電能質(zhì)量是衡量供電系統(tǒng)是否正常的一項重要指標,由于新能源發(fā)電的并網(wǎng)及各種非線性負荷的接入,使得電能質(zhì)量問題越加嚴重和復(fù)雜。為了提高電能的質(zhì)量通常在進行各種補償措施之前,需要對不同的電能質(zhì)量擾動（Power Quality Disturbances,PQD）實現(xiàn)類型的分類與特性的檢測。在真實環(huán)境中投入運營的電力系統(tǒng),其存在的電能質(zhì)量擾動在同一個時間段內(nèi)并不可能是僅僅由一種構(gòu)成,而是由許多種擾動在信號波形上疊加而成的,所以研究這些信號波形的檢測算法對于后期的改善具有重要意義。針對擾動類型繁多且識別難度較大的問題,本文首先分析了擾動類型的定義,利用改進后的小波算法解決了信號波形中存在大量冗余數(shù)據(jù)與噪聲的問題。由于S變換時頻精度不能滿足復(fù)合擾動的需求,故本文提出了分頻改進S變換（Frequency Divided S Transform,FDST）檢測算法,并進行了仿真對比分析。最后設(shè)計了基于徑向基函數(shù)（Radial Basis Function,RBF）神經(jīng)網(wǎng)絡(luò)用于擾動類型的識別,并利用粒子群優(yōu)化（Particle Swarm Optimization,PSO）算法對網(wǎng)絡(luò)參數(shù)進行了定量求取,... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同頻率下窗函數(shù)時域曲線圖

電能質(zhì)量復(fù)合擾動檢測與識別算法研究-22-(3)對離散信號xkT做傅里葉變換，即使KT趨近于NT，其中為頻率點，得到信號xkT的頻譜為HNT；(4)對于任意頻率不為0的點處，窗gk,n的傅里葉變換為2222π,emnGmn，其中k趨近于頻率點m；(5)取=mn，可以推出mnXNT，使得頻譜圖向左位移m點，再計算出X和G的乘積，即可得到n的頻譜。3.1.3廣義S變換S變換的處理雖然解決了STFT窗函數(shù)窗寬無法改變的缺點，但是在處理數(shù)據(jù)量龐大且復(fù)雜的電網(wǎng)擾動時高斯窗函數(shù)并不能滿足要求。通過對S變換的窗函數(shù)乘以一個系數(shù)，使得S變換對時間和頻率都擁有很好的處理分辨率。在低頻區(qū)段下，擴大其高斯窗口的寬度，提高頻率分辨率；在高頻區(qū)段下，使高斯窗口變的更窄，提高時域分辨率。對S變換使用的窗函數(shù)進行修改，其高斯窗表達式為：22"21e2πtfwtf(3.15)將窗寬修改為：1fgf(3.16)其中，g為引入的窗寬調(diào)整系數(shù)，通過對窗寬系數(shù)的調(diào)整，可以對高斯窗進一步調(diào)整，以獲得更好的時頻處理效果。不同g值下的高斯窗函數(shù)時域形態(tài)曲線如圖3.3。圖3.3不同g值下的窗函數(shù)時域曲線

蘭州交通大學(xué)碩士學(xué)位論文-23-對幅值和頻率分別修正，引入不同的調(diào)節(jié)系數(shù)將高斯窗口實現(xiàn)改進，得到廣義S變換[44]，稱為GST，其表達式為：2222π2,d2πftiftfGSTffteet(3.17)其中，和是對窗寬進行修正的系數(shù)，分別可以調(diào)整高斯窗函數(shù)對S變換的時間及頻率分辨率。當=1或者=1時，即為傳統(tǒng)連續(xù)S變化；當1或者1時，會使高斯窗變寬，從而增大了信號的頻率分辨率；當1或者1時，系數(shù)會使得高斯窗的寬度變窄，從而來增大信號的時域分辨率。3.2基于高低頻改進S變換算法的電能質(zhì)量擾動分析3.2.1廣義S變換算法的改進由式3.5可知，S變換的窗口寬度與頻率成反比，因此窗函數(shù)可以在不同頻率點處擁有不同的寬度，但由于電能質(zhì)量擾動具有頻率不固定的特點，對于同一頻率下的擾動而言，窗寬固定不能改變，因此不能對電能質(zhì)量擾動具有很好的時頻分辨率。為了改進不同頻率下S變換對電能質(zhì)量擾動的時頻分析特性，通過對窗函數(shù)引入一個系數(shù)，來改變窗寬改變的速率，從而對不同頻率下的擾動具有更好的檢測效果。以最常見的暫降擾動波形為例，采樣頻率為3200Hz進行離散采樣，圖3.4為擾動信號經(jīng)過傳統(tǒng)S變換后的時頻等高線。圖3.4傳統(tǒng)S變換時頻等高線


本文編號：3486858