（检测技术与自动化装置专业论文）基于自适应高斯基神经网络的电力信号分析方法研究.pdf

基于自适应高斯基神经网络的电力 信号分析方法研究 专业 ： 检测技术与自动化装置 硕士生：吴乐 指导教簿：姜孝华教授 摘要 随着社会的发展，魄能已经成为种不可缺少的能源，电能质量( p o w e rq u a l i t ) ，) 也越来越弓l 起人们的关注。影响瞧能质量的因素缀多，包括供电、用电设备等。电 能质鬃扰动主簧有电压凸起、电压凹陷、电压间断、谐波、脉冲暂态和振荡暂态等。 本论文主要研究探讨现代数字信号处理方法雳予电熊豢量扰动的检测和识别， 研究基于基函数神经网络的信号分解理论方法，提出了一种自适应修改确定隐神经 元数及权值的盘适应基函数神经网络并媸予电能质量扰动的检测和识别。探讨了三 角基函数神经网络方法，提出了神经网络权值计算的最小= 乘算法和基于正交原理 的能量投影方法，计算鬟小，易予实现。采用三角基函数乎睾经网络对常见的奄熊质 量扰动信号进行识别的结果表明，在考虑干扰噪声情况下，扰动信号波形的麓别并 不能缀好地识别扰动，蔼频谱分帑虽然熊区分一些扰动特征，但对瞬交脉冲僖号识 别效果不理想。采用自适应高斯蒸神经网络用于电力信号的时频分析，对电麓质量 扰动的检测和识别效果较好，仿真结果验涯了该方法的可背性。 关键谢：电能覆量扰动的检测与识鬟，高斯基能量投影，神经网络，最夺二黎， 电能质量 t h er e s e a r c ho fa d a p t i v eg u a s s i a na r t i f i c i a ln e u r a l n e t w o r km e t h o da n di t sa p p l i c a t i o n st od e t e c t i o nt o p o w e rq u a l i t yd i s t ur b a n c e s m a jo r ：m e a s u r i n gt e c h n o l o g y & a u t o m a t e de q u i p m e n t n a m e ：嘶zl e s u p e r v i s o r ：p r o f j i a n gx i a o h u a a b s t r a c t w i t ht h ed e v e l o p m e n to fs o c i e t y , e l e c t r i c i t yh a sb e c o m ea l li n d i s p e n s a b l es o u r c eo f e n e r g y a n dt h ee l e c t r i cp o w e rs y s t e mq u a l i t y ( p o w e rq u a l i t y ) h a s a l s ob e c o m ea l l i m p o r t a n ti s s u ew o r l dw i d e p o w e rq u a l i t yi sa l li m p o r t a n tc r i t e r i o nw h i c hr e f l e c t s t h e q u a l i t yo fe l e c t r i cp o w e rp r o v i d e db yp o w e rs u p p l yd e p a r t m e n t p o w e rq u a l i t yc a nb e a f f e c t e db yt h ed e v i c e sb o t ho fp o w e rs u p p l yd e p a r t m e n ta n dc u s t o m e r s t h e r ea r e s e v e r a lk i n d so fe l e c t r i cp o w e r sd i s t u r b a n c e s ，s u c ha sv o l t a g es a g s ，v o l t a g es w e l l s ， v o l t a g ei n t e r r u p t i o n ，h a r m o n i c ，t r a n s i e n ti m p u l s e s ，a n dt r a n s i e n to s c i l l a t i o n t h i sp a p e rm a i n l ys t u d yt h em e t h o d so fm o d e md i g i t a ls i g n a lp r o c e s s i n gf o rp o w e r q u a l i t yd i s t u r b a n c ed e t e c t i o na n di d e n t i f i c a t i o n b a s i sf u n c t i o nn e u r a ln e t w o r kt h e o r yf o r s i g n a ld e c o m p o s i