基于復阻抗和模糊SVM的暫態(tài)電能質(zhì)量擾動檢測與分類.pdf

1、隨著國家工業(yè)水平與科學技術的飛速發(fā)展，電能在逐步成為基礎能源的同時，各個行業(yè)對電能質(zhì)量的要求也在逐漸提高。由于各種非線性、沖擊性和波動性電力設備的廣泛應用，各類電能質(zhì)量擾動現(xiàn)象頻繁出現(xiàn)，對社會經(jīng)濟造成的損失日益增加。實現(xiàn)對電能質(zhì)量擾動的有效治理是國家工業(yè)化水平的體現(xiàn)，因此，提高電能質(zhì)量，打造綠色優(yōu)質(zhì)的電力網(wǎng)絡成為了時下的熱門課題。但是，由于電能質(zhì)量擾動種類繁多，實際情況錯綜復雜，實現(xiàn)對相關擾動的有效治理難度較大。
　　針對電能質(zhì)量

2、擾動精準清晰的分類是治理擾動的前提條件，是提高電能質(zhì)量的首要保證。本文在線路復阻抗的基礎上提取出擾動特征，結合支持向量機(SVM)和模糊支持向量機(F-SVM)兩種分類方法，對5種主要的電能質(zhì)量擾動進行特征提取、優(yōu)化及分類，取得了良好的效果。本文所做的主要工作如下:
　　(1)本文提出一種基于復阻抗的電能質(zhì)量擾動特征提取方法。該方法首先通過Hilbert變換構造出擾動電壓和電流信號的解析函數(shù)，然后計算出擾動發(fā)生時段的信號復阻抗，再

3、結合軟件鎖相環(huán)等相關工具提取出復阻抗模值差值、復阻抗相位跳變最大值、殘壓值、殘壓余量以及擾動持續(xù)時間等擾動特征，最終組成特征向量。分類結果表明，這種方法不僅易于實現(xiàn)，而且可有效提取出擾動特征，具有一定的推廣價值。
　　(2)針對SVM方法的不足，本文進一步提出基于貝葉斯理論的F-SVM分類方法。在貝葉斯理論的基礎上，通過抽樣點密度的概念，構造出數(shù)據(jù)集的隸屬度函數(shù)。由此，確定每一個數(shù)據(jù)點的隸屬度值，通過這種方法，有效降低了不同噪聲對

4、最終分類結果的不利影響。不同類型和不同信噪比噪聲環(huán)境下的分類精度對比表明，該方法在復雜的噪聲環(huán)境中具有更高的分類精度和更強的魯棒性。
　　(3)本文首先在不同信噪比的高斯噪聲環(huán)境下，比較了三種分類方法的分類精度，分別是復阻抗結合SVM、復阻抗結合F-SVM和已提出的S變換結合SVM的分類方法，分析了不同特征提取方法的優(yōu)勢和不足。然后在不同信噪比的白噪聲環(huán)境下，比較分析了復阻抗結合SVM和復阻抗結合F-SVM的分類方法，分析對比相同