（电力系统及其自动化专业论文）电力系统电能质量扰动识别方法研究.pdf

浙江大学硕士学位论文 a b st r a c t p o w e rq u a1it yis0 n eo ft h er e s e a r c hf o c u s e si np o w e rs y st e m w it h t h ew i d e l yu s e d0 fp o w e re l e c t r o n i c s ， p o w e rp 0 1l u ti o nb e c o m e sm o r ea n d m o r es e r i o u s ， w h i l ev a r i o u su t i l i z a t i o n e q u i p m e n t sb a s e d 0 nt h e c o m p u t e r sa n dm i c r o p r o c e s s o r sr e q u i r eh i g h e rp o w e rs u p p l yq u a l i t y i n o r d e rt os t a t i s t i c a l l ya n a l y z et h ep o w e rq u a l i t yp r o b l e m sc a u s e db yp o w e r q u a l i t y d is t u r b a n c e s ， p o w e rq u a l i t yd is t u r b a n c es i g n a l sm u s tb e m o n i t o r e da n dr e c o r d e d ，a n dit si m p o r t a n tt 0t h ee v a l u a t i o no ft h e v 0 1 t a g eq u a l i t yt h a td i s t u r b a n c es i g n a l sc a nb ec l a s s i f i e da u t o m a t i c a l l y b ye x t r a c ti n gt h ef e a t u r e sf r o mt h o s er e c o r d e dd a t a i nt h ist h e s is ，f i r s tt h er e l a t e dc o n c e p ts0 fp o w e rq u a l i t ya n di t s r e l a t e da n a l y s ism e t h o d si si n t r o d u c e d ，t h e nat i m e f r e q u e n c ya n a l y s i s m e t h o d ，s t r a n s f o r mi su s e di nt h ep o w e rq u a l i t ya n a l y s is s t r a n s f o r m s u c c e e d st 0t h eti m e f r e q u e n c yc h a r a c t e r0 fw a v e l e tt r a n s f o r m ，a n dit t r a n s f o r m st h eti m es e r i e si n t oat i m e f r e q u e n c ym a t r i x ，w h i c hc o n t a i n s t h em a g n i t u d e s ，a n dp h a s ei n f o r m a t i o n0 ft h es i g n a lsa n dp r o v i d e s e v i d e n c ef o r t h ec l a ss i f i c a t i o n0 fp o w e rq u a l i t yd i s t u r b a n c e s a tf i r s tt h et y p e s0 fc o n c e r n e dd is t u r b a n c e si n c l u d eh a r m o n i c s ， f l i c k e r s ， v o l t a g es a g s ， v 0 1 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 sa n d i m p u l s i v et r a n s i e n t s t h est r a n s f o r misu s e dt og e n e r a t et h em o d u l e ti m e f r e q u e n c ym a t ri x e s c o n si d e ri n gt h ed a t ao ft h ef u n d a m e n t al f r e q u e n c ya n d t h eh i g hf r e q u e n c y ， f i v