電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)與識(shí)別方法研究.pdf

1、隨著科技的迅速發(fā)展，越來越多的電子設(shè)備以及精密儀器應(yīng)用到生活中。它們不僅對(duì)電能質(zhì)量提出了更高的要求，也給電能質(zhì)量帶來了很多的不良影響，社會(huì)的經(jīng)濟(jì)發(fā)展和人民的生活水平都與電能質(zhì)量的好壞有著密切的聯(lián)系。因此，對(duì)電能質(zhì)量的檢測(cè)識(shí)別以及治理勢(shì)在必行，也得到國(guó)內(nèi)外學(xué)者越來越多的關(guān)注。本文針對(duì)電能質(zhì)量擾動(dòng)信號(hào)問題，深入研究了基于小波變換和多分辨率S變換相結(jié)合的檢測(cè)算法和基于復(fù)高斯小波核函數(shù)的多標(biāo)簽排位小波支持向量機(jī)的識(shí)別算法，為后續(xù)對(duì)電能質(zhì)量問題進(jìn)

2、行治理奠定了基礎(chǔ)。
　　首先，針對(duì)電能質(zhì)量擾動(dòng)信號(hào)分類時(shí)間較長(zhǎng)的問題，提出了基于小波變換和多分辨率S變換相結(jié)合的檢測(cè)算法。該算法將小波變換的多尺度分析優(yōu)勢(shì)與多分辨率S變換識(shí)別較靈活優(yōu)點(diǎn)相結(jié)合。對(duì)原始擾動(dòng)信號(hào)進(jìn)行小波變換以得到高頻分量和低頻分量，并只對(duì)需所得的低頻分量進(jìn)行多分辨率S變換以提取特征向量。這樣，不僅保證了原始信號(hào)的特征信息，而且得到的S變換模矩陣維數(shù)只有原始信號(hào)直接做S變換的模矩陣維數(shù)的四分之一。因此，本文所提檢測(cè)算法既

3、能保證電能質(zhì)量擾動(dòng)信號(hào)的分類識(shí)別準(zhǔn)確率，又可以大幅提高分類識(shí)別效率。
　　其次，本文針對(duì)復(fù)合電能質(zhì)量擾動(dòng)信號(hào)分類問題，提出了基于復(fù)高斯小波核函數(shù)的多標(biāo)簽排位小波支持向量機(jī)(Rank-Wavelet Support Vector Machine,Rank-WSVM)識(shí)別算法。該算法將小波技術(shù)與多標(biāo)簽排位支持向量機(jī)(Rank-SVM)結(jié)合，用復(fù)高斯小波核取代原有的支持向量核，利用復(fù)高斯小波核的優(yōu)良特性提高分類器的整體性能。該方法既適用