基于小波與神經(jīng)網(wǎng)絡(luò)算法的暫態(tài)電能質(zhì)量信號(hào)分析.pdf

1、論文以五種常見(jiàn)的暫態(tài)電能質(zhì)量現(xiàn)象即電壓驟降、電壓驟升、電壓中斷、振蕩暫態(tài)、脈沖暫態(tài)為主要研究對(duì)象，重點(diǎn)研究了小波算法在暫態(tài)電能質(zhì)量信號(hào)檢測(cè)與分析中的應(yīng)用，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)進(jìn)行暫態(tài)電能質(zhì)量的識(shí)別與分類(lèi)。針對(duì)暫態(tài)電能質(zhì)量的檢測(cè)和分析做了以下幾個(gè)方面的研究。 較為全面的介紹了電能質(zhì)量的定義、分類(lèi)以及國(guó)內(nèi)外研究現(xiàn)狀。詳細(xì)闡述了目前常用的幾種暫態(tài)電能質(zhì)量的檢測(cè)和分析方法、應(yīng)用現(xiàn)狀及存在問(wèn)題。 針對(duì)實(shí)際信號(hào)檢測(cè)中的消噪問(wèn)題，改進(jìn)了

2、基于小波包變換的軟閾值消噪算法。針對(duì)小波包分解在不同頻帶上的系數(shù)采用不同的閾值進(jìn)行處理：對(duì)于高頻系數(shù)，采用基于Stein無(wú)偏似然估計(jì)原理的自適應(yīng)閾值。對(duì)于低頻系數(shù)，采用固定閾值。仿真結(jié)果表明，與改進(jìn)前算法相比，本文算法具有更好的消噪性能。 針對(duì)實(shí)際信號(hào)中的數(shù)據(jù)壓縮問(wèn)題，本文提出了基于第二代小波變換的數(shù)據(jù)壓縮方法，對(duì)將第二代小波變換應(yīng)用于暫態(tài)電能質(zhì)量分析做了有益的嘗試。仿真結(jié)果表明使用第二代小波變換進(jìn)行數(shù)據(jù)壓縮可以獲得較高的壓縮比

3、，但重構(gòu)誤差偏大，如何在保持較高壓縮比前提下減小重構(gòu)誤差還需進(jìn)一步探討。 在信號(hào)消噪與壓縮的基礎(chǔ)上，根據(jù)暫態(tài)電能質(zhì)量信號(hào)的非平穩(wěn)特性，對(duì)暫態(tài)電能質(zhì)量信號(hào)進(jìn)行小波包分解，提取信號(hào)奇異點(diǎn)。實(shí)現(xiàn)了精確的暫態(tài)電能質(zhì)量信號(hào)擾動(dòng)定位，獲取暫態(tài)電能質(zhì)量信號(hào)的特征指標(biāo)。 最后，論文將小波包變換與人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合實(shí)現(xiàn)暫態(tài)電能質(zhì)量信號(hào)的分類(lèi)。對(duì)暫態(tài)電能質(zhì)量信號(hào)進(jìn)行小波包分解，提取出最能反映信號(hào)暫態(tài)特征的小波包系數(shù)能量。將小波包系數(shù)能量