基于自适应VMD和PSO-SVM的电能质量扰动检测与分类.pdf

基于自适应 VMD 和 PSO-SVM 的电能质量扰动检测和分类识别方法研究 摘 要 电力系统中非线性、冲击性、波动性负载的数量不断增加，导致电网的电能 质量问题不断恶化。电能质量的下降会导致用电设备数据丢失、开关误动作和生 产流水线停机等问题，严重时会对电力系统的安全稳定运行造成威胁。因此，深 入研究影响电能质量下降的各类因素，对电能质量问题进行准确检测和识别是保 证电力系统安全运行的基础。 本文主要从扰动预处理、检测、特征值提取分类三个方面对电能质量扰动检 测分类方法进行深入研究。首先阐述电能质量相关标准和国内外发展现状，总结 常见的扰动类型，归纳扰动的来源及危害，分析总结现有的扰动预处理、检测和 分类算法的优点和不足。 针对实际电网信号受噪声污染严重等问题，本文提出一种基于改进小波阈值 函数的降噪算法。综合比较各类小波基和阈值估计方法性能，选取最优小波基和 阈值估计方法，引入调节因子，构建改进小波阈值函数，使改进后的小波阈值函 数同时兼备软硬阈值的功能。通过与数学形态学法、EEMD 降噪算法以及软、硬 阈值降噪算法对比实验验证本文所提算法具有良好降噪性能。 针对现有的电能质量检测算法抗噪性弱和定位