基于小波熵电力系统暂态信号特征提取及识别方法研究

摘要

近年来，暂态电能质量问题已成为电气工程领域的研究热点之一。电压突升、电压暂降、电压中断和瞬时脉冲等均属于暂态电能质量问题，电力故障、雷击干扰、电容投切及大负荷起停等对电网的暂态扰动都可能引发上述问题。暂态扰动发生时，电力系统中将出现叠加于稳态信号之上的暂态信号。如果利用蕴藏在暂态信号中的特征信息并结合分类识别方法，确定暂态扰动的类型及持续时间，将对实现电力故障检测与识别、暂态继电保护等具有重要的理论和现实意义。
　　由于电力暂态信号能量低、幅值小，极易被稳态信号和系统噪声所淹没，所以准确提取暂态信号特征成为一个关键问题。同时，电力暂态信号所包含的暂态特征信息数量巨大且量纲不一，直接作为特征分类标准不但运算量巨大，而且存在干扰现象，难以实现暂态扰动的有效识别。针对电力暂态信号特征信息提取困难的问题，本论文提出一种非广延小波熵信号特征提取方法，并应用于电力系统暂态信号特征信息的提取。针对暂态特征信息数量众多无法有效识别的问题，对提取的暂态特征信息进行证据融合，利用聚类分析获得原始分类规则，并引入蚁群优化算法完成规则精简。
　　论文首先对目前应用于暂态信号检测领域的Shannon小波熵的理论基础进行分析，研究其在复杂暂态信号特征提取中的工作机理，围绕相邻小波混叠负面效应、广延性对 Shannon小波熵暂态特征提取效果的影响等问题展开讨论，探求问题的根源。利用善于表征广义系统复杂度的Tsallis熵与插值提升小波结合，构造一种非广延小波熵——Tsallis小波熵，并解释其衍生算法的物理意义。从小波混叠、特征提取效果与算法复杂度等方面，研究 Tsallis小波熵的工作机理及适用范围，分析其与Shannon小波熵的联系与区别，给出非广延参数的选取原则，并通过仿真予以验证。
　　其次，论文研究了 Tsallis小波熵中小波能量熵、小波奇异熵和小波时间熵在电力系统暂态信号特征提取中的应用。以雷击、相间短路故障发生时电力系统中暂态信号特征提取为例，分别对3种Tsallis小波熵的工作机理和特征提取效果进行了分析对比。通过对非广延参数与Tsallis小波熵暂态信号特征提取效果之间关系的研究，提出非广延参数的选取方法，给出不同暂态扰动条件下，Tsallis小波能量熵非广延参数的选取范围。针对 Shannon小波熵在暂态谐波特征提取中存在的不足，提出利用Tsallis小波包熵表征暂态谐波复杂度的检测方法，对小波包奇异熵和小波包能量熵算法的工作机理及特征提取效果进行研究对比，并与能量谱分析（PSD）理论相结合提取出电力信号中的暂态谐波信息。
　　最后，论文在分析不同小波熵特征提取结果的基础上，按照小波熵特征信息分布规律进行属性空间划分，利用聚类分析获得不同电力暂态信号分类判据并构造原始分类规则。通过对分类规则中各属性判据的分析，讨论分类规则中干扰判据对分类效果产生的负面影响。借鉴蚂蚁矿工优化算法的优点，提出一种改进蚁群算法并将其应用于电力暂态信号特征分类规则中干扰判据的删除，继而获得优化分类规则，在提升分类识别效率的同时，为全面掌握电力系统运行情况提供参考依据。

目录

基于小波熵电力系统暂态信号特征提取及识别方法研究

RESEARCH ON FEATURE EXTRACTION AND RECOGNITION OF TRANSIENT SIGNALS IN POWER SYSTEM BASED ON WAVELET ENTROPY

摘 要

Abstract

目 录

Contents

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 电力系统暂态信号特征提取方法的研究现状

1.2.1 电力暂态信号的产生与特点

1.2.2 电力暂态信号特征提取的主要方法

1.2.3 小波熵理论的研究及应用现状

1.3 应用于电力系统的分类识别方法研究现状

1.3.1 电力系统中分类识别的主要方法

1.3.2 电力系统中分类识别方法发展趋势

1.4 本文的主要研究内容

第2章 小波熵在暂态信号分析中的研究

2.1 引言

2.2 Shannon小波熵的理论框架

2.3 针对Shannon小波熵暂态信号特征提取缺陷的研究

2.3.1 小波混叠对Shannon小波熵的负面影响

2.3.2 Shannon小波熵广延性在复杂度表征的局限性

2.3.3 Shannon小波熵时频域划分粗糙性的讨论

2.3.4 Shannon小波熵算法复杂度分析

2.4 基于非广延小波熵暂态信号特征提取的研究

2.4.1 非广延熵及其数学特性

2.4.2 Tsallis小波熵——Shannon小波熵延拓

2.4.3 Tsallis小波熵非广延性对特征提取效果的影响

2.4.4 基于提升插值小波分解的快速Tsallis小波熵

2.4.5 Tsallis小波熵算法复杂度分析

2.5 本章小结

第3章 Tsallis小波熵电力系统暂态信号特征提取方法

3.1 引言

3.2 电力系统建模与暂态信号仿真

3.2.1 配电系统模型的建立

3.2.2 几种典型电力系统暂态扰动的数学模型

3.3 基于Tsallis小波熵的暂态电压波动特征提取方法研究

3.3.1 电力系统暂态信号特征提取中小波熵的小波基选取

3.3.2 Tsallis小波熵在电力暂态特征提取中非广延参数的确定

3.3.3 Tsallis小波时间熵在雷击扰动特征提取中的机理分析

3.3.4 Tsallis小波能量熵与奇异熵在暂态电压特征提取中的机理分析

3.4 基于Tsallis小波包熵的暂态谐波特征提取方法研究

3.4.1 Tsallis小波包熵的数学表达与物理意义

3.4.2 Tsallis小波包熵暂态谐波复杂度分析

3.4.3 Tsallis小波包熵与PSD结合的暂态谐波特征提取

3.5 本章小结

第4章 电力系统暂态信号的分类与识别方法

4.1 引言

4.2 基于Tsallis 小波熵证据和聚类分析的分类方法

4.2.1 聚类分析基本理论

4.2.2 Tsallis小波熵证据融合

4.2.3 小波熵聚类中心的计算方法

4.2.4 小波熵证据聚类分类规则与电力暂态信号分类识别

4.2.5 多判据的干扰性分析

4.3 蚁群算法分类规则优化

4.3.1 蚁群算法的主要思想

4.3.2 蚁群算法在数据挖掘及分类中的应用

4.3.3 基于蚂蚁矿工算法的分类规则优化方法

4.3.4 优化分类规则对电力暂态扰动特征识别的仿真验证

4.4 本章小结

第5章 特征提取及分类识别方法实验验证

5.1 引言

5.2 实验方案

5.3 电力系统暂态信号数据及其波形分析

5.3.1 电压波动

5.3.2 雷击干扰

5.3.3 暂态谐波

5.4 电力暂态信号特征提取实验

5.4.1 暂态电压波动特征提取

5.4.2 雷击干扰特征提取

5.4.3 暂态谐波特征提取

5.4.4 特征提取速度测试

5.5 分类与识别方法验证

5.5.1 基于聚类算法的属性判据的获得

5.5.2 基于改进蚁群算法的判据优化

5.5.3 分类识别效果分析

5.6 本章小结

结 论

参考文献

附 录

攻读博士学位期间发表的论文及其它成果

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢

个人简历