检索结果-内蒙古大学图书馆

高电压技术 2009年第10期35卷 2562-2567页

作者：易吉良彭建春谭会生湖南大学电气与信息工程学院长沙410082 湖南工业大学电气与信息工程学院株洲412008

s变换因其优良的时频特性而在电能质量扰动检测和定位方面获得了广泛的应用,但由于s变换计算时采用等间隔采样频率点,因而计算量较大。为解决此问题,基于s变换的电能质量扰动检测方法一般通过提取模时频矩阵的特征量实现而不需要利用s... 详细信息

s变换因其优良的时频特性而在电能质量扰动检测和定位方面获得了广泛的应用,但由于s变换计算时采用等间隔采样频率点,因而计算量较大。为解决此问题,基于s变换的电能质量扰动检测方法一般通过提取模时频矩阵的特征量实现而不需要利用s变换模时频矩阵的所有向量,分析了s变换的快速计算过程,并据此提出了不完全s变换。首先根据其运算前提是计算信号的FFT,利用动态测度方法检测出功率谱包络的峰值,以此确定信号的主要频率点;然后对相应的频率点进行不完全s变换,求模得到频率幅值特征向量;最后由这些特征向量进行电能质量扰动的检测。仿真结果表明,提出的算法能明显提高检测速度,更适合实时应用。

关键词：电能质量不完全s变换计算过程动态测度检测特征向量

来源：评论

学校读者我要写书评

暂无评论

基于不完全s变换与梯度提升树的电能质量复合扰动识别

引用

电力系统保护与控制 2019年第6期47卷 24-31页

作者：许立武李开成罗奕肖贤贵张婵蔡得龙华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室湖北武汉430074

针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全s变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全s变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升... 详细信息

针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全s变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全s变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升树对各个特征的重要性进行度量,选取重要特征。最后根据选取的特征集训练和构建梯度提升树,得到扰动分类器。仿真实验表明,对于包括8种复合扰动在内的共17种扰动类型,该方法的分类准确率高于CART决策树、随机森林(RF)、多层感知机(MLP)等现有方法。不同噪声条件下的分类结果表明,该方法具有良好的抗噪性能和算法鲁棒性,展现出良好的应用前景。

关键词：电能质量扰动识别梯度提升树不完全s变换特征选择

来源：评论

学校读者我要写书评

暂无评论

基于不完全s变换的低频振荡可视化实时监测方法

引用

电力系统保护与控制 2015年第24期43卷 63-68页

作者：周崇雯罗骏汪芳宗李世明温柏坚三峡大学电气与新能源学院湖北宜昌443000 广东电网有限责任公司电力调度控制中心广东广州510600

电网低频振荡的实时监测是有效控制低频振荡现象的前提。提出采用不完全s变换处理PMU实时数据,将隐含低频振荡信息的PMU数据波形图转换为直接显示各振荡模式下起振时刻、频率及振幅的二维时频图供调度人员参考,以实现低频振荡的可视化... 详细信息

电网低频振荡的实时监测是有效控制低频振荡现象的前提。提出采用不完全s变换处理PMU实时数据,将隐含低频振荡信息的PMU数据波形图转换为直接显示各振荡模式下起振时刻、频率及振幅的二维时频图供调度人员参考,以实现低频振荡的可视化实时监测。为提高计算效率,采用GPU实现图形显示和不完全s变换中FFT及其逆变换的并行算法运算。实例分析结果表明,该方法能够有效识别并显示低频振荡实时特征信息,有助于调度人员进行低频振荡的实时监测,适合实际应用。

关键词：低频振荡不完全s变换实时监测可视化 PMU GPU

来源：评论

学校读者我要写书评

暂无评论

基于不完全s变换和改进sVM的电能质量分类方法

引用

制造业自动化 2023年第1期45卷 115-119页

作者：王鹏飞任丽佳高燕上海工程技术大学电子电气工程学院上海201620

随着社会的高速发展,各式各样的负载接入电网,单一扰动形式的电能质量问题,已被多扰动复合类型的电能质量问题取代。这无疑增加了电能质量问题特征提取与分类精度提升的难度。针对此问题,提出了基于不完全s变换和改进sVM的特征提取与分... 详细信息

