基于小波变换和PSO-BP神经网络的电能质量扰动分类

【类型】学位论文

【作者】张韩 

【关键词】 小波变换 电能质量 BP神经网络 粒子群算法 特征优化

【学位授予单位】华东理工大学

【学位年度】2015

【学位名称】硕士

【分类号】TP18;|TM711

【导师姓名】戴本祁，李楚元

【摘要】近年来,电能质量问题已越来越受到社会的重视,改善和提高电能质量成为了研究热点。然而,对各种电能质量扰动进行检测和识别并根据不同的扰动采取有效措施,是提高电能质量的前提。本文首先对电能质量问题作了详细的介绍,对现有的电能质量扰动分类方法进行了分析和研究。在此基础上,提出了基于小波变换(WT)和BP神经网络的分类改进方法。利用小波变换对扰动信号进行多分辨率分析,得到各层分解系数,进而利用系数计算各类信号的能量值及各层分解系数的标准差,并将扰动信号的能量值与理想电压信号的能量值做差,获得能量差值。最后对特征向量

【全文挂接】 获取全文