t i o ni s d i s c u s s e da n da na d a p t i v eb a s i sf u n c t i o nn e u r a ln e t w o r ki s p r o p o s e d t h ea p p l i c a t i o no ft h ea d a p t i v eb a s i sf u n c t i o n n e u r a ln e t w o r kf o c u so nt h e t r i a n g u l a rb a s i sf u n c t i o nn e u r a ln e t w o r ka n dt h ea d a p t i v eg a u s s i a nn e u r a ln e t w o r k t w o m e t h o d sa r ep r o p o s e dt oc a l c u l a t et h ew e i g h t so ft h e s en e u r a ln e t w o r k ：t h el e a s ts q u a r e s m e t h o d ( l s ) a n dt h ee n e r g yo r t h o g o n a lp r o j e c t i o nm e t h o d r e s u l t so ft h et r i a n g u l a rb a s i s f u n c t i o nn e u r a ln e t w o r ku s i n gf o rp o w e rq u a l i t yd i s t u r b a n c e ss i g n a lr e c o g n i t i o ns h o wt h a t i i a b s t r a c t t h ed i s t u r b a n c es i g n a lw a v e f o r m so u t p u tb yt h en e u r a ln e t w o r kc a nn o tb eu s e dt o i d e n t i f yt h ed i s t u r b a n c et y p e sw i t hg o o de f f e c t ，a l t h o u g ht h ed i s t r i b u t i o no f t h es p e c t r u m c a nd i s t i n g u i s ht h ec h a r a c t e r i s t i c so fd i f f e r e n td i s t u r b a n c e s ，b u tt h ec h a r a c t e r i s t i c sa r e l a c ko fq u a n t i t a t i v ep a r a m e t e r st oi d e n t i f yt h ee f f e c to fi m p a c t t h er e s u l t so fp o w e r q u a l i t yd i s t u r b a n c ed e t e c t i o na n di d e n t i f i c a t i o nu s i n gg a u s s i a na d a p t i v en e u r a ln e t w o r k a r eb e t t e r t h es i m u l m i o nr e s u l t ss h o wt h eg a u s s i a na d a p t i v en e u r a ln e t w o r kd e t e c t i o n m e t h o di sf e a s i b l e k e y w o r d s ：d i s t u r b a n c ed e t e c t i o na n di d e n t i f i c a t i o n ，g a u s s i a nb a s i se n e r g yp r o j e c t i o n ， n e u r a ln e t w o r k s ，l e a s t - s q u a r e s ，p o w e rq u a l i t y m 原创性声明 本人郑重声臻：所星交的学位论文，是本人在导师的指导下，独立进行研究工 作所取得的成采。除文中已经注明引用的内容外，本论文不包含任何其他个人或集 体已经发表或撰写过的作品成果。对本文的研究作恕重要贡献的个人和集体，均已 在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名；黑身、 日期： 哆年岁月以日 使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定，即：学校有权保留学 位论文并向国家主管部门或其指定机构送交论文的电子版帮纸质版，有权将学位论 文用予非赢利嗣的的少爨复制并允许论文进入学校图书馆、院系资料室被查阅，有 权将学位论文的皮容编入有关数据库进行检索，可以采用复印、缩印或其他方法保 存学位论文。 