基于复阻抗和模糊SVM的暂态电能质量扰动检测与分类

摘要

随着国家工业水平与科学技术的飞速发展，电能在逐步成为基础能源的同时，各个行业对电能质量的要求也在逐渐提高。由于各种非线性、冲击性和波动性电力设备的广泛应用，各类电能质量扰动现象频繁出现，对社会经济造成的损失日益增加。实现对电能质量扰动的有效治理是国家工业化水平的体现，因此，提高电能质量，打造绿色优质的电力网络成为了时下的热门课题。但是，由于电能质量扰动种类繁多，实际情况错综复杂，实现对相关扰动的有效治理难度较大。
　　针对电能质量扰动精准清晰的分类是治理扰动的前提条件，是提高电能质量的首要保证。本文在线路复阻抗的基础上提取出扰动特征，结合支持向量机(SVM)和模糊支持向量机(F-SVM)两种分类方法，对5种主要的电能质量扰动进行特征提取、优化及分类，取得了良好的效果。本文所做的主要工作如下:
　　(1)本文提出一种基于复阻抗的电能质量扰动特征提取方法。该方法首先通过Hilbert变换构造出扰动电压和电流信号的解析函数，然后计算出扰动发生时段的信号复阻抗，再结合软件锁相环等相关工具提取出复阻抗模值差值、复阻抗相位跳变最大值、残压值、残压余量以及扰动持续时间等扰动特征，最终组成特征向量。分类结果表明，这种方法不仅易于实现，而且可有效提取出扰动特征，具有一定的推广价值。
　　(2)针对SVM方法的不足，本文进一步提出基于贝叶斯理论的F-SVM分类方法。在贝叶斯理论的基础上，通过抽样点密度的概念，构造出数据集的隶属度函数。由此，确定每一个数据点的隶属度值，通过这种方法，有效降低了不同噪声对最终分类结果的不利影响。不同类型和不同信噪比噪声环境下的分类精度对比表明，该方法在复杂的噪声环境中具有更高的分类精度和更强的鲁棒性。
　　(3)本文首先在不同信噪比的高斯噪声环境下，比较了三种分类方法的分类精度，分别是复阻抗结合SVM、复阻抗结合F-SVM和已提出的S变换结合SVM的分类方法，分析了不同特征提取方法的优势和不足。然后在不同信噪比的白噪声环境下，比较分析了复阻抗结合SVM和复阻抗结合F-SVM的分类方法，分析对比相同特征提取方法下，不同分类器模型的分类精度。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 电能质量扰动的相关知识

1．2．1 电能质量扰动的定义

1．2．2 电能质量扰动的起因与分类

1．3 国内外研究现状

1．4 本文研究内容与结构

第二章 基于复阻抗的特征提取

2．1 暂态电能质量扰动概述

2．2 Hilbert变换原理

2．3 复阻抗特征提取

2．4 特征提取与优化

2．4．1 复阻抗模值差值

2．4．2 复阻抗相位跳变

2．4．3 残压值

2．4．4 残压余值

2．4．5 扰动持续时间

2．5 本章小结

第三章 支持向量机分类器

3．1 支持向量机的基本内容

3．2 支持向量机的分类过程

3．2．1 线性可分模式的分类过程

3．2．2 非线性可分模式的分类过程

3．3 基于支持向量机的多类分类

3．4 本章小结

第四章 改进的模糊支持向量机分类器

4．1 模糊支持向量机的分类过程

4．2 隶属度函数的构造过程

4．2．1 贝叶斯理论基础

4．2．2 隶属度函数的构造

4．3 本章小结

第五章 分类方法实验结果分析

5．1 不同噪声环境下分类结果比较

5．1．1 高斯躁声

5．1．2 均匀分布白噪声

5．2 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

研究生期间发表论文

研究生期间参与项目