基于QPSO-WNN的暫態(tài)電能質(zhì)量擾動(dòng)分類(lèi)研究.pdf

1、隨著我國(guó)電力系統(tǒng)的發(fā)展，電壓等級(jí)和自動(dòng)化水平的日益提高，電網(wǎng)結(jié)構(gòu)和調(diào)控手段越來(lái)越復(fù)雜，電力用戶對(duì)電能質(zhì)量的要求越來(lái)越嚴(yán)格。電能質(zhì)量作為衡量電力系統(tǒng)優(yōu)劣的一個(gè)重要標(biāo)準(zhǔn)，愈來(lái)愈受到各個(gè)領(lǐng)域的關(guān)注，因此大力改善電能質(zhì)量已成為眾多學(xué)科研究的課題。而對(duì)電能質(zhì)量擾動(dòng)的檢測(cè)、定位和分類(lèi)則是提高電能質(zhì)量的必須環(huán)節(jié)和重要前提。
　　 本文主要對(duì)暫態(tài)電能質(zhì)量擾動(dòng)的檢測(cè)和分類(lèi)問(wèn)題進(jìn)行了研究，提出一種基于量子粒子群優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)暫態(tài)電能質(zhì)量擾動(dòng)分類(lèi)

2、方法。
　　 本文首先利用小波變換多分辨特點(diǎn)，對(duì)擾動(dòng)信號(hào)進(jìn)行了多層分解，然后將信號(hào)分解于不同頻帶，對(duì)每個(gè)分解層設(shè)置不同的閾值，采用小波變換自適應(yīng)對(duì)暫態(tài)電能質(zhì)量擾動(dòng)信號(hào)去噪；根據(jù)小波變換模極大值法對(duì)擾動(dòng)信號(hào)的奇異點(diǎn)進(jìn)行檢測(cè)和定位，最后，提取小波變換系數(shù)與參考信號(hào)能量，將兩者差值作為小波神經(jīng)網(wǎng)絡(luò)的輸入特征向量，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，從而實(shí)現(xiàn)對(duì)幾種常見(jiàn)暫態(tài)電能質(zhì)量擾動(dòng)的分類(lèi)。
　　 小波神經(jīng)網(wǎng)絡(luò)是小波變換和神經(jīng)網(wǎng)絡(luò)的結(jié)合，擁有兩者的優(yōu)

3、點(diǎn)，通常多應(yīng)用于識(shí)別分類(lèi)問(wèn)題，但因網(wǎng)絡(luò)訓(xùn)練時(shí)間較長(zhǎng)，且易陷入局部最優(yōu)，為了使上述算法得到改善，本文提出了一種量子粒子群算法，該算法無(wú)需計(jì)算粒子速度函數(shù)，只需更新粒子位置，參數(shù)設(shè)置較少，便于計(jì)算。經(jīng)實(shí)例驗(yàn)證，取得了良好的計(jì)算結(jié)果。
　　 基于QPSO-WNN的分類(lèi)方法和小波神經(jīng)網(wǎng)絡(luò)相比較，訓(xùn)練誤差較小，能夠?qū)ΤＲ?jiàn)的暫態(tài)電能質(zhì)量擾動(dòng)現(xiàn)象進(jìn)行較為準(zhǔn)確的分類(lèi)，經(jīng)Matlab軟件仿真，成功實(shí)現(xiàn)暫態(tài)電能質(zhì)量擾動(dòng)的檢測(cè)和分類(lèi)，從而證實(shí)了本文所