資源描述：
《電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)與識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)：密級(jí)：UDC：學(xué)號(hào)：406107312043南昌大學(xué)碩士研究生學(xué)位論文電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)與識(shí)別DetectionandRecognitionofPower-QualityDisturbanceSignals章俊培養(yǎng)單位（院、系）：信息工程學(xué)院電子信息工程系指導(dǎo)教師姓名、職稱：吳建華教授申請(qǐng)學(xué)位的學(xué)科門類：工學(xué)學(xué)科專業(yè)名稱：通信與信息系統(tǒng)論文答辯日期：2015年5月24日答辯委員會(huì)主席：評(píng)閱人：2015年月日一、學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文
2、中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南昌大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名（手寫）:簽字日期：年<月I日二、學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解南昌大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)南昌大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)
3、制手段保存、匯編本學(xué)位論文。同時(shí)授權(quán)北京萬(wàn)方數(shù)據(jù)股份有限公司和中國(guó)學(xué)術(shù)期刊（光盤版）電子雜志社將本學(xué)位論文收錄到《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》和《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表，并通過網(wǎng)絡(luò)向社會(huì)公眾提供信息服務(wù)，同意按“章程”規(guī)定享受相關(guān)權(quán)益。學(xué)位論文作者簽名（手寫導(dǎo)師簽名（手寫）：簽字日期：年(月厶日簽字日期t月^0論文題目電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)與識(shí)別姓名章俊學(xué)號(hào)406107312043論文級(jí)別博士□碩士0院/系/所信息工程學(xué)院專業(yè)通信與信息系統(tǒng)聯(lián)系電話E_mail通信地址(郵編)：備注：0公開□保密（向校學(xué)位辦申請(qǐng)
4、獲批準(zhǔn)為“保密”，______年_月后公開)摘要摘要由于電力來源和用電負(fù)荷越來越多樣化，導(dǎo)致電力系統(tǒng)中電能質(zhì)量擾動(dòng)信號(hào)變得日益復(fù)雜和多樣。與此同時(shí)，大量高精度和高靈敏度的用電設(shè)備對(duì)供電的電能質(zhì)量要求不斷提高。這給電能質(zhì)量的治理工作帶來了巨大挑戰(zhàn)。對(duì)電能質(zhì)量治理的前提就是能正確地檢測(cè)與識(shí)別這些擾動(dòng)信號(hào)。然而，現(xiàn)有的一些方法已經(jīng)不能滿足目前電能質(zhì)量分析的精度要求。因此，本文從信號(hào)處理的角度，對(duì)電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)與識(shí)別問題做一些研究和新的嘗試。本文主要在稀疏分解和深度學(xué)習(xí)兩個(gè)領(lǐng)域?qū)﹄娔苜|(zhì)量擾動(dòng)信號(hào)進(jìn)行分析。在稀疏分解方面，本文針對(duì)
5、兩類擾動(dòng)信號(hào)的結(jié)構(gòu)特征，建立兩個(gè)參數(shù)字典。采用基于粒子群優(yōu)化的匹配追蹤算法對(duì)擾動(dòng)信號(hào)進(jìn)行稀疏分解，利用重構(gòu)誤差先將擾動(dòng)信號(hào)分為兩類。再通過分解出的原子中的參數(shù)來進(jìn)一步判斷擾動(dòng)信號(hào)的具體類型。該方案最大的優(yōu)勢(shì)是無(wú)需訓(xùn)練集對(duì)機(jī)器進(jìn)行學(xué)習(xí)，因?yàn)閮蓚€(gè)字典結(jié)構(gòu)已經(jīng)包含了擾動(dòng)信號(hào)的先驗(yàn)知識(shí)。通過實(shí)驗(yàn)仿真，證明了該方案總體上來說對(duì)電能質(zhì)量擾動(dòng)信號(hào)的識(shí)別具有有效性。此外，該稀疏分解方法還能高精度地檢測(cè)電能質(zhì)量擾動(dòng)信號(hào)。本文首次嘗試將深度學(xué)習(xí)理論應(yīng)用于電能質(zhì)量擾動(dòng)信號(hào)的識(shí)別中來。利用堆棧自編碼逐層對(duì)擾動(dòng)信號(hào)進(jìn)行特征提取。有效地解決了以往識(shí)別方法在
6、電能質(zhì)量擾動(dòng)信號(hào)的特征選擇上的難題。深度學(xué)習(xí)中，通過無(wú)監(jiān)督學(xué)習(xí)的稀疏自編碼和有監(jiān)督學(xué)習(xí)的微調(diào)，克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)的缺陷。通過實(shí)驗(yàn)仿真，不僅證明了基于深度學(xué)習(xí)設(shè)計(jì)的識(shí)別方案能高準(zhǔn)確率地識(shí)別出擾動(dòng)信號(hào)的類型，而且還證明了該方案具有較高的抗噪聲干擾的能力。關(guān)鍵詞：電能質(zhì)量；擾動(dòng)信號(hào)；稀疏分解；深度學(xué)習(xí)IABSTRACTABSTRACTWithadiversifyingofpowersourcesandelectricalloads,thepower-qualitydisturbancesignalsbecomeincr
7、easinglycomplex.Meanwhile,alargenumberofelectricalequipmentsofhighprecisionandhighsensitivityincreasinglyrequireapowersupplywithgoodquality.Thisposesagreatchallengetothemanagementofpowerquality.Correctdetectionandclassificationofpower-qualitydisturbancesignalsarethep
8、remiseforthepowerqualitymanagement.However,existedmethodscannotmeetthecurrentrequirementswellforpowerqualityanalysis.Therefore,this