学位论文作者签名：吴矛、 隧期：叩年月诊e t - 一 。 导师签 墨期： 筹1 牵缝论 1 1 选题背景 第1 章绪论 电力是基予电能为备种电力设备提供动力的能源。电力发明子十九世纪七十年 德，电力戆发鞴鹈瘟熏掀起了第二次工监稼翥纛，并革命链缝羡交了入察熬生活窝 工作方斌。随着社会的发展，电力供应已缝变得和人民的生活和社会的发展密不可 势。入镌见乎誉霹甍在没有毫力供给戆情援下生活。 随精现代社会工业生产和日常生活的联系的日渐紧密，人们对电能质量也提出 了曼矗翡要求。巍于一些对毫麓矮量要求蹴较严辫蘸邀气设羲，絮：曦子诗算橇、 通信设罄、网络涟接器、步进电机、数控率床等带有基于微处理机的控制器糊功率 邀子：瓣律翁设蚕黪塞理，糯栽熏趣设备黠毫麓覆量熬要求逢 变褥更翔严格。但鑫于 电力系统中电能质量扰动信号的存在使得电力信号不能满足对电能质璧要求严格的 毫力设餐熬需要。龟裁蕊量撬动鹩毯括惠嚣整蒸( s w e l l ) 、惑篷登籍( s a g ) 、毫愿游瑟 ( i n t e r r u p t ) 、谐波( h a r m o n i c ) 、脉冲暂态( t r a n s i e n ti m p u l s e ) 和振荡暂态( t r a n s i e n t o s c i l l a t i o n ) 等。垂楚这些瞧携覆量撬囊嫠骈带来熬瓣题嚣益突您，对愈力系统设备熬 损坏、对用户的生活质缴的影响以及所造成的经济和社会损必也越来越不能忽视。 舞善嚣会谈擐告介绍，壶予毫麓簸量下降，鋈蓠美篷每年襞譬l 起熬损失达1 3 3 链美 元，电能质量降低带来的巨大经济损失受到的关心獠度不断加强【1 1 。因此，对电力 系统邀麓凄量撬虢进簿捻溅蠢谖剐靛具有薰要戆意义，瑟鳃辩准稳莰遮簿捡溅与定 位电力系统波形畸变、扰动的发生和恢复时刻成为魄能质量扰动检测以及故障分析 戆首要勰题瞄】。丽对随着各释敏感毫力电子设备在工鳖孛麴广泛应瘸，诸如缀时低 电压、短时过电压及短时停电等电能质量扰动问题融经成为近年来备方面关注的焦 点之一鼬l 。夔着我藿现在工整技术戆发展鬻赣力枣场麓逐步黟裁，奄麓囊量瓣趱瑷 在已经成为电力鞭统发、供、用电部门十分关注和努力完善的重要指标【6 。8 】。 长麓菠寒，入褒嚣爨把供毫频率和电压有效蘧懿稳定霾度，瘁巍衡量龟畿震量 基- t 自逶应寒攒基耱经瘸络憋毫力信号分拆方法研究 的两个基本参数。例如说我国民用电规定的标准是电压( 工频) 频率为5 0 h z ，幅度 2 2 0 v ( 允许在定范围内波动) 。但随着近年来的可再生能源的利用开发，节能技 术和自动化技术的推广，各种非线性电力电子装置如变流设备、变频设备等的普遍 使用对电力系统的造成的影响有电流和电压波形产生畸变，电压波动，电压闪变， 频率不稳，无功功率损耗等。发电厂的电源发出的工频正弦电压，也会在远距离输 送、分配过程中产生畸变或因雷电等自然现象造成雷电电流注入系统引起冲击电压， 从而造成频繁的绝缘闪络和短路等故障。因此，对电能质量已经不能简单地用频率 和电压这两项指标来鉴定。不同的个体和团体也分别从自己的角度定义了自忍的电 能质量标准。电力公司常常将电能质量定义为供电可靠性，设备制造商则将能使设 备正常运行的供电特性作为电能质量的定义。因此不同的设备制造商经常采用不同 的电能质量标准。曾经也有些人用“e l e c t r i cp o w e rs y s t e m sq u a l i t y ( 电力系统质 量) 、“q u a l i t yo f p o w e rs u p p l y ( 供电质量) 等来衡量电能质量。为了统一电能质量 的定义，i e e e 技术协调委员会正式采用了“p o w e rq u a l i t y 这一术语，并具体定义 为：“合格电能质量的概念是指给敏感设备提供的电力和设置的接地是均适合予该设 备正常工作的。为此，1 9 9 5 年，欧洲在英国颁布的标准的基础上，颁布了个电 能质量标准公共配电系统特性。我国在参考了国际电工委员会( i e c ) 的e m c 一6 1 0 0 系列标准和电气与电子正程师协会( i e e e ) 制定的相关标准后制定了自己的电能质 量标准：供电电压允许偏差( g b 1 2 3 2 5 1 9 9 0 ) 、公用电网谐波 ( g b t 1 4 5 4 9 1 9 9 3 ) 、三相电压允许不平衡度( g b t 1 5 5 4 3 1 9 9 5 ) 、电力系统允许 偏差( g b 行1 5 9 4 5 1 9 9 5 ) 、电压允许波动和闪变( g b 1 2 3 2 6 2 0 0 0 ) 和暂态过电 压和瞬时过电压( g b t 1 8 4 8 1 2 0 0 1 ) 等标准。 1 9 9 2 年7 月欧洲电工标准化委员会( c e n e l e c ) j e 式颁布了公用配电系统供电 特征作为欧洲市场共同的电能统一标准，至今该标准已被国际电工委员会( i e c ) 采用。 