hào)的解析函數(shù)，然后計(jì)算出擾動(dòng)發(fā)生時(shí)段的信號(hào)復(fù)阻抗，再

3、結(jié)合軟件鎖相環(huán)等相關(guān)工具提取出復(fù)阻抗模值差值、復(fù)阻抗相位跳變最大值、殘壓值、殘壓余量以及擾動(dòng)持續(xù)時(shí)間等擾動(dòng)特征，最終組成特征向量。分類結(jié)果表明，這種方法不僅易于實(shí)現(xiàn)，而且可有效提取出擾動(dòng)特征，具有一定的推廣價(jià)值。
　　(2)針對(duì)SVM方法的不足，本文進(jìn)一步提出基于貝葉斯理論的F-SVM分類方法。在貝葉斯理論的基礎(chǔ)上，通過抽樣點(diǎn)密度的概念，構(gòu)造出數(shù)據(jù)集的隸屬度函數(shù)。由此，確定每一個(gè)數(shù)據(jù)點(diǎn)的隸屬度值，通過這種方法，有效降低了不同噪聲對(duì)

4、最終分類結(jié)果的不利影響。不同類型和不同信噪比噪聲環(huán)境下的分類精度對(duì)比表明，該方法在復(fù)雜的噪聲環(huán)境中具有更高的分類精度和更強(qiáng)的魯棒性。
　　(3)本文首先在不同信噪比的高斯噪聲環(huán)境下，比較了三種分類方法的分類精度，分別是復(fù)阻抗結(jié)合SVM、復(fù)阻抗結(jié)合F-SVM和已提出的S變換結(jié)合SVM的分類方法，分析了不同特征提取方法的優(yōu)勢(shì)和不足。然后在不同信噪比的白噪聲環(huán)境下，比較分析了復(fù)阻抗結(jié)合SVM和復(fù)阻抗結(jié)合F-SVM的分類方法，分析對(duì)比相同