資源描述：
《基于改進(jìn)PSO-WNN的電能質(zhì)量擾動分類研究.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、《電氣自動化》2011年第33卷第5期電力系統(tǒng)及其自動·PowerSystem＆Automation基于改進(jìn)PSO—WNN的電能質(zhì)量擾動分類研究韓富春孫碣令狐進(jìn)軍郝彩云(1．太原理工大學(xué)電氣與動力工程學(xué)院，山西太原030024；2．太原供電分公司，山西太原030012；3．呂梁供電分公司，山西呂梁033000)摘要：提出一種基于改進(jìn)粒子群算法和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合的電能質(zhì)量擾動分類方法。首先利用小波多分辨技術(shù)檢測電能質(zhì)量擾動信號，然后提取各類擾動能量特征向量，將此特征向量輸入到優(yōu)化后的小波神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，最后經(jīng)改進(jìn)粒子群小波神經(jīng)網(wǎng)絡(luò)得
2、到電能質(zhì)量擾動分類結(jié)果。實(shí)例仿真計(jì)算結(jié)果表明，方法可大大提高電能質(zhì)量擾動分類識別能力。關(guān)鍵詞：電能質(zhì)量擾動改進(jìn)粒子群算法小波神經(jīng)網(wǎng)絡(luò)分類識別[中圖分類號]TM711[文獻(xiàn)標(biāo)志碼]A[文章編號]1000—3886(2011)05—0059—02PowerQualityDisturbancesClassificationBasedOnImprovedPSO-WNNHanFuchunSunJieLingHujinjunHaocaiyun。(1．SchoolofElectricalandPowerEngineeringTaiyuanUnive
3、rsityofTechnology，TaiyuanShanxi030024，China；2．TaiyuanElectricPowerSupplyCompany．TaiyuanShanxi030012，China；3．LvliangElectricPowerSupplyCompany，lvliangShanxi033000，China)Abstract：Thispaperintroducesamethodforclassifyingdurationpowerqualitydisturbances(DPQDs)，whichisbasedo
4、nparticleswarlnoptimizationandwaveletneuralnetwork．first，powerqualitydisturbancesignalsaredetectedwithWaveletmuhiresolutionanalysistechnique；then，allkindsofdisturbanceenergyfeaturevectorareinputintothePoptimizedwaveletneuralnetworktoidentifypowerqualitydisturbancetypes；
5、finally，theclassifyrecordsofpowerqualitydisturbancewasachieved．Numericalsimulationresultsverifiesitcanimproverecognitionofpowerqualitydisturbance．Keywords：powerqualitydisturbancesparticleswarmoptimizationwaveletneuralnetworkclassificationO引言其中(t)為尺度函數(shù)，(t)為(t)對應(yīng)的小波函數(shù)；和(Z
6、)分別是(t)的尺度空間和小波空問。隨著現(xiàn)代工業(yè)的不斷發(fā)展，大量非線性負(fù)載和電力電子器件的應(yīng)用，使得電能質(zhì)量問題日趨嚴(yán)重。目前對電能質(zhì)量的檢測分對(t)和(t)進(jìn)行平移和伸縮可得析已有多種方法，如小波變換，神經(jīng)網(wǎng)絡(luò)，數(shù)學(xué)形態(tài)學(xué)等方法，這，．(z)=2—(2’t—k)(2)些方法雖然取得了一定的成果，但還不能完全滿足實(shí)際工程的需m(t)=2-j／砂(2t一)(3)要。本文提出了一種基于PSO—WNN的電能質(zhì)量擾動分類方設(shè)信號函數(shù)為，()，則在尺度下的平滑信號為法。該方法首先利用小波變換對電能質(zhì)量擾動信號進(jìn)行多尺度A=(L)，m()>=2
7、j／。)~o(Ux—k)dx(4)分解，重構(gòu)后得到各尺度信號能量的特征向量，然后將特征向量在尺度下的細(xì)節(jié)信號為作為PSO—WNN的輸人向量進(jìn)行識別，最后經(jīng)改進(jìn)后的粒子群小波神經(jīng)網(wǎng)絡(luò)獲得電能質(zhì)量擾動分類結(jié)果。由于使用了改進(jìn)粒=)，，()>=)(2ix一后)dx(5)子群優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，所以具有收斂速度快，不易陷入局部最信號)的分解過程是從+1尺度到尺度的逐步分解過程，即優(yōu)的特點(diǎn)，經(jīng)實(shí)例計(jì)算，結(jié)果表明該方法具有較強(qiáng)的電能質(zhì)量擾動分類識別能力。fAJf=∑h(k一2n)L廠{(6)1基本原理與方法to／．=∑g(一2n)L廠1．1小波多分
8、辨方法其中g(shù)和h分別為高通濾波器系數(shù)和低通濾波器系數(shù)。多分辨分析(MRA)是小波分析的一個重要特性，利用MRA小波結(jié)構(gòu)樹分解如圖1所示。對電能質(zhì)量的檢測，是小波分析在電力系統(tǒng)中的重要應(yīng)用1．2提取特征向量之一[。首先利用