国际电工委员会( i e c ) 从电磁现象及相互干扰的方式考虑，给出了引起电磁干扰 的基本现象分类： 1 传导型低频现象：谐波、间谐波、信号系统( 电力线载波) 、电压波动、电 压隧陷( 骤降) 和闻断、电压不对称、频率偏差、感应低频电压、交流电网中的直 2 第l 肇绪论 流分量。 2 辐射型低频现象：工频电磁场。 3 传导性高频现象：感应连续波电压或电流、单方向瞬变、振荡性瞬变。 4 辐射型高频现象：磁场、电场、电磁场、连续波、瞬变。 5 。静电放电现象。 6 。核电磁脉冲。 美国电子电气工程师协会( i e e e ) 给出了关于电能质量领域电磁现象的具体分类 如表1 1 所示。 1 2 电力信号故障模型 电力系统中导致电麓质量的各种扰动可数分为稳态和暂态两大类。稳态的扰动 是以波形畸变为主要特征，主要包括长期电压变化，电压幅值波动与闪变，即谐波 和闻谐波的持续电压幅值和频率的变纯。暂态的扰动则是以频率和时闻的暂态持续 为特征，主要包括短时问的电压幅值变化和其他各种持续时间较短的暂态现象，包 括电压鏊陷，电压凸起，电压闻断等。餐态扰动是近些年蠢于新的电力电子设备的 引入而出现的新的电能质量问题，电能质量的详细划分可见相关标准。 正常信号表示模型为： ，( f ) = as i n ( w 0 0( 1 1 ) 其中的为工频的角频率，a 是指正常信号的幅值。我国王频频率 = 尝訾5 0 h z 。 二巧 以下介绍一下典型的六种电熊质量扰动信号模型。 1 电压凸起：电压凸起也称为电压骤升。电压凸起是指电压的有效值为额定值 的1 1 p u 1 8 p u ，持续时间为0 5 t , - , l m i n ( 其中t 为电压的周期) 的电压变化。电压凸 起一般是由系统故障、电容器的充电、电力系统的单相接地造成的。电压凸起会损 坏绝缘设备和造成设备停运或敏感负载不缝正常运行。 3 基皆自适应褰颊基辨经髓络豹电力信号凳斩方法研究 表1 - 1i e e e 规定的电力系统电磁现象的特性及分类 类别典型频谱成分典型持续时闻 典型电糕经僮 暂态纳秒级5 n s 上升沿 小于5 0 n s 脉_ 巾暂态微秒级l u s 上升沿 5 0 u s - l m s 毫秒级0 1 m s 上升沿大于l m s 低频小于5 k h z o 3 5 0 m s 0 4 p u 振荡暂态中频 5 。5 0 0 x h z2 0 u s 0 8 p u 高频 o 5 5 m h z5 u s o 一4 p u 帮：电 0 5 c y c l e s - 1m i n小于0 。l p u 短期变化电压骤降 0 5 c y c l e s - 1m i n0 1 - 0 9 p u 电匿骤舞 0 5 c y c l e s - 1 m i n1 1 - 1 8 p 。u 持续停电大予l m i n 0 0 p u 长期变化 久停电 大于l m i n 0 8 0 9 p u 过电蘧 大于i m i n 1 1 - i 2 p u 电压不平衡稳态 0 5 2 壹流镳移稳态 o o 1 譬磊 谐波稳态 o 一2 0 波形畸变问谐波稳态 0 2 陷波稳态 噪声稳态 0 1 电舔波动小予2 5 h z断续 0 。| 7 电源频率变化小于l o s 电压凸起的信号模型为： r ( f ) = a ( 1 + a ( u ( t - t 1 ) 一u ( t t 2 ) ) ) s i n ( w o o ，0 1 理0 8 ，t f 2 一t ls9 t ( 1 2 ) 其中t 为工频信号的周期；w o 为工频信号的角频率；a 表示电压的骤升的幅度。电 压凸起的时域特性如图1 1 所示。 4 第l 囊绪论 图1 - 1电压凸超扰动信号的时域特性。 2 电压凹陷：电压凹陷也称为电压骤降。根据i e e e 的标准规定，电压凹陷即 供电系统中某点电噩均方根跌落鳓额定德的1 0 9 0 ，并在随后的1 0 m s 6 0 m s 的 短暂持续时间后恢复正常电压。电压凹陷的状态参数由电压跌落幅值、跌落时的相 位和跌落起止时闻3 个值决定。实际中的大多电压凹陷持续时闻小于l s ，醴陷幅值 小于额定电压的6 0 。电压凹陷一般是由于电力系统输配电线路故障、感应电动机 启动、其它启动电流较大的大型负荷的设备的接入、雷击等自然现象引起的。随着 计算机，可调速驱动器等大规模敏感性电力电子器件在控制自动化中的应用，只持 续几十分之一秒的电压骤降的产生都可能导致生产的中断，造成半导体制造业、集 成电路制造、芯片生产、造纸、板材加工、注塑压模生产线、纤维抽丝等行业的巨 大经济损失，被认为是影响用户设备正常运行的最严重的暂态电能质量问题 9 1 。电 压凹陷的信号模型为： 尹( 力= a ( 1 一a ( u ( t t 1 ) 一u ( t t 2 ) ) ) s i n ( w 0 0 ，0 1 a 0 8 ，t t 2 一 9 t ( 1 3 ) 其中t 为工频信号的周期；为工频信号的角频率；a 表示电压的骤降的幅度。电 压凹陷的时域特性如图1 2 所示。 5 萋予鑫适应蹇耀基褥经嬲终静毫力痿蟹努辑方法戮究 图l - 2电压凹陷扰动信号的时域特性 3 电压间断：电压闻断也称为短时停电，指电压在持续时间不超过l m i n 的时 间内电压的有效值低于0 1 p u 。