混合電能質(zhì)量擾動信號識別算法研究.pdf

1、深入研究影響電能質(zhì)量的各種因素，及時發(fā)現(xiàn)引發(fā)電能質(zhì)量下降的各種現(xiàn)象，并對這些問題實現(xiàn)有效的識別，對實現(xiàn)電能質(zhì)量高效管理和防治具有必要性和重大現(xiàn)實意義。電能質(zhì)量擾動識別是一個十分復(fù)雜的科學(xué)問題，實際電能質(zhì)量擾動的種類繁多，且信號差異不是十分明顯，并存在著多種擾動混合的現(xiàn)象。本文針對混合電能質(zhì)量擾動信號的識別問題，分別對信號特征、檢測算法、識別算法等三個方面進行了分析和研究。
　　本文對混合電能質(zhì)量擾動信號的相關(guān)特性進行了分析，介紹了

2、單一擾動的數(shù)學(xué)表達形式、物理特征和劃分方法。在此基礎(chǔ)上，對混合電能質(zhì)量擾動信號進行了時域?qū)Ρ群皖l譜分析，初步探討了單一擾動混合后的相互影響。最后，針對混合電能質(zhì)量擾動識別問題進行了定性分析，并且討論識別方法的評價方式。
　　為了找到有效的特征提取方法，本文進行了擾動檢測算法的研究，分別提出了基于EEMD和小波包Tsallis奇異熵的電能質(zhì)量擾動檢測算法。基于EEMD的HHT檢測算法可以有效抑制模態(tài)混疊。利用EEMD分解獲得擾動信號

3、的IMF分量，不但明確了IMF分量的物理意義，且算法本身具有抗噪性，能夠根據(jù)信號的瞬時特征量準(zhǔn)確檢測出擾動幅值、頻率、起止時刻等信息。小波包Tsallis奇異熵是小波包技術(shù)與非廣延熵理論結(jié)合的產(chǎn)物，該算法通過對小波包分解后的系數(shù)矩陣計算Tsallis奇異熵，進而檢測出信號發(fā)生頻率突變的時間點。結(jié)果表明，利用小波包Tsallis奇異熵可以有效的檢測信號的突變點，并且具有較好的抗噪性能，受擾動幅值變化影響較小，可以有效的對各種電能質(zhì)量信號進

4、行起止時刻定位。
　　為了有效解決混合電能質(zhì)量擾動識別問題，文中采用了兩種研究方案：①信號處理方法組合與自動識別系統(tǒng)相結(jié)合；②多標(biāo)簽分類方法。
　　對于第一種方案，本文針對幾種常見的電能質(zhì)量擾動，利用聚類經(jīng)驗?zāi)Ｐ头纸夥椒?Ensemble Empirical Mode Decomposition，EEMD)、改進不完全S變換(modified incompleteS-transform，MIST)等現(xiàn)代信號處理手段，構(gòu)造了9

5、種適合于電能質(zhì)量混合擾動的時頻域特征量，提出了一種基于時頻域多特征量的電能質(zhì)量混合擾動分類新方法。該方法充分考慮單一擾動之間的相互干擾，并通過互補的時頻域特征量進行了有效的抑制。仿真結(jié)果表明，在一定的噪聲條件下，該方法可有效分類電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變等電能質(zhì)量擾動及其組合而成的混合擾動。
　　對于第二種方案，本文將多標(biāo)簽分類的思想引入到混合電能質(zhì)量擾動識別中。在傳統(tǒng)Rank-SVM的基礎(chǔ)上