ei n d i c e sw h i c ha r et h ea v e r a g e v a l u e0 ft h ef u n d a m e n t a lf r e q u e n c ya m p lit u d e ，t h em a x i m u mv a l u eo ft h e f u n d a m e n t a lf r e q u e n c ya m p l i t u d e ，t h ev a r i a t i o nd e g r e eo ft h ef u n d a m e n t a l f r e q u e n c ya m p l i t u d e ， t h em i n i m u mv a l u eo ft h es i g n a la n dt h ea v e r a g e v a l u e0 ft h eh i g hf r e q u e n c ya m p l i t u d ea r ep r e s e n t e d a n a l y s i sr e s u l t s s h o w e dt h a tb yt h e s ef i v ei n d i c e s ，f e a t u r e so fd i f f e r e n td i s t u r b a n c e s c a nb ee x t r a c t e de f f e c ti v e l y t h ep r o p o s e da p p r o a c hp r o v i d e san e wi d e a f o rp o w e rq u a l i t ya n a l y s is i 浙江大学硕士学位论文 a b s t r a c t t h e nt h et y p e s0 fd is t u r b a n c e sd is c u s s e di n c l u d eac o m b i n a t i o no f s h o r t t e r md is t u r b a n c e sa n dl o n g t e r md i s t u r b a n c e s ，a sw e l la st h e i r h o m o l o g o u ss i n g l eo n e s c o n c e r n i n gt h ef i v ei n d i c e sd is c u s s e da b o v e ，t w o m o r ei n d i c e sw h i c ha r et h es y m m e t r yd e g r e eo ft h ef u n d a m e n t a lf r e q u e n c y a m p li t u d ea n dt h em a x i m u mv a l u eo ft h eh i g hf r e q u e n c ya m p lit u d ea r e p r e s e n t e d as i m p l ed e c i s i o nt r e ei sb u i l tt 0c l a s s i f yp o w e rq u a l i t y d is t u r b a n c e s p o w e rq u a l i t yd i s t u r b a n c es i g n a lsu s e df o rt e s t i n ga r ea l l k i n d so fsi m u l a ti o ne x a m p l e sc o n t a i n i n gr a n d o mp a r a m e t e r s ，a n dt h e i r m a t h e m a t i c a lm o d e lsm e e tt h ei e e es t a n d a r d ，s ot h a tt h ee f f e c t i v e n e s s o ft h i sm e t h o dc a nb et e s t e dc o m p r e h e n s i v e l y t h ep r o c e s so ft h ed e c i s i o n t r e ei sc l e a r t h ei n d i c e sc a nb eu s e dt oc l a s si f yd i f f e r e n tk i n d so f d is t u r b a n c e sc l e a r l y ，w h i c hc a nb ec a l c u l a t e ds i m p l ys ot h a tt h e c o m p u t a t i o n t i m e0 ft h ec l a s s i f i c a t i o n p r o c e s s c a nb er e d u c e d e f f e c ti v e l y n u m e r i c a lr e s