论文部分内容阅读
随着电力行业的不断前进发展,风能、太阳能等清洁能源的不断加入使得发电方式更为多样化;与此同时,用户端大功率非线性负载、大规模电力系统的运行等使得负载端的用电结构越来越复杂多变。发电和负载作为电网的首尾极大的影响了电力系统的电能质量,造成的品质污染大大降低了用户和供电企业的效益,这类问题聚焦了现代学者们的目光,使得电力系统的电能质量成为一个很重要的课题。本文在阅读大量文献和现有发表期刊论文的基础上,对电能质量问题做如下主要研究:(1)介绍了几种常见的单一电能质量扰动信号,借助Matlab仿真平台描绘出对应的波形图。对于常用的3种分析方法(傅里叶变换、小波变换、S变换)进行理论叙述,为后文做出铺垫。(2)结合常见扰动信号分析方法,分析HHT变换的核心算法EMD的理论和存在的不足,对EMD理论进行改进,运用白噪声的滤波特性介绍了总体平均经验模态分解(EEMD)的有关理论基础。由此,运用EEMD阈值去噪对扰动信号存在的噪声干扰现象进行仿真降噪处理。再采用EEMD对扰动信号进行分解得到固有模态分量IMF,通过Hilbert变换对电能质量扰动信号进行检测,分析发生扰动的起始时刻和终止时刻。(3)针对传统分类模型存在的变量冗余、计算繁杂等问题,本文提出一种基于极限学习机(ELM)的电能质量分类模型,结合粒子群(PSO)优化算法建立模型,将各扰动信号的IMF分量进行模态能量值转换作为特征向量,带入PSO-ELM分类模型、RBF分类模型和SVM分类模型进行训练测试,最终得到仿真图,通过识别精度对比验证了模型的可行性,但在混合扰动信号分类上仍然存在不足。(4)针对PSO-ELM分类模型存在的不足,通过对ELM理论隐含层输出矩阵取左逆的思想,提出在线极限学习机(OSELM)理论,结合人工蜂群(ABC)优化算法建立分类模型进行仿真实验。仿真结果表明,该分类方法相比与传统的分类模型和PSO-ELM模型有效的克服了混合扰动信号存在的分类混叠现象,为实际生产应用提供了理论依据。