基于S变换和神经网络的电能质量的研究-电气工程专业论文.docxVIP

原创性声明 本人郑重声明:所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成 果。除文中已经注明引用的内容外，本学位论文不包含任何伯人或集体已经发表的作品 内容，也不包含本人为获得其他学位市使用过的材料 α 对本论文所涉及的研究工作做出 贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文黑挝性声明的法律 任由本人承担。 学位论文作者签名 :ji坟技 日期:之orl.I/. 7IO 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定:学校有权采 用影印、缩印、扫描、数字化或其它手段保存论文;学校有权提供本学位论文全文或者部 分内容的阅览服务;学校有权将学住诠文的全部或部分内容编入有关数据库进行检索、交 流;学校有权向国家有关部门或者机构送交论文的复印件和电子版。 (必威体育官网网址的学位论文在解密后适用本授权说明〉 学位以作者签名:王坎仗 导照签名:得叫 日期: )_.:) tI‘f/. 7.4 日期:二2..0. 11 毛必 基于 S 变换和神经网络的电能质量的研究 摘 要 近几年来，随着电力电子装置在电力系统中的广泛应用，电力系统中的非线性、冲击 性、非对称性的负荷显著增加，电能质量问题已经成为众多领域关注的热点问题。改善和 提高电能质量的首要问题就是对电能质量扰动进行检测和识别，如何准确的检测扰动和正 确地对其进行分类识别也是构建电能质量扰动检测系统的必要前提和改善电能质量的重 要步骤。 本文针对电能质量问题，分析了各种电能质量扰动检测和分类方法的研究现状，比较 各种方法的优缺点，提出了一种基于 S 变换和概率神经网络的电能质量扰动的检测和分类 方法。论文对电能质量问题进行了以下研究： 运用 S 变换对电能质量扰动模型信号进行时频分析，提取各种特征曲线进行电能质量 扰动检测。具体来讲，提取列向量平方和均值曲线检测扰动的起止时刻，提取行向量平方 和均值曲线检测扰动频率，提取时间-幅值包络线检测扰动幅度。 对检测输出的特征曲线进行特征量提取，将特征量分为训练样本集和测试样本集，用 训练样本集训练概率神经网络，然后将测试样本集输入到概率神经网络中，进行电能质量 扰动的分类。 对比不同噪声条件下的扰动分类结果，检验该方法的抗噪声能力。 仿真结果表明 S 变换具有很好的时频分析能力，能够实现电能扰动信号的较准确检测； S 变换和概率神经网络结合的方法训练速度快，结构简单，需要的训练样本数少，分类识 别正确率高并且抗噪声能力强，是一个电能质量检测与分类的有效方法。 关键字：电能质量，时频分析，检测与分类，S 变换，概率神经网络 POWER QUALITY ANALYSIS BASED ON S-TRANSFORM AND PNN ABSTRACT In recent years, with the wide application of power electronic devices, loads such as nonlinearity、impact and asymmetry, increase remarkablely in power systems. Therefore power quality has become a hot issue in many areas. The initiative question of improving and enhancing the power quality is classification and recognition of power quality disturbances. And how to detect and classify accurately disturbances is the necessary prerequisite to build the complete quality inspection system and significant step to improve power quality problems. With regard to power quality problems, this paper analyses the current state of the methods used in power quality disturbance analysis, and comparing their advantages and disadvantages. Then it puts forward a method based on S-transform and Probabilistic Neural Network (PNN) for dis