u lt ss h o wt h a tt h em e t h o d p r o p o s e d c a n e f f e c t i v e l yc l a s s i f yd i f f e r e n td i s t u r b a n c ep a t t e r n sa n dp r o v i d eb a s i s f o rp o w e rq u alit ym iti g a ti o nm e a s u r e s k e y w o r d s ： p o w e rq u a l i t y ； s t r a n s f o r m ； d is t u r b a n c e ；c l a s s i f i c a t i o n 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得 的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得逝姿盘堂或其他教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签名：签字日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解逝望盘堂有权保留并向国家有关部门或机 构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂 可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用 影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：导师签名： 签字日期：年月日签字日期：年月 日 浙江大学硕士学位论文致谢 致谢 在本课题的整个研究过程中，得到了很多老师和同学们的关心和帮助。我 能够不断地克服困难，解决问题，最后顺利地完成毕业设计，和他们自始至终 的帮助是密不可分的。 在此，我要特别感谢我的导师吴为麟教授。在硕士两年半的学习和生活中， 吴老师严谨的治学态度和积极的工作精神深深地影响了我，在他的指导和关怀 下，我的科研水平、动手能力以及为人处事等方面都有了长足的进步，受益匪 浅，为以后的工作和生活打好了基础。同时对吴老师在生活上对我的关心和照 顾也表示衷心的感谢。 感谢实验室朱丹梧老师的热心帮助和悉心指导。特别感谢实验室三位博士 师兄高培生、李智勇、郑伟彦学术上的耐心指点，本课题和论文的完成得到他 们很大的帮助。当然也离不开郭国强、任乃红、邹家勇、邹云峰、郭亮、任龙 霞等实验室同学的帮助和鼓励，在此一并致以最衷心的感谢! 感谢所有关心和帮助过我的亲人、朋友和同学。 浙江大学硕士学位论文 引言 l 引言 1 1 研究背景及意义 电力系统运行的基本要求是：( 1 ) 保证安全可靠的供电；( 2 ) 合格的电能 质量；( 3 ) 良好的经济性n 1 随着科学技术的发展和电力市场的逐步形成，电 能质量问题已成为电力系统各部门十分关注和努力完善的重要指标。高质量的 电能对于保证电网安全、经济运行，提高产品质量和保障居民正常生活有着重 要意义乜1 。 随着工业技术的飞速发展，诸如炼钢电弧炉、电气化铁路、电力电子装置 等大量非线性、冲击性和不平衡负荷在电力系统中的投入使用，导致电网电压 波形发生畸变、电压波动和闪变、三相不平衡以及系统频率波动等，造成越来 越严重的电能质量问题。而基于微电子器件的计算机、控制器等敏感负荷设备 的普遍使用，则对电能质量提出了更严格的要求。例如，短时的电压中断 ( i n t e r r u p t i o n s ) 或者电压凹陷( d i p s 或s a g s ) 会引起计算机死机或数据丢 失；程序逻辑控制器p l c s ( p r o g r a 衄a b l el o g i cc o n t r o l l e r s ) 误动，造成 工业生产过程局部或者全部停止；调速装置a s d s ( a d j u s t a b l es p e e dd r i v e s ) 失灵，导致产品报废；接触器与辅助继电器跳开；不可预计的低电压跳闸等口1 ， 由此给敏感负荷用户带来的经济损失正逐年增加。因此，供电部门和电力用户 对电能质量的关心程度与日俱增，电能质量问题已成为电力系统亟待解决的问 题之一h 1 。 暂态电能质量问题，诸如电压中断、电压凹陷、电压凸起、短时谐波、振 荡暂态、电压尖峰以及电压缺口等短时电能质量扰动，由于其给工业生产和敏 感负荷造成的严重影响和干扰，已经成为电能质量问题的重要方面，引起了人 们的普遍重视。但是，相对于稳态电能质量问题较为完善和成熟的研究方法与 考核体系，暂态电能质量问题特别是短时电能质量扰动还待深入研究。对短时 电能质量扰动的分析是电能质量检测系统的重要组成部分，也是进一步采取适 当措施对其进行治理和控制的依据和前提。但是，人们对短时电能质量扰动的 认识尚不够完整和深入，尚未形成可行的、实用的分析方法，所以在对其进行 考核和治理之前还有大量研究工作需要进行，这主要集中在以下几个方面： ( 1 ) 如何从海量电能质量数据中快速、准确地检测和辨识出短时电能质量 浙江大学硕士学位论文 引言 扰动信号，为进一步分析其特性和确定其产生原因，以及采取电能质量控制措 施进行治理提供依据。 ( 2 ) 如何将先进理论工具应用于暂态电能质量问题分析，从而形成具有较 高工程使用价值的分析方法 ( 3 ) 如何对各种短时电能质量扰动进行全面、合理和准确的定量分析，以 对其进行科学考核，为相关标准的制定提供依据，等等。 卢强院士在本世纪初提出了电力系统科技的发展方向一一数字电力系统 ( d i g i t a lp o w e rs y s t e m ) b 3 ，电力系统中正在产生以指数速度增长的数据， 因此如何快速有效的分析、加工、提炼数据，从海量的扰动数据中提取扰动特 性并完成自动分类识别，对于评估电力系统电压质量显得尤为重要。 1 2 电能质量综述 1 2 1 电能质量定义 理想的三相交流电力系统中，各相电压和电流均应具有恒定的频率以及幅 值相等、相位相差1 2 0 度的正弦波形。但由于电力系统中各元件参数的非线性 和不平衡性，以及外来干扰和故障的存在，导致电压和电流波形发生变化，从 而产生了电能质量问题。 国际电工委员会i e c ( i n t e r n a t i o n a le l e c t r o t e c h n i c a lc o 衄is s i o n ) ( 1 0 0 0 2 2 4 ) 标准给出的电能质量定义为：供电装置在正常工作情况下不中 断和干扰用户使用电力的物理特性。而国际电气电子工程师协会i e e e ( i n s t i t u t eo fe l e c t r i c a la n de l e c t r o n i c se n g i n e e r s ) 给出的电能质量问 题的一般定义为：供电过程中导致电器设备出现误动作或者故障损坏的任何异 常现象，比如过电压、电压跌落、谐波等阳1 1 2 2 电能质量标准 为保证电网安全经济运行，保障电力用户正常可靠地使用电能，必须按照 标准化原则实施电能质量监督管理。从1 9 9 0 年到2 0 0 1 年国家技术监督局制定 并颁布了以下6 个电能质量标准，分别规定了各种电能质量问题的监测标准、 监测方法和监测设备要求： a ) g b l 2 3 2 5 1 9 9 0电能质量供电电压允许偏差 b ) g b t 1 4 5 4 9 1 9 9 3 电能质量公用电网谐波 2 浙江大学硕士学位论文引言 c )g b t 1 5 5 4 3 一1 9 9 5 d )g b t 1 5 9 4 5 1 9 9 5 e ) g b l 2 3 2 6 2 0 0 0 f )g b t 1 8 4 8 1 2 0 0 1 电能质量 电能质量 电能质量 电能质量 三相电压允许不平衡度 电力系统频率允许偏差 电压波动和闪变 暂时过电压和瞬态过电压 此外，国外也制定了不少相关电能质量标准，如欧洲共同体针对中、低压 电网颁布的公用配电系统供电特性n 1 ，主要对频率、电压幅值、电压不平 衡、电压波形及电源信号电压等5 个指标均作了相关规定；美国计算机和商用 设备制造协会c b e m a ( c o m p u t e rb u s i n e s se q u i p m e n t 衄n u f a c t u r e s a s s o c i a t i o n ) 针对大型计算机对电能质量的要求制定的c b e m a 标准，主要提出 了c b e m a 电压容限曲线以及规定了电压水平及其耐受时间；国际半导体设备和 材料s e m i ( s e m i c o n d u c t o re q u i p m e n tm a t e r i a lsi n t e r n a t i o n a l ) 联盟针对 半导体制造业制定的供电系统电压下降应变能力规范一一s e m if 4 7 一0 2 0 0 ，主要 规定了半导体制造业相关设备在各种电压下降情况下的耐受时间等。 1 2 3 电能质量分类 i e e e 第2 2 标准统筹委员会推荐采用表1 1 中的1 1 种术语来描述各种电能 质量扰动隅1 电能质量事件就其所表现出的电磁现象在持续时间、幅值以及频谱成分上 的特性，主要可分为稳态和暂态事件眇1 ，其中稳态事件主要是指以波形畸变为 特征的电能质量事件，如谐波、电压波动和闪变、三相不平衡等；暂态事件是 指以频谱和暂态持续时间为特征的电能质量事件，如瞬时脉冲、电压凹陷、电 压凸起等。 