基于改进S变换与随机森林的复合电能质量扰动识别

来源 :武汉大学 | 被引量 : 0次 | 上传用户:qq237599512
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
鉴于传统S变换的时频自适应能力差,窗口函数的形状、主瓣宽度和旁瓣高度过于单一,对不同频带的信号的检测分辨率不足以满足需求,本文提出一种新型的改进S变换(Modified S-Transform,MST),通过改进S变换的能量集中度,引入四个辅助参数控制高斯窗函数的形状,优化了其尺度因子的自适应能力,使改进后的S变换获得了更出色的时频分辨性能。通过改进S变换检测电能质量扰动信号,获取模时频矩阵,能提取时频曲线,全面反映扰动信号的时域、频域特征信息。本文建立了基于幅值、相位的峰度、偏度等特征值评价电能质量扰动信号的体系,通过改进S变换,综合提取了各扰动信号的31个特征量。并计算在节点划分时,候选特征子集中每一个特征分割该节点后Gini重要度,选择Gini重要度最大的特征作为该节点的分割特征,得到了所有特征的重要度排序,权衡作为模式识别分类器的输入的特征量的数量,选择使扰动识别结果更高的特征组合进行分类识别。基于贝叶斯优化,迭代选取随机森林(Random Forest,RF)算法内部的超参数,本文优化了随机森林构建过程中最重要的四个超参数:最大的决策树个数、最大特征数、最大深度和内部节点再划分所需最小样本数,通过对标准信号和电压暂降、电压暂升、电压中断、电压闪变、电压谐波、暂态振荡、电压尖峰和电压缺口等8种单一电能质量扰动信号共9种信号进行分类识别,将基于贝叶斯优化的随机森林与传统随机森林模式识别分类器的性能作对比,验证了改进算法的优越性,最高识别准确率能达到99.63%。另外,基于多标签分类的构想,应用改进S变换与贝叶斯优化的随机森林算法,对双重、多重以及某省会实际电力系统的电能质量扰动信号进行了分类识别,其中,双重电能质量扰动识别上限准确率约为96%,多重电能质量扰动信号的上限准确率约为93.5%,实际电力系统识别准确率为94.2%。最后,本文将识别效果与XBGoost和Lib SVM算法作分析对比,仿真试验结果表明,本文设计的改进算法分类准确率高,抗干扰能力强,且在训练样本少、低信噪比(Signal-to-noise Radio,SNR)条件下分类结果优势明显。
其他文献
随着全球卫星导航系统(Global Navigation Satellite System,GNSS)的不断发展,高精度、高可靠性、高兼容性和实时性也渐渐成为人们关注的焦点,实时精密单点定位(Precise Point Positioning,PPP)以模型简单,实时性强,定位方式灵活等特点,已逐渐被广泛采用,但是在进行实时精密定位时,依赖于实时高精度轨道钟差产品的支持。现阶段,IGS已提供预报轨
传统汽车行业能够给人们提供便利生活的同时也带来了过度使用化石能源所造成的环境污染问题。随着人口数量和汽车保有量的不断增加,传统的化石燃料逐渐减少,如何利用可再生能源、发展新能源汽车已迫在眉睫,电动汽车和充电站因此得以快速发展。充电站能够高效地给多台电动汽车提供电能的同时也必然会存在着其他的问题,特别是充电功率较高的快充充电方式,会对整个充电系统带来较大的扰动,进而产生大信号稳定问题,甚至使整个充电
