基于HHT和SVM的暫態(tài)電能質(zhì)量擾動檢測及分類.pdf

1、隨著國家智能電網(wǎng)戰(zhàn)略的推進和電力技術(shù)和電力經(jīng)濟的快速發(fā)展，電力系統(tǒng)中電力電子設(shè)備用量的急劇增加。系統(tǒng)中電力負荷的非對稱性、沖擊性和非線性也變得顯著，電能質(zhì)量問題對電力系統(tǒng)的影響和給社會帶來的損失也逐漸在加大，因此如何抑制擾動影響和提高電能質(zhì)量已成為了智能電網(wǎng)建設(shè)和電力技術(shù)中的一個重要方面。為此，研究電能質(zhì)量擾動類型，尤其是暫態(tài)電能質(zhì)量擾動類型的有效檢測、分析及其分類識別方法是改善電能質(zhì)量的前提，同時也是構(gòu)建完善的電網(wǎng)電能質(zhì)量監(jiān)測系統(tǒng)的主

2、要內(nèi)容之一。
　　 本文首先對暫態(tài)電能質(zhì)量在特征檢測、定位和類型分類識別方面的國內(nèi)外研究現(xiàn)狀進行了對比研究，在此基礎(chǔ)上，提出了一種基于HHT方法和SVM分類器相結(jié)合應(yīng)用于暫態(tài)電能質(zhì)量擾動檢測和類型分類的識別方法，充分利用了HHT方法在處理分析非線性和非平穩(wěn)過程的數(shù)據(jù)的優(yōu)異性和SVM方法在樣本學(xué)習(xí)分類中的統(tǒng)計有效性的優(yōu)勢。借助HHT方法對暫態(tài)電能質(zhì)量擾動信號數(shù)據(jù)進行特征檢測，在檢測特征數(shù)據(jù)中進行特征提取，選擇有代表性的特征組成類型

3、分類辨識的特征向量，然后基于暫態(tài)電能質(zhì)量擾動模型生成的采樣樣本庫，按照交叉順序抽取原則，形成訓(xùn)練樣本庫和測試樣本庫，采用SVM方法依照逐級逐層的兩兩分類原則實現(xiàn)對復(fù)合擾動信號數(shù)據(jù)中擾動類型的分類識別。最后在Matlab環(huán)境中對以上數(shù)據(jù)分析處理流程進行仿真，通過對仿真結(jié)果的分析驗證了本文中提出的組合方法具有快速、模式簡單、分類準確率高等優(yōu)異性，可為暫態(tài)電能質(zhì)量的有效分析、檢測和分類提供科學(xué)的參考依據(jù)。本文主要完成了如下研究工作：
　

4、　 ①對暫態(tài)電能質(zhì)量擾動檢測及分類方法的研究現(xiàn)狀分為了暫態(tài)電能質(zhì)量擾動特征檢測和擾動類型分類兩部分分別進行了對比研究及做了簡要的總結(jié)。
　　 ②在暫態(tài)電能質(zhì)量擾動特征檢測中借助HHT方法，探討了進行擾動特征檢測、參數(shù)提取方法及過程，并以暫態(tài)低頻振蕩為例在Matlab平臺上進行了仿真分析。
　　 ③提出了一種基于HHT方法和SVM分類器相結(jié)合的方法來實現(xiàn)對復(fù)合暫態(tài)電能質(zhì)量擾動特征提取及擾動類型的分類識別及其方法流程。