电压间断一般是供电线路因遭受雷击、树木倒掉的 自然现象或设餐故障和控制失灵等丽造成的短路的电力系统瞬时性故障。因系统故 障引起的电压间断的持续时间由电力系统设置的保护装置动作时间决定，而南设备 故障引起的电压阆断的持续时间是不确定的。电压闯断造成的一相或多相失去电压 会造成停电事故，其造成的危害是非常严重的，直接影响人们的生活和工业生产。 电压间断的信号的模型为： ，( f ) = a ( 1 一( ”( f t 1 ) 一u ( t t 2 ) ) ) s i n ( w o t ) ，o 1 晓0 8 ，t t 2 一 9 t ( 1 4 ) 其中t 为工频信号的周期；为工频信号的角频率；a 表示电压的骤丹的幅度。 电压间断的时域特性如图1 3 所示。 6 第l 章绪论 图1 - 3电压间断扰动信号的时域特性 4 谐波：谐波是一种稳态扰动。国际上公认的谐波定义是：谐波是一个周期电 气量的正弦波分量，其频率为基波频率的整数倍【l o 】。谐波的产生原因是由于电力系 统中一些电力电子设备所具有的非线性特性，使该元器件上所加的咆压与其产生的 电流不成线性关系而造成的波形畸变。 电力系统的电压和电流发生波形畸变蜃，将对发电、输电、供电系统、耀电负 载以及周围的电磁环境产生危害，而且当今这种危害发展到了和自然环境污染一样， 己成为一种社会公害，称之为“谐波污染。在电力系统中，各种谐波源产生的谐波 电压和谐波电流会对电力系统环境造成巨大的危害和影响，甚至会影响到整个电力 系统的电气环境。谐波会导致电能的产生、传输和利用效率降低，电气设备过热、 产生振动和噪声，并使绝缘老化，使用寿命缩短，甚至发生故障或烧毁。谐波还可 引起电力系统髑部并联谐振或串联谐振，使谐波含量放大，造成电容器等设备烧毁。 另外，谐波还会引起继电保护和自动装置误动作，使电能计量出现混乱。对于电力 系统外部的透信设备和电子设备，谐波也会产生严重的干扰。 谐波的信号模型为： 卫 r ( t ) = a a ，s i n ( 。f ) ( 1 5 ) i = 1 其中的为工频的角频率，n 为信号中包含的谐波的个数。谐波的时域特性如图 1 - 4 所示。 7 基予自适应褰簸基神经疆终静电力信弩努辑方法掰究 因此，消除谐波污染，限制谐波电流注入电网和把谐波电压控制在允许范围内， 已成为电力主管部门和用电单位的共同奋斗目标。世界上许多国家相继颁布了限制 带有电力电子控制器件的低压电器和家用电器产生谐波的标准。 图l 。4 谐波扰动信号的时域特性 5 脉冲暂态：脉冲暂态是指电压或电流在两个连续稳态之间的一极短的时间内 发生突变的现象。脉冲暂态的特性可以用上升时闻、衰减时间和频率来表示。脉冲 暂态是由线路遭受雷击或感性电路分合而造成的。由于脉冲暂态的高频特性和经电 路元件传播后快速衰减的特性，脉冲暂态般不会传播很远。另外，脉冲暂态可能 激发电力系统电路的固有频率并产生振荡暂态，并可破坏运行设备的绝缘特性【l 。 脉冲暂态的信号模型为： ，( f ) 一a s i n ( w o t ) + a 8 ( t - t o ) ( 1 6 ) w o 为工频信号角频率，a 为脉冲幅度。脉冲暂态时域特性如图l 一5 所示。 3 筹1 肇缝论 图l 。5 脉冲暂态扰动信号的时域特性 6 振荡暂态：振荡暂态是指电压或电流在其稳态条件下发生地一个突发的、菲 额定频率的双极性( 即有正也有负) 的变化。振荡暂态的特性由频谱成分、持续时 闻、幅值决定。振荡暂态是由线路、负载、电容的投切造成的。振荡暂态会破坏系 统中设备的绝缘性和破坏电子设备等。根据振荡暂态的频谱成分可分为：低频振荡 ( 主要频率成分小于5 k h z ，持续时间在0 3 5 0 m s 的震荡暂态，电容器组充电暂态 就属于这一类振荡暂态) 、中频振荡( 主要频率在5 k h z 5 0 0 k h z ，持续时间为数十 微秒级的震荡暂态，电缆投切所墨| 起的震荡即为该类振荡暂态) 和高频振荡( 主要 频率大于5 0 0 k h z ，持续时间为数微秒级，往往是由事发当地系统的相应脉冲造成的) 三类。 振荡暂态的信号模型为： ，= a s i n ( w o t ) + a ，e 1 卜卜s i n ( b w o t ) u ( t - t , ) - u ( t - t 2 ) 】0 乞一 2 t ( 1 7 ) 其中t 为工频信号的周期；w 0 为工频信号的角频率；a ，b ，c 为常数。振荡暂态的时 域特性如图1 - 6 所示。 多 基于自适应高斯基神经网络的电力信号分析方法研究 图1 - 6 振荡暂态扰动信号的时域特性 对电能质量扰动的识别研究主要包括两步：首先是对电能信号中扰动的特征进 行提取，然后再通过不同扰动模型的特征进行分类。电能质量扰动检测主要是对电 能质量扰动的发生时刻、持续时间、幅值、频域特性等特征来进行检测和分类。目 前针对检测电能质量扰动的主要研究方向集中在如何快速准确的提取各种扰动区别 与其他扰动的特性，然后根据该特性分辨扰动的类型。对此国内外的相关学者提出 了一些研究的方法【i j 】。 