電能質(zhì)量擾動時頻特征分析及其自動分類方法研究.pdf

1、近年來，智能電網(wǎng)已經(jīng)成為一些發(fā)達國家的重要國家戰(zhàn)略和決策，智能化已經(jīng)成為電網(wǎng)建設(shè)未來發(fā)展的重要趨勢，在智能電網(wǎng)中用到了各種各樣的智能化電力電子設(shè)備，這些電子電子設(shè)備無疑會對電能質(zhì)量造成很多不良的影響。為了有效的提高電能質(zhì)量，不僅需要監(jiān)測并記錄電能質(zhì)量擾動信號的信息，同時需要完成擾動信號的自動分類，以便及時采取針對性的措施解決電能質(zhì)量問題，這對智能電網(wǎng)的安全運行具有重要的意義。
　　本文首先介紹了電能質(zhì)量問題的定義及其分類，分析了目

2、前電能質(zhì)量擾動引起廣泛關(guān)注的原因，以及對國內(nèi)外目前主要的電能質(zhì)量擾動的時頻特征分析方法和自動分類方法進行了歸納和優(yōu)缺點分析。
　　其次，對電能質(zhì)量擾動信號的時頻特征分析方法進行了研究，提出利用db4小波對智能電網(wǎng)中的各種擾動信號進行6層多分辨率特征分析，計算得到擾動信號與標準信號的能量，并將二者的差值作為特征向量，為分類做準備。
　　再次，對電能質(zhì)量擾動信號自動分類方法進行了研究，提出利用快速相關(guān)向量機(Fast Relev

3、ance Vector Machine,FRVM)對電能質(zhì)量擾動信號進行自動分類，首先將提取的特征向量分為訓(xùn)練樣本集和測試樣本集，并利用訓(xùn)練樣本對FRVM進行訓(xùn)練，然后利用測試樣本測試其分類性能。
　　最后，利用MATLAB對本文提出的基于小波變換和FRVM的電能質(zhì)量擾動分類新方法進行仿真實驗，結(jié)果表明，F(xiàn)RVM與支持向量機(Support Vector Machine,SVM)相比，相關(guān)向量數(shù)目更少、測試時間更短；并且能夠解決相