浙江大学硕士学位论文引言 表1 1 电能质量分类 术语描述持续时间 一定时间内单相或多相完全失去瞬时：o 5 周波一3 s 断电 电压( 低于o 1 ( p u xp e ru n i t ，暂时：3 6 0 s ( i n t e r r u p ti o n ) 标幺值) )持续： 6 0 s 电压凹陷电压幅值为o 1 o 9 ( p u ) ， o 5 周波一6 0 s ( v o l t a g es a g s )系统频率仍为额定值 电压凸起电压幅值为1 1 1 8 ( p u ) ， o 5 周波6 0 s ( v 0 1 t a g es w e l l s )系统频率仍为额定值 瞬时脉冲两个连续稳态之间极短时间内发 ( t r a n si e n t sp u l s e )生的一种突变现象或数量变化 过电压 电压幅值为1 1 1 2 ( p u ) 1 m i n ( o v e rv o l t a g e ) 欠电压 电压幅值为0 8 0 9 ( p u ) 1 m i n ( u n d e rv 0 1 t a g e ) 谐波频率为基波整数倍的正弦波分 ( h a r m o n i c s )量，可用傅立叶分解求取 间谐波频率不是基波整数倍的正弦波分 ( i n t e r h a r m o n i c s )量 电压切痕 周期性电压扰动 0 5 周波 ( v o l t a g en o t c h e s ) 三相不平衡度三相电力系统中三相不对称的程 ( i m b a l a n c e ) 度 电压波动和闪变电压波动：在工频电压包络线内 ( v o l t a g e的有规律变化。 f l u c t u a ti o na n d电压闪变：人眼对由电压波动引 f l i c k e r )起的照明异常的视觉感受 4 浙江大学硕士学位论文引言 1 3 电能质量扰动分析方法 目前电能质量分析方法主要有两大类，一类是时域分析法，一类是基于数 学变换的方法。 1 3 1 时域分析法 时域分析方法是指通过在时域对信号的指标或参数进行定义和计算，从而 提取电能质量特性的方法。其中最具代表性的方法是数学形态学。该方法基于 形态谱上的刻度和幅值变化对电能质量扰动特性进行有效提取n 们，因在处理暂 态信号时具有幅值不衰减、相位不偏移等优点而受到关注n 此外，短窗功率 算法n 羽、分形维数法n3 1 、相空间重构法n 钔等均被证明可用于提取电能质量扰动 特性。 1 3 2 基于变换的方法 基于变换的方法是指运用数学变换方法把信号从时域变换到其它域进行分 析的方法，其中最经典的是傅立叶变换。傅立叶变换建立的是时域与频域的映 射关系，其快速算法一一快速傅立叶变换f f t ( f a s tf o u ri e rt r a n s f o r m ) 在 早期的电能质量分析中广泛应用，是分析谐波等持续时间较长的电能质量问题 的最有效算法n 卯，在其他电能质量扰动识别中也有应用h 们。但f f t 在不满足采 样定理或信号非周期采样的情况下，会出现混叠现象。傅立叶变换是对整个时 间段的积分，没有局部分析能力，因而无法分析处理时变非平稳的动态电能质 量扰动。 为解决f f t 变换中存在的问题，g a b o r 提出了短时傅立叶变换s t f t ( s h o r t t i m ef o u r i e rt r a n s f o 珊) 17 1 ，其基本思想是利用窗函数截取信号，假定窗口 内信号是平稳的，对其进行傅立叶变换，然后沿信号移动窗函数，得出信号频 率随时间的变化状况。s t f t 解决了傅立叶变换没有时域分辨率的缺点，将不平 稳信号看成是一系列短时平稳信号的集合，但由于窗函数是固定不变的，这种 单分辨率分析存在时间分辨率和频率分辨率相互牵制的矛盾，不适合分析多尺 度过程。 小波变换是近年来应用最广泛的一种时频分析方法，其基本思想是伸缩与 平移。1 9 8 7 年m a l l a t 提出了多分辨率分析概念，给出的m a l l a t 塔式快速算法 浙江大学硕士学位论文 引言 显著减少了计算量，从而使小波变换具有了工程实用价值n 。1 9 1 。而w i c h e r h a u s e r 等对m a l l a t 塔式快速算法进一步深化所提出的小波包算法则能对信号进行最 佳的时频分解乜帕。小波变换克服了s t f t 中窗口大小不随频率变化的缺点，采用 了可根据信号频率自动调节窗口大小的自适应可调窗口，使得在分析信号低频 部分时有较高的频率分辨率，而在分析信号高频部分时有较高的时间分辨率。 目前小波变换的发展主要有三个方面：一方面是小波理论的完善，如小波变换 中最佳小波函数的选择问题、如何克服m a l l a t 算法的非平移不变性等；另一方 面是研究小波变换与其他方法的有机结合以获得更好的分析结果；最后一方面 是对小波变换的重大改进，如由一维小波到二维小波、由实数小波到复数小波 等。小波变换在电能质量分析中的应用主要可分为以下几个方面：电能质量扰 动信号的检测与定位1 、扰动的分类乜2 2 3 1 、谐波和间谐波检测及频率监测他耵n 5 1 、 去噪雎司乜7 1 、闪变等信号的检测口副等。目前离散小波变换的多分辨率分析理论妲9 1 、 小波变换模极大值原理b 们、复小波b 、小波包d 2 1 等方法均被应用于电能质量扰 动分析中。然而其在处理电能质量问题的应用中还存在一些问题，如在处理不 同电能质量问题时最佳小波函数的选择问题、分解尺度的选择问题、噪声干扰 问题等。 此外，d q 变换m 1 、w a ls h 变换眵4 1 、h i l b e r t h u a n g 变换b 5 1 等各类数学变换 也都已成功应用于电能质量扰动分析中 s 变换是地球物理学家s t o c k w e l l 于1 9 9 6 年提出的一种时频分析方法，其 基本恩想是利用频率的倒数来决定高斯窗的尺度大小，从而进行多分辨率分析 b 们。