随着社会的高速发展,各式各样的负载接入电网,单一扰动形式的电能质量问题,已被多扰动复合类型的电能质量问题取代。这无疑增加了电能质量问题特征提取与分类精度提升的难度。针对此问题,提出了基于不完全s变换和改进sVM的特征提取与分类方法。首先利用不完全s变换处理电能质量信号,对矩阵求模后从模矩阵中选取特征向量,组建特征矩阵,并利用递归特征消除选取重要特征。利用改进天牛须搜索算法(CBAs)优化支持向量机(sVM)的两个重要参数惩罚因子c和核函数参数g,将所选特征及优化后的sVM构建扰动分类器。根据实验表明,该方法准确率高,运行时间短,能够识别多种复合信号在内的扰动类型。根据对比,的分类效果明显优于随机森林(RF)、粒子群优化支持向量机(PsO-sVM)等常用方法。在不同信噪比条件下,具有良好的鲁棒性及抗噪能力,对电能质量扰动分类的研究具有重要意义。

关键词：电能质量扰动分类不完全s变换天牛须算法支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于不完全s变换的低频振荡在线辨识方法

引用

广东电力 2015年第7期28卷 62-67页

作者：罗骏周崇雯汪芳宗温柏坚李世明三峡大学电气与新能源学院湖北宜昌443002 广东电网有限责任公司电力调度控制中心广东广州510600

针对传统的低频振荡辨识方法无法确定低频振荡的起振时间点,不利于调度员分析振荡的起因,提出采用不完全s变换方法进行低频振荡的在线辨识,以提高算法的计算效率。仿真测试以及实例分析的结果表明基于不完全s变换的低频振荡在线辨识方... 详细信息

针对传统的低频振荡辨识方法无法确定低频振荡的起振时间点,不利于调度员分析振荡的起因,提出采用不完全s变换方法进行低频振荡的在线辨识,以提高算法的计算效率。仿真测试以及实例分析的结果表明基于不完全s变换的低频振荡在线辨识方法的辨识结果准确、抗噪能力强,能够有效地识别振荡模式个数以及振荡的起振时间点,具有很好的实用价值。

关键词：低频振荡在线辨识不完全s变换振荡模式起振时间点

来源：评论

学校读者我要写书评

暂无评论

基于深度前馈网络的电能质量复合扰动识别

引用

电测与仪表 2020年第1期57卷 62-69,130页

作者：许立武李开成肖贤贵赵晨尹家明倪逸华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室

针对电能质量复合扰动识别中识别准确率不高和泛化性能较差的问题,提出基于深度前馈网络(Deep Feedforward Network,DFN)的扰动识别方法。先在少数重要频率点上对扰动信号作不完全s变换,从得到的时频矩阵中提取多种识别特征,构建和训练... 详细信息

针对电能质量复合扰动识别中识别准确率不高和泛化性能较差的问题,提出基于深度前馈网络(Deep Feedforward Network,DFN)的扰动识别方法。先在少数重要频率点上对扰动信号作不完全s变换,从得到的时频矩阵中提取多种识别特征,构建和训练三层DFN扰动分类器,并使用Dropout正则化来提高分类器的泛化性能。仿真实验和实测实验表明,文中的方法能够有效识别8种复合扰动在内的共17种扰动类型,并具有很好的抗噪性能和泛化性能。与CART决策树、极限学习机、随机森林等现有方法相比,方法识别准确率更高,鲁棒性更好,具有良好的应用前景。

