基于原子分解優(yōu)化算法和RBF神經(jīng)網(wǎng)絡的電能質(zhì)量擾動分析.pdf

1、近年來，大量非線性負荷接入電網(wǎng)以及其它擾動源的存在，進一步惡化了供電質(zhì)量；同時精密儀器和智能化設備的廣泛應用，對供電質(zhì)量又提出了更加苛刻的要求。因此，對電能質(zhì)量擾動信號進行研究與分析具有非常重要的意義。本文采用近年來信號處理領域的研究熱點——原子分解算法，來分析電能質(zhì)量擾動信號。
　　本文在分析Gabor原子庫的基礎上，針對其規(guī)模巨大無法實用化的問題，對其進行合理的離散化處理；針對匹配追蹤算法(Matching Pursuit,M

2、P)存在的過匹配現(xiàn)象和非正交投影問題，采用正交匹配追蹤算法(Orthogonal Matching Pursuit,OMP)，將所選出的原子正交化，以改善算法收斂性；針對其計算量大的問題，提出采用粒子群算法(Particle Swarm Optimization,PSO)對其進行優(yōu)化。并以四種擾動信號為例，研究分析基于Gabor原子庫的PSO-MP算法和PSO-OMP算法的信號重構性能和收斂性，驗證了PSO-OMP算法性能更優(yōu)。

3、　　考慮到電能質(zhì)量擾動信號中存在一定的噪聲，研究了基于PSO-OMP算法的消噪原理及方法。通過實驗手段提出了閾值判決方法，并得出閾值的選取與信號長度相關的結論。通過設置合理閾值，采用Gabor原子庫及PSO-OMP算法對常見的6種單一擾動信號和4種復合擾動信號進行消噪處理，并與小波變換軟、硬閾值方法進行比較分析。仿真結果表明，本文所提方法能有效的分離噪聲和信號，達到很好的消噪效果。
　　將PSO-OMP算法與RBF網(wǎng)絡相結合用作電