發(fā)布時間：2017-10-15 01:12

  本文關鍵詞：基于小波分析和支持向量機的電力系統(tǒng)輸電線路故障分類

  更多相關文章： 輸電線路 故障分類 小波分析 能量熵 支持向量機

【摘要】：隨著我國國民經(jīng)濟的飛速發(fā)展和基礎設施建設的不斷完善,電力系統(tǒng)作為支柱性行業(yè),其規(guī)模日益擴大,其中輸電線路傳輸功率以及電壓等級不斷提高,輸電網(wǎng)絡復雜程度越來越高。當電力系統(tǒng)發(fā)生故障時,需要迅速判定故障類型、準確定位故障位置、及時修復以防止故障范圍擴大,確保整個電力系統(tǒng)的安全、穩(wěn)定運行。本文針對電力系統(tǒng)輸電線路中最為常見的短路故障進行研究,并對國內(nèi)外各種故障分類方法進行了深入的比較分析,在此基礎上研究了一種基于小波分析和支持向量機的輸電線路故障分類方法,并通過仿真實驗與實證分析驗證了所建方法的有效性。本文方法方面的研究工作：建立了一種基于小波能量熵和支持向量機的電力系統(tǒng)輸電線路故障分類模型。采用小波分析技術對線路故障后的特征信息進行提取和分析,利用小波能量熵理論對故障電流信號進行分解,計算各相電流對應的能量熵值,結合零序電流構建了用于輸電線路故障分類的4維特征向量。該分類模型包括線性分類模塊和非線性分類模塊,其中線性分類是通過零序電流和設置閾值參數(shù)的兩層分類結構將數(shù)據(jù)樣本進行初步分類；在此基礎上根據(jù)輸電線路故障的小樣本數(shù)據(jù)特點,選用支持向量機對多類故障數(shù)據(jù)進行非線性分類,最終實現(xiàn)輸電線路故障分類。本文仿真與實證研究工作：利用MATLAB仿真模型初步驗證了所提方法進行輸電線路故障分類的有效性,并分析了模型參數(shù)設定對算法分類結果的影響；在此基礎上將本文所構建模型應用于山東臨沂地區(qū)的實際電力系統(tǒng)輸電線路故障分類,進一步驗證了本文所構建方法的實用性。
【關鍵詞】：輸電線路 故障分類 小波分析 能量熵 支持向量機
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM75
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究背景10
• 1.2 研究意義10-11
• 1.3 論文相關內(nèi)容的國內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 小波分析理論在電力系統(tǒng)中的研究現(xiàn)狀11-12
• 1.3.2 輸電線路故障分類方法的研究現(xiàn)狀12
• 1.3.3 支持向量機在輸電線路故障分類中的研究現(xiàn)狀12-14
• 1.4 論文的主要研究內(nèi)容和章節(jié)安排14-15
• 第2章 小波分析及小波熵的主要理論15-23
• 2.1 小波分析15-18
• 2.1.1 連續(xù)小波變換15-16
• 2.1.2 離散小波變換16-17
• 2.1.3 小波函數(shù)17-18
• 2.1.4 小波分析在電力系統(tǒng)中的應用18
• 2.2 小波熵18-22
• 2.2.1 信息熵18-19
• 2.2.2 六種小波熵的定義與計算方法19-22
• 2.3 本章小結22-23
• 第3章 支持向量機的分類方法研究23-33
• 3.1 支持向量機分類原理23-29
• 3.1.1 線性可分SVM23-26
• 3.1.2 線性不可分SVM26-28
• 3.1.3 SVM核函數(shù)28-29
• 3.1.4 支持向量機參數(shù)優(yōu)化29
• 3.2 多分類支持向量機29-31
• 3.2.1 一對一30
• 3.2.2 一對多30-31
• 3.3 算例分析31-32
• 3.3.1 算例描述31
• 3.3.2 建模與分析31-32
• 3.4 本章小結32-33
• 第4章 基于小波能量熵與支持向量機的輸電線路故障分類33-50
• 4.1 輸電線路的短路故障33-34
• 4.2 基于小波能量熵與支持向量機的輸電線路故障分類方法34-40
• 4.2.1 故障特征信號提取34-36
• 4.2.2 故障特征信號分類36-38
• 4.2.3 輸電線路故障分類方法的具體步驟38-40
• 4.3 仿真分析40-49
• 4.3.1 仿真描述40-45
• 4.3.2 分類模型訓練及驗證45-48
• 4.3.3 分類結果及分析48-49
• 4.4 本章小結49-50
• 第5章 實證研究50-58
• 5.1 問題描述50-52
• 5.1.1 背景分析50-51
• 5.1.2 實際故障特征分析51-52
• 5.2 實際數(shù)據(jù)預處理52-54
• 5.2.1 數(shù)據(jù)系統(tǒng)構成52
• 5.2.2 錄波數(shù)據(jù)解析52-53
• 5.2.3 故障電流數(shù)據(jù)提取53-54
• 5.3 分類模型實際應用及結果分析54-57
• 5.4 本章小結57-58
• 第6章 總結與展望58-59
• 6.1 總結58
• 6.2 展望58-59
• 參考文獻59-63
• 攻讀碩士學位期間發(fā)表的論文及其它成果63-64
• 致謝64-65
• 附錄A65

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王艷松;譚志勇;劉學民;;基于小波奇異熵和支持向量機的配電網(wǎng)故障類型識別[J];電力系統(tǒng)保護與控制;2011年23期

2 費佩燕,郭寶龍;單小波去噪方法在多小波去噪中的應用研究[J];信號處理;2004年06期

，

本文編號：1034220