s 变换组合和发展了短时傅立叶变换和小波变换，与短时傅立叶变换相比， s 变换克服了短时傅立叶变换在分析过程中窗函数不变的缺点；与小波变换相 比，s 变换保留了相位因子。d a s h 等人于2 0 0 2 年首先将s 变换应用于电能质量 分析中，并指出了s 变换在短时电能质量扰动特征量提取和分类识别中的优势 。此后发展出了许多s 变换和各种方法的组合应用，用于分析电能质量扰动。 目前s 变换在电能质量分析中常与各种方法组合运用，如与样条小波组合 运用，利用样条小波对数据进行压缩存储与重构后进行s 变换，利用变换所得 矩阵中的特定成分幅值方差以及幅值包络进行特征提取与分类b 引；与支持向量 机组合运用，利用支持向量机对s 变换提取出的信号特征进行分类口明；与神经 6 浙江大学硕士学位论文引言 网络组合运用，利用s 变换提取信号的标准偏差、振幅系数等特征量，然后用 前向神经网络和概率神经网络进行分类们等。此外， 1 4 电能质量扰动分类方法 为进行电能质量扰动统计分析，给电能质量问题的改善提供依据，需要对 扰动信号进行监测和记录，因此如何从海量的扰动数据中提取扰动特性并自动 完成分类识别成为了一个十分重要的课题。 近年来多种人工智能、统计理论和机器学习的方法以及其混合算法已被广 泛应用于电能质量扰动分类识别中，其研究具有交叉性、开放性和新颖性。以 下是几种常见的分类方法介绍。 1 4 1 神经网络 最早应用于电能质量分类识别中的方法是人工神经网络( a n n ，a r t i f i c i a l n e u r a ln e t w o r k ) 人工神经网络结构简单，求解问题能力强，具有大规模分布 并行处理、非线性、自组织和自学习等优良特性，是分类识别中最常用的方法。 a n n 由许多并行运算的神经元组成，每个神经元均可实现输入到输出的非线性 变换，神经元的广泛连接组合使得整个神经网络具有复杂的非线性特性。a n n 模拟人脑的思维，把大量的神经元连接成一个复杂的网络，利用已知样本对网 络进行训练，让网络存储变量间的非线性关系，然后利用存储的信息对未知样 本进行分类或预测，其过程相当于人脑的学习一记忆一联想过程。a n n 根据输出 和目标的比较调整权重，直到网络输出和目标匹配。文献【4 卜4 4 】把人工神经网 络和各种信号变换方法如d p 变换、小波变换等结合起来，成功应用到电能质量 分类识别中，其中文献 4 4 】中作者基于p c 机和c + + 语言实现了分类系统，使得 a n n 成为首个嵌入到实际电能质量分类器中的工具。然而传统的人工神经网络 存在网络收敛性较差、所需训练时间较长和可靠性不高等缺点，如文献 4 4 】中 基于a n n 的分类器对实际信号的分类识别精度仅为8 9 ，尚待改善。 概率神经网络( p n n ，p r o b a b i li s ti cn e u r a ln e t w o r k s ) 是由s p e c h t 提出 的基于贝叶斯分类规则与p a r z e n 窗的概率密度函数估计方法的一种并行算法 h 5 1 。其优势在于其学习过程中用线性算法来完成非线性算法所做的工作，同时 保持非线性算法的高精度等特性。概率神经网络由输入层、模式层、求和层和 输出层共四层组成，其基本结构如图1 1 所示。 浙江大学硕士学位论文引言 五 恐 m 儿 模式层 图1 1 概率神经网络基本结构 这种神经网络特别适合于解决模式分类问题，近年来在电能质量扰动分类 应用中显示出了其优越的性能h 旬h7 1 。概率神经网络基于模糊规则和推理的方法， 通过简单的“i f t h e n ”逻辑进行判断，识别效率高h 8 1 ，但是电能质量扰动种 类多，如考虑到复合扰动，很难在电能质量特性提取阶段使得分类器输入向量 线性可分，因此很难建立起“i f t 腿n ”这样简单的逻辑规则 1 4 2 支持向量机 支持向量机( s v m ，s u p p o r tv e c t o rm a c h i n e s ) 是一种基于统计学习理论 的模式识别方法，于1 9 9 2 年在计算机学习理论会议上介绍进入机器学习领域后 受到了极大的关注。s v m 理论由于可以有效解决有限样本、非线性和高维模式 的识别问题而成为机器学习和数据挖掘领域的标准工具b 们，近年来在电能质量 分类识别中也有应用b 1 5 2 1 。s v m 本质上是一个非负的二次型优化问题，理论上 可得到全局最优的解析解，避免了神经网络方法的局部极值问题。同时，s v m 的解具有稀疏性，只需少量的样本就可构成最优分类器。s 的基本思想是通 过核函数将低维输入空间中的样本映射到高维的特征空间中，从而将低维输入 空间中的非线性问题转化为特征空间中的线性问题来求解。核函数是s 、r m 方法 的本质，不同的核函数决定了不同的s v m 分类器，常用的核函数有多项式核函 数、高斯径向基函数和s i g m o i d 函数。s v m 类似于一个三层的神经网络，输出 是中间节点的线性组合，每个中间节点对应一个支持向量，如图1 2 所示，其 中k ( t ，x ) 为核函数。 