关键词：电能质量扰动识别深度学习深度前馈网络不完全s变换

来源：评论

学校读者我要写书评

暂无评论

电能质量检测分析方法研究及其DsP实现

电能质量检测分析方法研究及其DSP实现

引用

作者：尹宇翔华中科技大学

学位级别：硕士

随着清洁能源的大规模并网以及电力电子元件的广泛应用,公用电网的电能质量面临愈发严重的挑战。同时,工业生产和社会生活朝智能化方向发展使得更多的电力系统负荷对电能质量敏感,因此用户也明显提高了对电能质量的重视和追求。作为治... 详细信息

随着清洁能源的大规模并网以及电力电子元件的广泛应用,公用电网的电能质量面临愈发严重的挑战。同时,工业生产和社会生活朝智能化方向发展使得更多的电力系统负荷对电能质量敏感,因此用户也明显提高了对电能质量的重视和追求。作为治理电能质量问题的支持和依据,电能质量检测与分析的重要性得到大大的增强。在嵌入式系统上实现电能质量的检测和分析同样为智能电力仪表的开发打下了坚实的基础。本文研究了电能质量参数的测量方法问题,电能质量扰动信号的特征提取和特征分类问题,并且在数字信号处理器(DsP)上实现了参数测量和扰动分类的相关算法。本文的内容具体有以下几点:(1)总结了国内外对电能质量检测分析的研究在参数测量和扰动分类方面的现状。对比了许多在嵌入式系统上实现电能质量检测分析的案例。介绍了经典的电能参数测量方法、谐波检测分析方法和闪变测量计算方法。(2)推导和分析了s变换的基本原理和性质。利用s变换对常见的单一和复合扰动在时域和频域上的特性进行了分析。提出了一种改进的不完全s变换算法,它通过只对主要频率行做s变换来减小计算复杂度和存储空间需求,然后根据不同频率段的时频分辨率的要求调节了高斯窗宽度。设计了一种以改进不完全s变换提取特征,以决策树对扰动分类的方法。从扰动信号经过不完全s变换后的结果中构造了5个区分度较高的特征值。在对大量扰动样本的特征值统计结果中确定了每个特征值的阈值,最后形成了决策树分类器。MATLAB仿真实验表明该方法可以准确分类6种单一扰动和7种复合扰动,并且在多种噪声水平下的准确率保持在较高水平。(3)在DsP系统上实现了上述电能质量参数测量和电能质量扰动分类的算法。软件的设计中合理地分配了数据的物理存储空间,充分地利用了DsP自身优化的库函数,从而减少了开发难度和加快了程序的运行速度。实际测试表明DsP可以计算各种电能质量参数,并从原始采样序列中识别电能质量扰动。

关键词：电能质量参数扰动分类不完全s变换决策树数字信号处理器

来源：评论

学校读者我要写书评

暂无评论

基于虚拟仪器的电能质量分析仪的设计研究

基于虚拟仪器的电能质量分析仪的设计研究

引用

作者：倪逸华中科技大学

学位级别：硕士

新能源的并网以及电力负荷的多样性带来了诸多电能质量问题。越来越现代化的工业和社会活动让更多的电力设备与仪器变得对电能质量敏感,也让用户对电能质量要求越来越高。如今广泛使用的传统电能质量监测仪能测量的电能质量参数单一,功... 详细信息