1 3 电能质量扰动信号分析的国内外现状 随着电能质量问题越来越得到人们的关注，针对电能质量问题的研究得到了一 定的发展，而对电能质量的扰动的检测和分类的研究也越来越深入。对电能质量扰 动的分析检测主要分为两部分：扰动信号的检测和扰动信号的类型的识别。 1 3 1 扰动信号的检测 针对信号的检测的研究，在不同的时频域分析方法的基础上已经发展出来了多 种研究方法。含有扰动信号的信号在扰动发生的时频域必定存在奇异性，该奇异性 是与正常的电力信号存在明显的、突出的特征。若能够准确地从含有扰动信号的电 力信号中提取出扰动信号的奇异性，从而将扰动信号的故障类型及时、准确地提取 1 0 繁l 拳绪论 出来则可以为进一步的信号类型识别提供足够的信息。 以下简单的介绍一下几种典型的扰动信号检测方法： l 。傅里叶变换检测方法 长期以来，人们常常根据电力信号的傅里叶变换得到的频谱特性来判断其中的 奇异性。但由予傅里叶变换只能得到信号的局部频域特性丽不能得到信号的时域信 息，故对电力信号中的奇异信号的时域特性缺乏准确的分析。 2 。小波交换检测方法 与上面提到的傅里叶变换不同，小波变换在时域和频域都具有良好的局部化特 性。小波变换通过尺度变换和时移可以在低频部分得到较高的时间分辨率但较低的 频率分辨率，也可以在高频部分得到较低的时间分辨率和较高的频率分辨率。特别 是针对脉冲哲态等暂态扰动检测具有较好的检测效果。在实际研究中，人们尝试把 各种小波运用到扰动信号检测方向，丰富了扰动检测的研究方法。例如：基于 d a u b e c h i e s 小波 1 2 , 1 3 】、文献【1 4 】提出基于具有单向递推算法的半复小波的电能质量扰 动信号的分析方法。文献 1 5 1 提出利用电能质量扰动存在时电压信号的短时李氏指 数的方法对电能质量扰动信号进行分析。文献【1 6 描出利用瞬时无功功率理论提取 电压信号的基波成分从而提取加载在正常电压上的扰动信号的方法进行电能质量扰 动信号分析。文献【1 7 】提逝基于m o r l e t 小波分析方法的电能质量扰动信号分析方法。 文献【1 8 】提出一种基于双正交复小波采用塔式二迸快速算法的针对短时电能质量扰 动( s h o r td u r a t i o np o w e rq u a l i t yd i s t u r b a n c e 简称s d p q d ) 的分析方法。文献【1 9 】提出 基于d a u b e c h i e s 4 小波对电力信号进行各尺度上的分解然后进行特征提取的方法迸 行电能质量扰动信号分析。文献【2 0 】提出先用数学形态滤波对电力信号进行预处理 然后利用小波方法检测电力信号中扰动信号的方法。文献【2 l 】提出基于s 交换模时 频矩阵矩阵相似度的短时电能质量扰动分析方法。文献 2 2 1 提出小波包分解终节点 的能量和熵作为特征矢量的方法进行电能质量扰动信号分析。文献【2 3 】提出了一种 利用小波包能量熵神经网络的电能质量扰动信号分析方法。 随着拓扑学的引入和训练算法的发展，a n n ( 人工神经网络) 在电力系统中的应 用日益显示其有效性。为了更好地进行电能质量扰动分析，常将小波变换与a n n 相结合 2 4 - 2 8 。一般思路是先进行小波变换判别扰动是否发生，之后提取电能质量扰 基乎自适应褰籁基神经瘸终豹电力羡号分据方法磷究 动信号的特征信息作为神经网络的输入数据，神经网络进行训练后可识别出扰动类 型。这样结合可以使神经网络具有迅速收敛性、抗干扰性。若是用多个a n n 判断 不同的扰动类型，则可采用投票方案最终决定扰动的类型。然而一种特定的a n n 只能用于检测一种扰动类型，要检测其他扰动，a n n 结构需要重构，并重新训练， 大大增加了计算复杂度。 3 其它方法 1 9 9 8 年n o r d e ne h u a n g 等人提出一种以瞬时频率为基本量和以固有模态为基 本信号，且信号的分解基依赖于信号本身，分解具有更高的时频分辨率的新型非线 性，非平稳信号的时频分析7 嗽- - h i l b e r t h u a n g 变换( 简称h h t ) t 2 9 1 。2 0 0 1 年h u a n g s h y h j i e r 和h s i e hc h e n g - t a o 提融结合移动平均技术利用电力信号的分形数与确定 阈值的比较检测电能扰动信号【3 0 】。文献【3 l 】提出用短时网格分形数检测电能质量扰 动信号。文献【3 2 】提出利用信号差值的平方用来检测电能质量扰动信号。文献 3 3 】 提出就多种暂态电压凹陷的扰动信号利用瞬时电压d q 分解平均值法和瞬时电压 d q 分解低通滤波器方法检测扰动信号。 1 3 。2 扰动信号的类型的识别 在提取到了关于何时发生了电能质量扰动信号的特征信息后，就可以根据不同 的分类方法进行扰动信号的类型分类： 1 蘸线形状分类法 文献【3 4 】利用不同扰动信号的小波变换在不同尺度上能量分布存在差异的特 性，提爨了基于小波变换多尺度能量莹线电能质量扰动类型的分类方法。该方法具 有能分离在时域和频域重叠的电能质量扰动的优点，但该方法计算过程复杂，耗时 多。 2 数据挖掘分类算法 文献【3 5 】提也引入数据挖掘理论来解决电能质量中的扰动信号分类阀题。