基于S變換和PSO-BPNN的電壓暫降檢測與識別方法研究.pdf

1、隨著科學的發(fā)展及電力電子技術的不斷提高，大量高精密儀器儀表被廣泛使用，隨之而來的各種電能質量問題嚴重影響著電力系統(tǒng)的供電安全和穩(wěn)定運行，這就對電力系統(tǒng)的電能質量提出了更高層次的要求。電壓暫降作為電能質量的一種，由于其發(fā)生頻率高、波及面廣、造成影響較大等問題，已經成為目前電能質量的重點研究方向。
　　本文通過分析國內外研究現(xiàn)狀，發(fā)現(xiàn)在電壓暫降檢測方面，S變換作為一種新型時頻分析方法，較其他方法具有窗函數(shù)可變，時間、頻率和幅值分辨率高

2、，對噪聲不敏感等優(yōu)點，正逐漸在相關領域被推廣應用；而在用于電壓暫降擾動信號識別的分類器方面，雖然BP神經網絡在并行處理、自學習、自組織和容錯性能上具有顯著優(yōu)勢，但由于其本身存在收斂速度慢、容易陷入局部最優(yōu)等缺陷。在對BP神經網絡的優(yōu)化方面，大量文獻已經表明粒子群（PSO）算法對BP神經網絡的優(yōu)化有著很好效果。故本文提出了基于S變換和PSO-BP神經網絡的電壓暫降檢測與識別方法。首先利用MATLAB/SIMULINK為仿真平臺，搭建簡單配

3、電網仿真模型，獲得6種不同類型的電壓暫降擾動源模型，包括線路短路故障模型、感應電動機啟動模型、變壓器投入模型、多重故障模型、感應電動機重新啟動模型、感應電動機啟動和變壓器投入共同作用模型。其次對6種擾動信號進行S變換獲得信號的基頻幅值曲線和基頻斜率變化曲線，完成對電壓暫降幅值和起止時刻的檢測，并根據擾動信號的不同特點利用S變換提取所需特征值。最后將提取到的特征值作為訓練樣本和測試樣本輸入到PSO-BP神經網絡中，完成電壓暫降擾動源的分類