学位论文 > 优秀研究生学位论文题录展示
暂态电能质量扰动检测与识别方法研究
作 者: 孙文胜
导 师: 肖湘宁
学 校: 华北电力大学(北京)
专 业: 电力系统及其自动化
关键词: 电能质量 扰动识别 小波变换 支持向量机 小波消噪
分类号: TM764
类 型: 硕士论文
年 份: 2011年
下 载: 87次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,随着电力电子装置在电力系统中的广泛应用,电能质量问题已成为众多领域关注的焦点。对电能质量扰动的检测与识别能为改善电能质量提供重要的信息,是改善电能质量的前提,目前已成为研究的热点。本文主要研究了暂态电能质量扰动的检测和识别方法,基于小波变换和支持向量机实现暂态电能质量扰动的检测与分类。根据小波变换模极大值检测信号奇异点原理,利用扰动信号小波分解的高频系数实现了各类暂态电能质量扰动的检测和时间定位。小波变换作为特征提取的工具,利用小波变换提取扰动信号的多尺度能量信息,并结合信号时域特征组成特征向量。根据支持向量机模式识别算法设计分类器,把提取的特征向量作为支持向量机分类器的输入,对分类器进行训练和测试,实现扰动的分类识别。在Matlab下进行仿真实现扰动的检测与识别,仿真时,同时考虑实际电力系统中噪声的影响,对扰动信号加入一定信噪比的高斯白噪声。研究了小波消噪的理论和方法,采用了一种软、硬阀值折中法的信号小波消噪。由于小波变换对噪声的敏感性,本文在扰动检测识别前先对扰动信号进行消噪处理,达到了较好的消噪效果。仿真结果验证了本文所提方法具有泛化性强、模式简单、识别准确率高等优点,是一种有效的电能质量扰动识别分析方法。
|
全文目录
摘要 5-6 Abstract 6-9 第1章 绪论 9-17 1.1 课题的研究背景和意义 9-10 1.1.1 课题研究背景 9 1.1.2 课题研究意义 9-10 1.2 电能质量问题概述 10-12 1.3 国内外研究现状 12-15 1.4 本文主要工作 15-17 第2章 小波分析及其在扰动识别中的应用 17-29 2.1 傅里叶分析 17-18 2.1.1 傅里叶变换 17 2.1.2 短时傅里叶变换 17-18 2.2 小波分析 18-23 2.2.1 连续小波变换 18-20 2.2.2 离散小波变换和二进制小波变换 20 2.2.3 多分辨率分析及Mallat快速算法 20-22 2.2.4 小波包分析 22-23 2.3 适合电能质量扰动识别的小波分析 23-27 2.3.1 小波分析在扰动识别中的用途 23-25 2.3.2 小波基函数选择 25-26 2.3.3 小波分解层数确定 26-27 2.4 本章小结 27-29 第3章 暂态电能质量扰动检测与定位 29-56 3.1 信号突变点检测原理 29-33 3.1.1 小波变换与信号奇异性关系 29-31 3.1.2 小波变换模极大值检测原理 31-33 3.2 基于小波变换的信号小波阀值去噪 33-44 3.2.1 信号小波去噪原理和方法 33-34 3.2.2 阀值的选择和量化 34-38 3.2.3 小波去噪仿真分析 38-43 3.2.4 高次谐波噪声问题 43-44 3.3 暂态电能质量扰动检测仿真分析 44-51 3.3.1 典型暂态电能质量扰动信号模型 44-46 3.3.2 扰动检测仿真分析 46-51 3.4 实测数据应用 51-55 3.5 本章小结 55-56 第4章 暂态电能质量扰动分类 56-75 4.1 引言 56-57 4.2 支持向量机理论 57-60 4.2.1 支持向量机分类思想及算法 57-59 4.2.2 非线性支持向量机及核函数 59-60 4.2.3 多分类问题 60 4.3 暂态电能质量扰动特征提取 60-67 4.3.1 小波域特征提取 61-62 4.3.2 时域特征提取 62-63 4.3.3 特征分析及选择和优化 63-67 4.4 暂态电能质量扰动分类仿真 67-73 4.4.1 支持向量机分类器的设计 67-68 4.4.2 扰动分类仿真结果分析 68-72 4.4.3 复合扰动下的识别结果 72-73 4.5 实测数据应用 73-74 4.6 本章小结 74-75 第5章 结论与展望 75-77 5.1 结论 75-76 5.2 展望 76-77 参考文献 77-80 攻读硕士学位期间发表的论文及其它成果 80 攻读硕士学位期间参加的科研工作 80-81 致谢 81
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于FPGA的电磁超声检测系统的研究,TH878.2
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 电子产品质量监控测试设备设计,TN06
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于车载3D加速传感器的路况监测研究,TP274
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 电力系统的自动化 > 遥远测量与遥远控制
© 2012 www.xueweilunwen.com
|