常用 的用于电能质量扰动信号分类的数据挖掘算法有：基于逻辑分析的决策树分类、基 于向量空闻模型的最近邻分类、基于统计学习理论的支持向量机分类等数据挖掘算 1 2 第1 章绪论 法。 决策树是一种归纳学习方法，该算法在训练库中数据发生变化的情况下，仍然 能通过遍历树容易地重新调整数的结构。其最重要的特点是能把复杂决策过程分解 为多个简单决策过程的累加，并依此提供易于解释的解决方法。把决策树方法引入 电能质量扰动识别，可以生成扰动判别树，获得精炼的判别规则，为扰动的归类提 供有力的决策依据。这种方法用于电能质量扰动分类不仅在准确度高，而且使用 “i f - t h e n 简单的分类规则进行分类，解释性强【3 6 】。 3 最近邻类方法 最近邻类方法( n e a r e s tn e i g h b o r s ，n n ) 把一组已知类别的历史数据作为训练样本 集，根据已知样本的类别对新样本( 待分类样本) 进行分类，该算法没有学习的过程。 基于小波多尺度变换和最邻近模式算法的电能质量扰动分类技术采用小波多尺度变 换提取特征，应用最邻近模式算法完成扰动分类【3 7 】。 支持向量机( s u p p o r tv e c t o rm a c h i n e ，简称s v m ) 是近年来发展起来的一个统计学 习算法，在解决小样本、非线性模式识别问题中表现出许多优势。并在许多实际问 题中取得了很好效果。将s v m 引入动态电能质量扰动分类，对谐波、电压凹陷和 波动等电能质量进行分类，效果良好，当采用c s v c ，r b f 核时调整参数可以得到 最优分类效果【3 8 】。应用多级支持向量机对电能质量扰动进行识别的方法能有效识别 参数大范围内随机变化的各种电能质量扰动【3 9 】。该方法的识别率较高【4 0 1 。 1 4 本文的主要工作 1 本论文主要研究探讨现代数字信号处理方法用于电能质量扰动的检测和识 别，研究基函数神经网络的信号分解理论方法，基于信号的函数分解理论和基函数 神经网络理论阐述了几种典型的信号变换方法的基函数神经网络模型，在此基础上， 提出了一种自适应修改确定隐神经元数及权值的自适应基函数神经网络，并给出了 收敛性证明。 2 重点研究了用于电能质量扰动的检测和识别的三角基函数神经网络和自适 应高斯基神经网络，提出了神经网络权值计算的最小二乘算法和基于正交原理的能 1 3 基于自适应高斯基神经网络的电力信号分析方法研究 量投影方法，该方法计算量小，易于实现。 3 采用三角基函数神经网络对常见的电能质量扰动信号进行波形拟合，做了大 量仿真实验，考虑了干扰噪声的影响，试图从扰动信号波形的差别识别扰动。同时 采用频谱分布区分扰动特征，给出了仿真实验结果。 4 探讨自适应高斯基神经网络用于电力信号的时频分析，从时间上和信号能量 分布角度对电能质量扰动进行检测和识别，仿真结果验证了方法的可行性。 1 5 本文章节安排 本文章节安排如下： 第1 章：绪论。介绍了电能质量扰动信号的检测和识别的发展现状和国内外电 能质量扰动信号的检测和识别的发展历程，阐述了电能质量扰动信号的检测和识别 的意义，介绍了本课题的结构安排。 第2 章：概述了人工神经网络的结构和框架、数字信号处理中的信号变换方法 和数学中的函数逼近理论等相关知识为本文的研究奠定理论基础，并探讨了数字信 号处理中的信号变换方法与人工神经网络的联系。 第3 章：提出了三角基函数神经网络权值计算的最小二乘算法和基于正交原理 的能量投影方法，采用三角基函数神经网络对常见的电能质量扰动信号进行波形拟 合，做了大量仿真实验，考虑了干扰噪声的影响，试图从扰动信号波形的差别识别 扰动。同时采用频谱分布区分扰动特征，给出了仿真实验结果。 第4 章：介绍了自适应基函数神经网络的结构和框架及基函数神经网络的权值 计算和隐层神经元个数的确定方法和理论。利用自适应高斯基神经网络方法检测识 别各种扰动信号，通过大量仿真实验验证了自适应高斯基神经网络方法的可行性， 得出了一些对开发实际电能质量检测仪有一定参考价值的数据和结论。 第5 章：对全文所做的工作和创新点进行总结，指出了今后进一步研究的方向。 1 6 本章小结 本章是本文的绪论部分，首先叙述了导致电力信号故障的原因和电力信号故障 1 4 第1 袈绪论 的危害，指出了对电力故障进行分析研究的意义，其次介绍了电力信号的故障模型 ( 即电能质量扰动模型) ，然后综述了电能质量扰动信号分析的发展现状，电能质量 扰动信号的分析分为扰动信号的检测和扰动信号的类型识别两部分。最后，对扰动 信号的检测技术和扰动信号的类型识别技术的研究发展状况进行了介绍。 第2 章信号的函数分解方法与基函数神经网络 第2 章信号的函数分解方法与基函数神经网络 通过将信号函数分解为一系列基本时频信号的线性组合从而便于分析信号的某 些时频特性的方法有子波变换、小波变换和基函数神经网络等方法。子波变换的分 析方法是指将时序信号与一个在时域和频域均具有良好局部化性质的伸缩子波函数 进行内积，进而把信号分解成不同时段和频段的各个成份。基函数神经网络与子波 变换和小波变换之间具有一定的联系。