基于QPSO-WNN的暫態(tài)電能質量擾動分類研究.pdf

1、隨著我國電力系統(tǒng)的發(fā)展，電壓等級和自動化水平的日益提高，電網(wǎng)結構和調控手段越來越復雜，電力用戶對電能質量的要求越來越嚴格。電能質量作為衡量電力系統(tǒng)優(yōu)劣的一個重要標準，愈來愈受到各個領域的關注，因此大力改善電能質量已成為眾多學科研究的課題。而對電能質量擾動的檢測、定位和分類則是提高電能質量的必須環(huán)節(jié)和重要前提。
　　 本文主要對暫態(tài)電能質量擾動的檢測和分類問題進行了研究，提出一種基于量子粒子群優(yōu)化的小波神經網(wǎng)絡暫態(tài)電能質量擾動分類

2、方法。
　　 本文首先利用小波變換多分辨特點，對擾動信號進行了多層分解，然后將信號分解于不同頻帶，對每個分解層設置不同的閾值，采用小波變換自適應對暫態(tài)電能質量擾動信號去噪；根據(jù)小波變換模極大值法對擾動信號的奇異點進行檢測和定位，最后，提取小波變換系數(shù)與參考信號能量，將兩者差值作為小波神經網(wǎng)絡的輸入特征向量，進行網(wǎng)絡訓練，從而實現(xiàn)對幾種常見暫態(tài)電能質量擾動的分類。
　　 小波神經網(wǎng)絡是小波變換和神經網(wǎng)絡的結合，擁有兩者的優(yōu)

3、點，通常多應用于識別分類問題，但因網(wǎng)絡訓練時間較長，且易陷入局部最優(yōu)，為了使上述算法得到改善，本文提出了一種量子粒子群算法，該算法無需計算粒子速度函數(shù)，只需更新粒子位置，參數(shù)設置較少，便于計算。經實例驗證，取得了良好的計算結果。
　　 基于QPSO-WNN的分類方法和小波神經網(wǎng)絡相比較，訓練誤差較小，能夠對常見的暫態(tài)電能質量擾動現(xiàn)象進行較為準確的分類，經Matlab軟件仿真，成功實現(xiàn)暫態(tài)電能質量擾動的檢測和分類，從而證實了本文所