小波变换的应用论文

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

小波变换论文北京工业大学电控学院基于小波变换的电力谐波测试性能研究作者:杨兆鑫学号:11020011摘要:近年来,随着人们对电力系统谐波危害有了更加深刻的认知,确保供电系统的供电质量,加强电力系统谐波的检测与治理也成为了随时代变化的一大热门话题的。本文主要阐述了电力系统谐波对整个电网产生的危害,列举了谐波检测的方法,同时进行了基于小波变换的电力谐波测试性能研究。电力系统提供的电能应是一个标准正弦波。但由于接入电网的设备存在大量非线性负载,使得大量谐波被引入电网。而日趋复杂的电网信号成分中,非稳态谐波所占的比例越来越大,带来的影响也越来越严重,危害电力系统运行的同时也给谐波检测带来了一定困难。为保证电力系统运行的稳定和安全,必须采取相应的对策解决谐波问题。而对谐波问题的研究,首先要进行准确的检测和分析,剖析谐波成分。本文简述傅里叶变换和小波变换的基本原理,并在MATLAB平台上设计傅里叶变换模块和小波变换模块。针对含有突变干扰、白噪音干扰等常见工程电力信号,通过实验系统研究傅里叶变换、小波变换的频域和时频分析特性并进行相关的比较分析。从实验结果中表明,傅里叶变换能较好地测试出信号的谐波成分,而小波变换具有良好的信号频段分析特性。根据这些特点,我们探讨傅里叶变换、小波变换各自的适用场合,以便高效利用这两种方法分析电力谐波成份,为治理谐波奠定基础。关键词:小波变换;傅里叶变换;电力系统谐波;MATLAB分析。小波变换论文北京工业大学电控学院引言:近年来,随着电力电子技术的广泛应用,配电网中的整流器、交频调速装置、电弧炉及各种电子设备不断增加,这些的负荷的非线性不平衡的用电特性,使电力系统谐波污染日益严重,已成为影响电能质量的公害。因此,如何处理电力系统中的谐波也成为新时代的一大焦点话题。谐波检测是谐波问题的一个重要组成部分,它是谐波问题研究的主要依据,也是研究分析谐波问题的出发点。谐波检测方法是谐波测量的核心环节,本文对基于小波变换的谐波检测方法进行了研究分析。小波变换是从傅里叶变换发展而来,从本质上说,小波变换的存在和证明都依赖于傅里叶变换,其自身使用存在一定局限性,并不能取代傅里叶变换,这两种工具都有着无可取代的价值。正因为小波变换的时频局域性,在理论研究和工程应用方面得到更多的应用并成为人们的研究焦点,例如在信号处理,图像处理,模式识别,故障检测等很多领域有着骄人成果和广阔的发展前景。尤其当前电子就算就时代,利用很多计算机软件的强大运算能力,更能方便的进行小波变换而不用去考虑计算量,例如有的研究者就用MATLAB实现小波变换模块,在实验平台上根据实验结果直接进行工程分析。本文研究任务是电力系统的谐波检测。着重研究了瞬时无功功率和小波变换在谐波检测中的应用。MATLAB强大的元件库以及完善的系统仿真环境,有利于将设计思想向实际运用转换。在理论基础上,我们利用MATLAB中的对种方式进行了仿真分析,仿真结果表明用基于瞬时无功功率理论的谐波电流检测方法和基于小波变换的谐波检测方法都能够较好的检测出谐波电流。小波变换论文北京工业大学电控学院正文:一、背景介绍:1.电力系统及谐波电力系统十分贴近我们的生活,我们的生活用电,工作用电都源自于各自所在局域的电力系统供电。从系统的角度来看,我们是用户层,或者说是在输出的方向的。生活中很多不同形式的电力系统,因此也有很多不同形式的发电系统。总的来说,电力系统是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能,再经输电、变电和配电将电能供应到各用户。为实现这一功能,电力系统在各个环节和不同层次还具有相应的信息与控制系统,对电能的生产过程进行测量、调节、控制、保护、通信和调度,以保证用户获得安全、经济、优质的电能。建立结构合理的大型电力系统不仅便于电能生产与消费的集中管理、统一调度和分配,减少总装机容量,节省动力设施投资,且有利于地区能源资源的合理开发利用,更大限度地满足地区国民经济日益增长的用电需要。