如果基函数神经网络的隐层的激励函数具有 子波函数或小波基函数的性质，则该神经网络可视作一个特殊的子波变换或小波变 换过程，而当神经网络的隐层激励函数选为p 朋，e 2 j w t ，p 删，时，该人工神经网络 的分析过程可看作为一种傅里叶变换分析过程，隐层神经元到输出层的权值可看做 信号的频谱i 晤值，当隐层的激励函数为其他函数组时则可把该神经网络看为其他类 型的函数分析。而神经网络用于信号分析可更容易实现自适应信号分析。本文主要 研究信号分析函数分解理论的自适应神经网络实现方法。 2 1 信号分析函数分解的传统方法一卡洛变换 信号分析函数分解的方法就是将信号表示成为一系列基本时频信号的线性组 合，然后通过分析比较简单的基本时频信号及它们之间的关系达到分析和处理的目 的。卡洛变换( k a r h u n e n l o e v e 和卡亨南洛厄维变换变换，也简称k l 变换) 是 针对随机信号或确定性信号，最早用于图像分析、数据压缩等的一种变换，且卡 洛变换是产生不相关系数和最小均方误差的对平稳随机信号的最佳分析方法之一。 周期或非周期的确定性信号总可以用傅里叶变换展开，展开系数可满足不相关条件， 但对于随机信号则不能通过傅里叶变换来分析，因而采用卡洛变换展开。 设想连续随机信号x ( f ) ，f 【0 ，t 】，x ( f ) 可用基函数以( f ) ( f = 1 , 2 ，) 的线性组合进 行表示，即： x ( f ) = y ，咖( f ) ，0 f t ( 2 - 1 ) t = l 1 7 基参叁适痘煮疑基神经瓣终豹电力售警分爨方法磺究 上式称为连续卡一洛变换。其中礁( f ) 是确定性的时间函数，作为基函数，满足正交( 或 线性无关) 、归一化的条件： f 磊。溉) 盔= 鬈= 【。1 , ，i f = 书j 歹p 时f l f ( 2 2 ) 如只需正交，则 舭，扣煳二于， 当x ( f ) 为零均值时，即研x ) 】= 0 ，z ( f ) 的协方差函数为： 口舣l ，t 2 ) = c o v x ( t 1 ) ，x ( t 2 ) 】= k i ，f 2 ) ( 2 - 4 ) 其中k 瓴，f ：) 为x ( ，) 的自相关函数。由式( 2 1 ) 和式( 2 2 ) ，有： 苁= f , x ( t ) c ( o d t ( 2 5 ) 若咖，o ) 选择满足积分方程 fc 崩( ，f ：) 我p ：) a t ：= l 谚o ，) ( 2 - 6 ) 则 嚣眦夕；】_ 毛( 2 - 7 ) 即弘是不相关的随机信号【4 1 1 。式( 2 6 ) 中咖0 ) 称为积分方程( 2 。6 ) 的特征函数，五 为与其相对应的特征值。取： 舅) = 只办) 0 8 ) 作为x ( t ) 的线性估值，并将九按大小次序排列，即 九惫。则估计误差的最小 均方信淹： 嚣二= 墨2 i = m + l ( 2 - 9 ) 为了得到其在离散时域的应用，如上述连续情况的x ( f ) 与咖( ，) 的n 个均匀时间 取样值，得 x = 【x ( f 1 ) ，x ( f 2 ) ，x ( t ) 】r 和p i = 【咖( f 1 ) ，妒( f 2 ) ，咖( ，) 】7 ( 2 - 1 0 ) 令y = y l ，罗2 ，甄】r ，t = 【争l ，警2 ，9 n 】r ， 1 8 第2 章霞弩鳇丞数分熬方法与基螽数裤羟瓣终 则有： 与 也即： c 。= ，乞) ( f 2 ，t 1 ) 瓴，t 2 ) c 。( f 2 ，f 2 ) 媲，t 撑) c = q n ，t 1 ) c 。冬幢，1 0 c 。堪酵，| 擗) x ：f x 鼍1 ) 1 ： k ) j x ( t ，) = y j 妒j ( t ，) ，= l ，2 ，柳 ( 2 一1 1 ) j = l x = 【中l ，叩2 ，叩n 】y = t r y 叩r ( ) 1 警r 圳y ： ： l q7 “) j 6 l ( f 1 )九( r 1 ) 热( f ：) 丸2 ) 蛾o ) 欢o ) ( 2 1 2 ) ( 2 - 1 3 ) 其中有妒，瓴) 九以) = 岛( 正交、归一) 即 与( 2 7 ) 相对应的实丞 数离散公式为： 与 式( 2 1 7 ) 的矩阵形式为 织p 。) ，屯( f 。) = 9 i 爷，= 6 v k = l ， e 嚣辑，t k ) $ i ( t 1 ) = 五织辑) ，z = l ，2 ，奶 e y ，y j 】= 屯 1 9 ( 2 - 1 5 ) g 一1 6 ) ( 2 - 1 7 ) m 虼；h 一 忡1lililillllllllilj |一 l 2 瓴如； v 机氐 “ 基于自适应高斯基神经网络的电力信号分析方法研究 c 。叩，= q ，( f = 1 , 2 ，) ( 2 一1 8 ) 卡洛变换作为最佳变换所具有的重要性质为：若将n 维数据矢量x 进行变换投 影空间，变换后所得的矢量y 的各分量y ，( f = 1 , 2 ，) ，为x 在n 个正交矢量轴上 的投影。在x 为n 维数据矢量的情况下，其中的各系数y ，和y ，之间是不相关的，即 e ( y ，y j ) = o ( 其中f y ；i ，= 1 , 2 ，n ) ，并且e ( y ，y ，) = 九。且在卡一洛变换中