由于近年来大停电事故的频发,电力网络的脆弱性问题备受关注,目前对于脆弱性的研究主要集中于输电网络,对配电网脆弱性的研究还位于起步阶段。分布式电源的接入,增加了配电网络的复杂程度,配电网的脆弱性分析评估得到了重视。目前常用的复杂网络理论和风险理论仅能从结构或运行方面片面的反映电网脆弱性,考虑不够周全。本文结合复杂网络理论和风险理论,提出节点和线路脆弱性指标,并采用层次分析法给予各指标权重求和,求得节
近年来,由于极端自然灾害引起的电力系统事故频繁发生,对电网造成了严重破坏,导致国民经济的巨大损失,也给居民生活带来了极大的不便。因此,有必通过构建核心骨干网架并提高关键线路设防标准,以提升电网抵御灾害的能力,减小自然灾害对电力系统及社会造成的损失。本文根据电网差异性规划面临的新要求,对电网脆弱性元件评估、差异化经济性评估、核心骨干网架构建、关键线路差异化加强四个方面进行深入研究,提出了一种考虑区域
为了改善能源消费结构,降低环境污染,实现汽车产业的跨越式发展,近几年国家在电动汽车发展方面给予了大量的政策和资源扶持。但充电技术在一定程度上限制了电动汽车的普及,无线充电技术的发展为解决该问题提供了新的思路。相较于传统的电动汽车有线充电方式,无线充电具有安全、方便、可靠、智能化等优势。在当前对无线电能传输的研究中,谐振式无线电能传输技术(MCR-WPT)因其在传输功率、效率和距离等方面的优越性成为
随着我国综合国力及人口的不断增长,能源消费水平大大提高。传统能源在未来面临着资源枯竭的问题,同时化石燃料的燃烧会对环境造成不可逆的伤害,因此新能源的开发和利用已成为保持社会发展可持续的源动力。分布式能源并网或者是对负载供电需要电力电子变换器来实现,多端口变换器通过器件复用的方式有效地降低了多输入多输出系统器件数量以及成本,并提高各源荷间的能量传递效率。此外,级联多电平结构通过子模块的级联配合载波移
随着大规模新能源接入以及电力电子变流器在电力系统中广泛使用,极大地改变了电力系统的频带与动态特性。新能源的随机波动性,电力电子变流器在弱电网下宽频振荡以及复杂的交互作用,给电力系统带来了未知且复杂的暂态特性与系统稳定性问题。如此复杂的大规模系统无法对其进行精确化建模的全电磁暂态仿真,而机电暂态仿真无法反映出整个系统的宽频带特性。机电-电磁暂态混合实时仿真弥补了各自的局限性,较好的解决了仿真规模、速
纵观全球历史,与国际贸易纷争相关的问题并非新鲜事。在《棉花帝国》作者、哈佛大学历史系教授斯文·贝克特(Sven Beckert)看来,形塑当下全球政治经济格局的资本主义一开始就和"正当竞争"无关,而是充满了掠夺、压榨和偷窃。贝克特指出,棉花产业的历史实际上与近代资本主义的历史紧密相连。15世纪末的地理大发现以及随之而来的跨大西洋贸易网络的建立将欧洲人置于棉花全球贸易的中心,在"战争资本主义"
期刊
大规模集中式可再生能源发电、极端自然灾害等不确定因素,对电网的运行安全风险防控能力提出了更高的要求。小概率极端自然灾害引起的输电线路故障,严重时有可能导致大面积停电的恶性事故,给经济发展和社会稳定带来极大的危害。合理利用当前快速发展的人工智能技术,能够提升电网安全风险防控的智能化水平,提高安全风险评估能力,提升预警速度。因此,在可再生能源接入电网引起系统运行方式不确定性的背景下,借助机器学习等人工
配电网是电力系统中与用户直接相连的环节,其供电可靠性水平对于用户用电的安全性及稳定性将产生直接影响。配电网调度是保障配电网安全、稳定运行的重要环节。目前,配电网调度人员在进行调度决策时,主要以负荷削减量、网络损耗及开关动作次数为主要评判依据,而忽略了调度过程中的风险因素。配电设备是配电网的重要组成部分,当设备自身状态老化或受到运行条件及环境条件影响而发生故障时,将导致配电网调度失败。为了综合考虑配