浙江大学硕士学位论文引言 最优分类函数输出 芦印陲q 州w ) + 6 ，= l 权值口f ，咒 ，x ) 基于n 个输入向量j c l ，恐，矗 的非线性变换 输入向量五，而，矗 图1 2 支持向量机示意图 s v m 是针对二类别分类而提出的，对于多类别模式识别，需组合多个s 、r m 构造分类器，图1 3 所示为典型的s 、r m 分类器对6 类扰动的分类过程。 扰动集合【q ，砬，d 3 ，d 4 ，d 5 ，d 6 】 【q ，砬，d 4 ，见】 【q ，或】【砬，d 4 】【b 】 【d 5 】 【日】 【d 6 】【d 2 】【见】 图1 3s v m 分类过程示意图 1 4 3 决策树 决策树是一仓类似于流程图的树结构，通过把数据从根节点排列到某个叶 节点来分类数据，其中树的最顶端是根节点，每个内部节点表示对某个属性的 测试，每个分枝代表一个测试输出，而每个叶节点代表所属的分类b 3 1 。图1 4 为一典型的决策树结构，它表示了对b u y s c o m p u t e r 这一概念的判断过程，即 通过决策树的逻辑判断不同类型的顾客购买计算机的可能性。 浙江大学硕士学位论文引言 图1 4b u y s c o m p u t e r 决策树结构 h u n t 等人于1 9 6 6 年提出的概念学习系统( c l s ，c o n c e p tl e a r n i n gs y s t e m ) 是最早的决策树算法强耵。q u i n l a n 于1 9 7 9 年对此进行发展，提出了i d 3 算法， 且于1 9 9 3 年提出了i d 3 的改进版本c 4 5 算法b 卯，用于改善i d 3 算法只能处理 分类属性而不能处理数值属性，而且对样本质量的依赖性强的缺点。此外 b r e i 眦n 和f r i e d 眦n 等学者的c a r t 算法，也是常用的决策树算法。 各类决策树算法的核心思想都是贪心算法( g r e e d ya 1 9 0 r i t h m ) ，在操作过 程中每一步都是以获得当前局部最优结果作为追求的目的，采用自顶向下递归 的各个击破方式( t o p d o w nr e c u r si v ed i v i d e a n d c o n q u e r 眦n n e r ) 构造决 策树b 引。贪心的意思指的是在决策树构造过程中从不回溯重新考虑以前的选择。 算法通常包括树的构建和树的修剪两个阶段。 ( 1 )决策树的构建 决策树是由特征值划分数据集所形成的，在构建阶段需要解决的问题是如 何选择合适的特征对节点进行划分，即寻找最优的特征选择方法。通常采用一 个划分指标( s p l i t t i n gi n d e x ) 作为特征划分的度量，计算出对当前数据子集 来说最佳的划分特征。常见的划分指标有信息增益( i d 3 算法) 、增益率( c 4 5 算法) 和g i n i 指数( c a r t 算法) 。决策树构建过程一般包括以下六个步骤： 创建树的根节点，根节点为包括所有训练样本的集合； 如果样本都属于同一类，则该节点成为叶节点，并用该类标记； 否则，从训练样本的特征矢量中选择能够最佳的将样本进行分类的特征 ( 如何判定“最佳”是通过上述的划分指标，如利用信息增益作为启发 信息) ，该特征成为该节点的关键特征( c a ，c r i t i c a la t t r i b u t e ) ； l o 浙江大学硕士学位论文引言 根据c a 创建一个新的分枝，并据此划分样本； 采用步骤一同样的过程，递归的形成新的分枝； 递归划分过程中，当下列条件之一成立时停止： a c a 中没有样本； b 所有节点集合中的样本都属于同一类( 步骤) ； c 没有剩余的特征量可以进一步划分样本。 由决策树的构建过程可以看出，算法的关键点在于选择每个节点的c a 。以 信息增益( i n f o 蛐a t i o ng a i n ) 作为度量为例，选择c a 就是选择具有最高信息 增益的特征量，该特征量可以使得对结果划分中的样本分类所需的信息量最小， 并反映划分的最小随机性或“不纯性”。信息增益的概念来自信息理论方法，其 定义与信息的熵有关。 设s 是j 个样本数据的集合，构成训练样本集合。当决策树有聊个不同的 输出时，则s 的熵定义为： 勘吻( s ) = 一只l o g ：( e ) ( 1 1 ) 其中p 表示第f 类输出所占训练样本集合总输出个数的比例。 设特征量彳具有，z 个不同取值( q ，口2 ，) ，可以用么将s 对应的划分为刀 个子集 s ，是，最) ，对于给定的子集邑，其熵参考式( 1 1 ) 可定义为： 砌哪( 墨) = 一弓l o g ：( 弓) ( 1 2 ) 由此可知特征量么的信息增益定义为： 国砌( 彳) = 砌加缈( s ) 一言斜砌加影( _ ) ( 1 3 ) 其中蚓表示集合的势。 根据最小熵原理，选取信息量最大的特征量作为决策树的c a 。即在上述决 策树构建过程的步骤中针对每个特征量按照式( 1 3 ) 计算信息增益值，选取 最佳特征量划分集合。 ( 2 )决策树的修建 理论上，决策树节点的划分可以递归到数据子集都属于同一个类为止，但 浙江大学硕士学位论文引言 这样得到的决策树很可能层次太深，以致每个叶节点上只有一个样本。