新能源的并网以及电力负荷的多样性带来了诸多电能质量问题。越来越现代化的工业和社会活动让更多的电力设备与仪器变得对电能质量敏感,也让用户对电能质量要求越来越高。如今广泛使用的传统电能质量监测仪能测量的电能质量参数单一,功能有限,大多不具备方便的数据传输功能,不能很好地满足测量要求。随着虚拟仪器技术的不断成熟进步,使用虚拟仪器监测电能质量成为了可能。因此,本文利用Lab VIEW软件,结合相应的硬件电路与采集设备,开发了一款以虚拟仪器为核心的全新电能质量分析仪。论文的主要工作如下:(1)对电能质量的分析和测量方法进行了深入研究。分析仪采用的算法中,对于电压、电流等按定义进行计算;用经典快速傅里叶变换法进行谐波分析,插入汉宁窗抑制频谱泄漏;利用IEC推荐算法对三相不平衡度进行计算;电压闪变测量中,使用IEC闪变仪给出的算法,将其中的模拟滤波器替换成数字滤波器。(2)针对暂态扰动的检测分类着重研究了s变换,提出了基于改进不完全s变换与决策树的扰动分类方法,该方法能减少计算工作量,提高分类算法实时性。经仿真验证,该算法能够区分13种包括复合扰动在内的暂态扰动,并在噪声下保持较高的分辨准确率。(3)在理论研究基础上,设计了一款基于虚拟仪器的电能质量分析仪。所研制的分析仪采用模块化设计,拥有良好的人机交互界面和安全登录模块,具有记录存储功能,测量系统拓展和升级方便。(4)设计了基于虚拟仪器的仿真信号发生器,其能模拟任意稳态和暂态电能质量信号,可以任意改变信噪比,方便电能质量分析分类实验测试。(5)使用设计的仿真信号发生器对电能质量分析仪进行了仿真实验,验证了分析仪的测量功能。在噪声环境下实现了对电能质量基本稳态参数的测量,并使用不完全s变换算法和决策树分类器对13种暂态扰动进行实时监测分类,实现了对电能质量信号的准确分析、辨识和分类。(6)最后对电能质量分析仪进行了实际测试实验,使用信号源模拟电网产生的稳态和暂态电能质量信号,通过数据采集卡对信号进行采集,并输入到所研制的电能质量分析仪进行检测分析。测试实验表明,该系统测量误差小,对稳态和暂态信号都能进行实时监测分析,测量指标符合国家标准,且运行稳定,具有良好的实际应用价值。

关键词：电能质量虚拟仪器不完全s变换决策树数据采集

来源：评论

学校读者我要写书评

暂无评论

基于最优特征集与改进KELM的复合电能质量扰动辨识

基于最优特征集与改进KELM的复合电能质量扰动辨识

引用

作者：伊慧娟湖南大学

学位级别：硕士

随着社会电气化程度的逐渐提高、电力电子技术的快速发展与微电网建设的日益成熟,电能质量问题成为全球关注的热点。电气化轨道的运行、新型电力电子设备的接入与分布式能源并网等行为增多导致稳态与暂态扰动的出现频率及复杂度随之增加... 详细信息

随着社会电气化程度的逐渐提高、电力电子技术的快速发展与微电网建设的日益成熟,电能质量问题成为全球关注的热点。电气化轨道的运行、新型电力电子设备的接入与分布式能源并网等行为增多导致稳态与暂态扰动的出现频率及复杂度随之增加,电能质量扰动特征的混叠严重。传统针对单一扰动的识别方式无法满足复合电能质量扰动的分类要求,因此,针对复合电能质量扰动特点完成高准确性与高效率的扰动识别已是当前国内外学者进行电能质量分类的重要内容。首先简述复合电能质量扰动研究的社会背景、学术背景及深远意义,对电能质量扰动的定义及由其构建的扰动模型进行概述,阐明扰动发生的原因及其造成的危害,梳理复合电能质量扰动识别的研究重点及待解决的问题。针对传统的复合电能质量扰动特征提取时存在提取时间长,提取的特征时频分辨率不高的问题,提出改进不完全s变换实现复合扰动特征的高效准确提取。提出随分解频率自适应调节时频分辨率的窗宽因子函数,得到特征频率的窗宽调节因子,在扰动信号的特征频率点进行s变换得到时频分解矩阵,通过此矩阵构建复合扰动特征向量,最后对复合电能质量扰动经改进不完全s变换后得到的时频结果进行分析,并与传统的特征提取方法进行仿真对比,表明本文方法不仅降低了特征提取的时间,还具有更高的时频分辨率。针对复合电能质量扰动构建的部分特征向量无效性与冗余性的特点,提出PCC-Gini的特征选择方法,通过基尼重要度对构建的所有特征向量进行重要度排序,按此排序作为搜索策略逐一向最优特征集中添加满足相关性阈值的特征,最终得到高重要度且低冗余度的最优特征集,对得到的最优特征集进行可视化分析,并与常见的特征选择方法进行仿真对比,表明本文提出的方法特征选择时间成本低,可有效去除大量冗余特征,并且由于特征维度减小,分类器的计算复杂度与训练时间也随之降低,对计算复杂度较高的分类器尤其明显。针对复合电能质量扰动识别能力与学习速度无法同步提高的问题,采用留一交叉验证法优化核极限学习机的正则化参数,并通过奇异值分解法降低模型计算复杂度,提出基于LOO-KELM的复合电能质量扰动识别方法。仿真与实测结果表明,本方法对各噪声环境下的复合电能质量扰动识别具有有效性,相比常见的分类方法,本文方法可通过时间较短的模型训练,实现准确率较高的多类复杂扰动的识别,且算法的抗噪性能好,泛化能力强。最后基于本文所提的复合电能质量扰动的特征提取、特征选择及识别方法,开发基于MATLAB GUI的复合电能质量扰动识别系统,简述系统框架及其运行环境,设计用户登录模块与扰动识别模块,通过仿真数据、PXI采集数据及电网实测数据并对上述功能模块进行功能测试,验证本文方法的可行性与实用性。

