電能質(zhì)量在線監(jiān)測信號分析算法的研究.pdf

1、電力事業(yè)的快速發(fā)展以及社會科技和生活水平的提高對電力供應提出了更高的要求，現(xiàn)代電力要求安全、有效、可持續(xù)供電，尤其是大量高精密、非線性負荷在電力系統(tǒng)中應用對電能的品質(zhì)提出了更高的要求。
　　本文針對電能被諧波“污染”問題提出基于希爾伯特黃變換的電能質(zhì)量信號分析方法。希爾伯特黃變換具有較好的非線性處理能力，而且能處理各種復雜的電能質(zhì)量擾動信號。
　　論文針對電能質(zhì)量信號的復雜多樣性，采用對非線性信號處理能力極強的希爾伯特黃變換

2、（HHT）變換，首先對模擬點電能質(zhì)量信號進行EMD分解，得到頻率不同的IMF分量和一個剩余分量。對每個頻段的IMF分量進行希爾伯特變換(HT)，通過計算可以得到時域的電壓幅值圖和時頻關系圖。通過仿真圖還能得到擾動發(fā)生的起止時刻以及擾動信息，并通過實驗驗證信息的準確性。
　　電能質(zhì)量自動識別是近年來才提出的一個研究熱點，通過采集數(shù)據(jù)的預測分析可以有效判斷系統(tǒng)運行的穩(wěn)定性。本文提出基于HHT和關聯(lián)向量機（RVM）的電能質(zhì)量自動識別。此

3、部分論文首先是樣本的采集，樣本生成設置的參數(shù)都是參照電力系統(tǒng)規(guī)定參數(shù)設置，最大限度滿足真實性。通過matlab仿真隨機生成樣本，針對HHT能準確提取幅值，頻率和相位的信息，此方法應用采集的信息計算電壓幅值有效值、相位標準偏差，頻率標準偏差，針對這三個量編寫 RVM，然后進行采樣，訓練，測試。
　　RVM是一個二分量的分類器，所以要應用多個分類器組合達到多分類的效果，這樣就達到對復雜的樣本進行分類，針對要分類的樣本特征量進行樣本訓練