这样的 决策树叶节点由于支持度不够( 落入该节点的样本少) ，导致预测能力较弱。也 有可能在决策树的建立过程中，由于数据中存在噪声和孤立点，许多分枝反映 的是样本中的异常现象。因此需要在决策树生成过程中或者结束后对树进行修 剪，除去不必要或者不可靠的分枝。 剪枝是为了解决过度拟合的问题。可以这样理解，决策树节点数越少，其 规则越简单，其存储和传输的代价也越小，但决策树过小会导致错误率增大； 而决策树节点越多，每个节点包含的训练样本个数越少，则可能导致决策树对 测试样本识别精度低。因此需要在树的大小和准确率之间寻找均衡点。 常用的剪枝方法有预剪枝和后剪枝两种。预剪枝可以事先限定决策树的最 大生长高度，也可采用统计意义下的信息增益等度量评估每次节点集合划分对 系统性能的增益，如果增益值小于预先设定的阈值，则给定子集的进一步划分 将停止。然而，该方法的难点在于事先限定的树高度或者阈值的选取，需要反 复尝试。 后剪枝方法允许决策树过度生长，然后通过一定的规则剪去树中不具有代 表性或异常的叶节点或分支。后剪枝算法有自上而下和自下而上两种剪枝策略 自上而下的算法是从根节点开始向下逐个考虑节点，只要节点满足条件就进行 修剪。自下而上的算法则是从最底层的内节点开始，剪去满足一定条件的内节 点，在生成的新决策树上递归调用这个算法，直到没有可以修剪的节点为止。 通常采用自下而上的算法，依次计算最底层的内节点的代价函数( ) 以 及如果将其进行修剪后作为叶节点的代价函数c ( f ) ，如果满足c ( f ) ( ) ， 则进行修剪。 1 5 在线电能质量监测系统构想 为对电能质量问题进行实时评估与分析，需建立在线电能质量监测系统， 为电力部门和用户采取有效措施改善电能质量提供依据。日本富士电机在杭州 地区选取典型的2 0 类复合组成的一个网络型监测系统可作为一个参考。 该在线监测系统由终端计测装置、电力专网或以太网以及主站控制服务器 三大部分构成。图1 5 是该系统总体结构示意图。 1 2 浙江大学硕士学位论文 引言 图1 5 在线电能质量监测系统结构示意图 电能质量监测装置是整个系统的基础部分，其性能、精度和可靠性对整个 系统的运行有重要影响。本系统使用的计测终端p o w e r s a t e l i t eh 是浙江大学 协助日本富士电机公司开发的新型电能质量计测终端，具有高精度的1 6 位a d 转换接口和g p s 模块，可以组成广域实时多点监测系统。同时p s 内置文件管 理操作系统：t c p i p 、w e b s e r v e r 、f t p c l i e n t 及f t p s e r v e r ，提供c f 卡插 槽，大大增加了数据存储量( 可达4 g b y t e ) ，为数据的采集和存储提供了硬件基 础。 此外，除了传统的r s 4 8 5 接口和r s 2 3 2 接口，该装置提供了1 0 b a s e t 接口， 可以利用以太网组成测量网络，通过浏览器监测系统、在线测量、变更各种设 定值( 软件版本升级、存储文件格式、触发方式等) ，非常适合应用在电力系统 用户端对电力参数进行实时采集分析。 系统服务器端主要由f t p 数据收集软件，数据库服务器、w e b 服务器、主 站分析软件等几个部分构成，其构成如图1 6 所示。电能质量监测系统f t p 服 务器用于收集连接在网络上的电力负荷终端设备的数据。根据实际需要，可以 设置成按时间启动收集和定期自动收集两部分。通过事先设定，f t p 工具能够 登陆到各个终端，并下载相应的数据。根据实际需要，可以设定是否删除终端 上的数据。该工具同时能采集1 0 0 个终端装置的数据。 浙江大学硕士学位论文 引言 图1 6 监测系统主站服务器结构 f t p 服务器通过f t p 协议到计测终端指定的文件夹中读取存储的数据，按 照数据的名称、日期存储到数据库服务器指定的文件夹中。主站分析软件启动 后，主站分析软件根据被选择文件夹和被点击的菜单的功能，读取目标文件夹 里的数据并按照菜单的功能显示结果，由此可以实现数据库查询、显示、打印、 生成报表等操作。本系统对采集数据进行存储的结构是按照监测点计测终端 采集日期的层次，方便用户查询。 1 6 本文主要研究内容 为采取合理的措施改善电能质量，必须建立电能质量监测分析系统对电网 进行精确的监测、分析和评估，其中最关键是如何寻求快速有效的分析方法分 析监测所得数据。本文针对稳态和暂态电能质量问题，主要做了以下几个方面 的研究： ( 1 ) 将s 变换这种时频可逆分析方法应用于电能质量扰动分析中。s 变换 中使用的窗口大小自适应变化的高斯窗使其在分析信号低频部分时有较高的频 率分辨率，而在分析信号高频部分时有较高的时间分辨率。针对常见的几种单 一电能质量扰动，对s 变换所得的时频矩阵进行处理，分别针对基频与高频成 分定义了基频幅值均值、基频幅值最大值、高频幅值等五项特征指标，构建简 单的决策树进行电能质量分类。 ( 2 ) 在进行电能质量分类中，不仅考虑了谐波、闪变、电压暂降等单一扰 动，还考虑了短期与长期电能质量事件同时发生的复合扰动。由于大功率非线 性负荷的广泛使用，谐波或电压闪变等问题可能长期存在，因此进行复合扰动 识别