由于電網(wǎng)環(huán)境日益復雜,隨之而來的電能質(zhì)量問題危害精密儀器工作,折損電力設(shè)備壽命,給用戶造成無法挽回的經(jīng)濟損失。治理電能質(zhì)量擾動的關(guān)鍵是對其進行準確的識別和分析,但其含有擾動特征的關(guān)鍵信息在信號采集、傳輸?shù)冗^程中會與噪聲混淆,影響準確檢測。針對電能質(zhì)量擾動類型多,成份復雜,擾動特征易被當作噪聲去除,且分類時特征提取不明確,分類識別率低等問題,本文對電能質(zhì)量擾動的去噪、特征提取、分類進行了深入的研究。（1）本文提出一種改進小波閾值去噪算法。該算法通過計算每層小波系數(shù)的峰和比來確定該層噪聲含量,使修正因子可根據(jù)不同擾動信號的噪聲分布特點自適應調(diào)整通用閾值。同時,提出了改進的閾值函數(shù),其可變參數(shù)能調(diào)節(jié)自身軟、硬特性從而確定合適的閾值函數(shù)。采用該算法對7種常見電能質(zhì)量擾動信號去噪,仿真結(jié)果表明,改進小波閾值去噪算法在不同噪聲干擾下,對各類擾動信號都能達到較好的信噪比,去噪效果穩(wěn)定,重構(gòu)信號波形恢復較好,且在去噪過程中保留了擾動特征,能為后續(xù)電能質(zhì)量分析提供準確有效的信息。（2）本文構(gòu)建一種新的特征提取方法,利用拉格朗日插值生成分數(shù)延遲濾波器,優(yōu)化標準小波,在小波分解的各層細節(jié)系數(shù)中提取信號特征矩... 

【文章來源】：西華大學四川省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電能質(zhì)量擾動信號去噪算法的研究現(xiàn)狀
        1.2.2 電能質(zhì)量擾動信號特征提取方法的研究現(xiàn)狀
        1.2.3 電能質(zhì)量擾動信號分類算法的研究現(xiàn)狀
    1.3 論文主要內(nèi)容
2 小波變換理論在電能質(zhì)量中的應用
    2.1 電能質(zhì)量概述
        2.1.1 電能質(zhì)量的定義
        2.1.2 電能質(zhì)量的分類
    2.2 小波變換
        2.2.1 連續(xù)小波變換
        2.2.2 離散小波變換
        2.2.3 多分辨率分析與Mallat算法
    2.3 小波在電能質(zhì)量分析中的應用
        2.3.1 小波基的選取
        2.3.2 小波分析用于電能質(zhì)量擾動信號去噪
        2.3.3 小波分析用于電能質(zhì)量擾動信號特征提取
    2.4 本章小結(jié)
3 基于改進閾值和閾值函數(shù)的電能質(zhì)量擾動信號去噪
    3.1 小波閾值去噪原理
    3.2 改進閾值去噪算法
        3.2.1 自適應修正閾值
        3.2.2 改進閾值函數(shù)
    3.3 實驗仿真
        3.3.1 去噪效果分析
        3.3.2 擾動特征分析
    3.4 本章小結(jié)
4 基于拉格朗日分數(shù)延遲小波的特征提取
    4.1 基于分數(shù)延遲濾波器的小波設(shè)計
        4.1.1 理想分數(shù)延遲濾波器
        4.1.2 拉格朗日分數(shù)延遲濾波器
        4.1.3 拉格朗日分數(shù)延遲小波設(shè)計
    4.2 LFDW性能分析
        4.2.1 頻率響應
        4.2.2 高通能量比
        4.2.3 LFDW小波分解
    4.3 特征提取方案
    4.4 本章小結(jié)
5 電能質(zhì)量擾動信號分類
    5.1 電能質(zhì)量擾動分類總體方案
    5.2 粒子群優(yōu)化概率神經(jīng)網(wǎng)絡
        5.2.1 概率神經(jīng)網(wǎng)絡原理
        5.2.2 粒子群優(yōu)化算法
        5.2.3 PNN_PSO
    5.3 實驗仿真
        5.3.1 延遲效果分析
        5.3.2 LFDW+PNN分類結(jié)果分析
        5.3.3 LFDW+PNN_PSO分類結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學位期間發(fā)表論文及科研成果
致謝


【參考文獻】：
期刊論文
[1]基于S變換和SVM分類器的電能質(zhì)量分析的研究[J]. 史建勛,蘇昕,倪相生.  自動化與儀器儀表. 2019(01)
[2]基于并行隱馬爾科夫模型的電能質(zhì)量擾動事件分類[J]. 謝善益,肖斐,艾芊,周剛.  電力系統(tǒng)保護與控制. 2019(02)
[3]基于改進閾值和閾值函數(shù)的電能質(zhì)量小波去噪方法[J]. 王維博,董蕊瑩,曾文入,張斌,鄭永康.  電工技術(shù)學報. 2019(02)
[4]基于改進S變換的超高頻局部放電信號特征提取及分類[J]. 龍嘉川,王先培,代蕩蕩,田猛,朱國威,黃云光.  高電壓技術(shù). 2018(11)
[5]基于相空間重構(gòu)和卷積神經(jīng)網(wǎng)絡的電能質(zhì)量擾動分類[J]. 陳偉,何家歡,裴喜平.  電力系統(tǒng)保護與控制. 2018(14)
[6]基于概率神經(jīng)網(wǎng)絡的局部放電信號特征提取與識別研究[J]. 林偉,王昕,鄭益慧,李立學.  電氣自動化. 2018(03)
[7]采用經(jīng)驗小波變換的風力發(fā)電機振動信號消噪[J]. 陳學軍,楊永明.  浙江大學學報(工學版). 2018(05)
[8]基于品質(zhì)因子可調(diào)小波變換與排列熵的電能質(zhì)量信號檢測方法[J]. 張宇輝,武東斌,吳家明,王劼妍,孫玉成.  電力科學與技術(shù)學報. 2018(01)
[9]基于自適應分解層數(shù)和閾值的小波去噪算法[J]. 余本富,王維博,鄭永康,董蕊瑩.  傳感器與微系統(tǒng). 2017(12)
[10]信息論與專家系統(tǒng)相結(jié)合的電網(wǎng)故障診斷[J]. 張海波,賈凱,施蔚錦,郭建釗,蘇煒智,張莉.  電力系統(tǒng)及其自動化學報. 2017(08)

博士論文
[1]現(xiàn)代電力系統(tǒng)電能質(zhì)量評估體系的研究[D]. 陶順.華北電力大學（北京） 2008
[2]粒子群優(yōu)化算法的理論及實踐[D]. 張麗平.浙江大學 2005

碩士論文
[1]數(shù)學形態(tài)學在電能質(zhì)量暫態(tài)擾動檢測中的應用研究[D]. 文發(fā).華東交通大學 2016



本文編號：3426418