基于S變換和PSO-BPNN的電壓暫降檢測與識別方法研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著科學(xué)的發(fā)展及電力電子技術(shù)的不斷提高,大量高精密儀器儀表被廣泛使用,隨之而來的各種電能質(zhì)量問題嚴(yán)重影響著電力系統(tǒng)的供電安全和穩(wěn)定運(yùn)行,這就對電力系統(tǒng)的電能質(zhì)量提出了更高層次的要求。電壓暫降作為電能質(zhì)量的一種,由于其發(fā)生頻率高、波及面廣、造成影響較大等問題,已經(jīng)成為目前電能質(zhì)量的重點研究方向。
  本文通過分析國內(nèi)外研究現(xiàn)狀,發(fā)現(xiàn)在電壓暫降檢測方面,S變換作為一種新型時頻分析方法,較其他方法具有窗函數(shù)可變,時間、頻率和幅值分辨率高

2、,對噪聲不敏感等優(yōu)點,正逐漸在相關(guān)領(lǐng)域被推廣應(yīng)用;而在用于電壓暫降擾動信號識別的分類器方面,雖然BP神經(jīng)網(wǎng)絡(luò)在并行處理、自學(xué)習(xí)、自組織和容錯性能上具有顯著優(yōu)勢,但由于其本身存在收斂速度慢、容易陷入局部最優(yōu)等缺陷。在對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化方面,大量文獻(xiàn)已經(jīng)表明粒子群(PSO)算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化有著很好效果。故本文提出了基于S變換和PSO-BP神經(jīng)網(wǎng)絡(luò)的電壓暫降檢測與識別方法。首先利用MATLAB/SIMULINK為仿真平臺,搭建簡單配

3、電網(wǎng)仿真模型,獲得6種不同類型的電壓暫降擾動源模型,包括線路短路故障模型、感應(yīng)電動機(jī)啟動模型、變壓器投入模型、多重故障模型、感應(yīng)電動機(jī)重新啟動模型、感應(yīng)電動機(jī)啟動和變壓器投入共同作用模型。其次對6種擾動信號進(jìn)行S變換獲得信號的基頻幅值曲線和基頻斜率變化曲線,完成對電壓暫降幅值和起止時刻的檢測,并根據(jù)擾動信號的不同特點利用S變換提取所需特征值。最后將提取到的特征值作為訓(xùn)練樣本和測試樣本輸入到PSO-BP神經(jīng)網(wǎng)絡(luò)中,完成電壓暫降擾動源的分類

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論