关键词：复合电能质量扰动不完全s变换基尼重要度留一交叉验证 LOO-KELM

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的电能质量复合扰动识别研究

基于深度学习的电能质量复合扰动识别研究

引用

作者：许立武华中科技大学

学位级别：硕士

随着新能源发电的广泛应用和非线性电力负荷类型的增加,各种电能质量（power quality,PQ）扰动事件日益增多。PQ复合扰动识别是PQ监测、分析和治理的基础,对保证电网安全高效稳定运行有着重要的现实意义。本文系统性研究了基于深度学习... 详细信息

随着新能源发电的广泛应用和非线性电力负荷类型的增加,各种电能质量（power quality,PQ）扰动事件日益增多。PQ复合扰动识别是PQ监测、分析和治理的基础,对保证电网安全高效稳定运行有着重要的现实意义。本文系统性研究了基于深度学习多任务分类的PQ复合扰动识别方法,对各类扰动的辨识特性、不完全s变换特征提取方法、多任务复合扰动识别建模、深度学习分类器设计展开深入研究,具体内容如下:（1）建立了PQ单扰动和复合扰动的仿真数学模型,根据各扰动的性质将单扰动划分为四大类扰动类型;研究了s变换的基本原理,并基于s变换对各类扰动的辨识特性进行了可视化分析;提出一种只在少数重要频率点进行s变换的不完全s变换方法,能够在保留重要辨识信息同时显著降低s变换的时间复杂度,并以两种三重扰动为例验证了该方法的有效性。（2）首次提出多任务分类这一新的复合扰动识别建模方式,并提出多任务复合扰动标签编码方案以及多任务扰动分类损失来具体实现;与多标签分类和多分类效果的对比验证了多任务分类能够更好地建模复合扰动的标签相关性,识别效果更好。（3）提出基于不完全s变换的扰动特征提取方法;研究了深度前馈网络（deep feedforward network,DFN）的基本组成,提出了一种具体的DFN结构,并使用Dropout正则化来防止过拟合,仿真实验和实测实验验证了该方法能准确识别各种扰动,相比传统方法准确率更高。（4）研究了卷积神经网络（convolutional neural network,CNN）的基本组成,采用批归一化、空洞卷积、残差模块等技术来人工设计更有效的网络结构;提出了一种多空洞系数复合残差模块,并具体设计了一种一维CNN扰动分类器结构,可直接以原始信号作为输入,端到端的完成复合扰动识别;仿真实验和实测实验表明该方法相比DFN和已有的一些CNN方法具有更高的识别准确率,展现出良好的应用前景。

关键词：电能质量扰动识别深度学习不完全s变换深度前馈网络卷积神经网络多任务学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：