电力系统建设往往是国家及地区国民经济发展规划的重要组成部分。电力系统的出现,使用高效、无污染、使用方便、易于调控的电能得到广泛应用,推动了社会生产各个领域的变化,开创了电力时代,发生了第二次技术革命。电力系统的规模和技术水准已成为一个国家经济发展水平的标志之一。但是,随着非线性负载的广泛应用,其产生的谐波对电力品质和电力系统造成的危害愈发严重;而日益精密敏感的电子仪器、功能日渐丰富性能日趋优良的现代生产线与制造加工系统对电能质量提出了更高的要求。因此,电力系统谐波的分析、治理越来越重要。2.谐波问题和谐波的危害在电力系统中各种干扰可能会导致电能质量问题,大致可分为稳态和瞬态两种类型。谐波问题,影响面较大,范围较广,是电力系统的一大公害。随着电力系统的发展,特别是非线性负载的广泛应用,电力系统电压和电流波形失真的情况越来越严重。小波变换论文北京工业大学电控学院电力系统谐波的定义是对周期性非正弦电量进行傅立叶级数分解,除了得到与电网基波频率相同的分量,还得到一系列大于电网基波频率的分量,这部分电量称为谐波。谐波频率与基波频率的比值(n=fn/f1)称为谐波次数。电网中有时也存在非整数倍数的谐波,称为非谐波或分数谐波。谐波实际上是一种干扰量,使电网受到“污染”。电工技术领域主要研究谐波的发生、传输、测量、危害及抑制,其频率范围一般为2≤n≤40。总的来说,谐波的产生源于非线性负载的广泛使用,而对于我国的常用220V交流电压来说,谐波的产生是我国电力污染的一大问题。谐波可能会带来的危害主要有:①谐波会对电网中的电器元件产生谐波损耗,降低了电能的产生、传输以及电气设备的效率。②谐波的产生影响了用电设备的正常工作。它对电动机的危害除引起附加损耗外,会使变压器局部过热、会产生机噪声和过电压、械振动等。谐波使电容器、电缆等设备过热、绝缘老化、寿命缩短,以至损坏。③谐波会引起公用电网中局部的并联谐振和串联谐振,从而使谐波放大。这就使上述两点的危害大大增加,甚至会造成严重的事故。④谐波会使电气测量仪表计量准确度产生偏差。也会引起自动化设备和继电保护的误动作产生。⑤谐波会引起周边通信系统的干扰。轻时会产生噪声与降低通信质量;重时会导致信息丢失或使通信系统无法工作。二、BP神经网络原理本篇论文主要介绍的两大应用都是基于BP神经网络原理的,神经网络的提出有效的提出了网络性能。BP网络的提出基本思想如下:学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播:输入样本从输入层输入,经各隐层逐层处理后,传向输出层。反向传播:若输出层的实际输出与期望的输出(教师信号)不符,则输出误差以某种形式通过隐层向输入层逐层反转,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。信号正向传播与误差反向传播的各层权值调整过程,是周而复始的。小波变换论文北京工业大学电控学院权值不断调整的过程,也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度,或进行到预先设定的学习次数为止。BP神经网络是目前应用最多的神经网络,一般由一个输入层(inputlayer)、一个输出层(outputlayer)、一个或几个中间层(隐层)组成。每一层可包含一个或多个神经元,其中每一层的每个神经元和前一层相连接,同一层之间没有连接。输入层神经元传递输入信息到第一隐层或直接传到输出层,隐层的神经元对输入层的信息加权求和,加一个常数后,经传递函数运算后传到下一个隐层(或输出层),常用的传递函数是logistic函数,输出层神经元对前一层的输入信息加权求和经传递函数瓯(线性或logistic函数或门限函数)运算后输出,BP神经网络一般采用BP算法训练网络。三、BP神经网络在疾病辅助诊断中的应用人工神经网络具有强大的非线性映射能力,含一个隐层的网络可以实现从输入到输出间的任意非线性映射,是典型的非线性数学模型,建立BP神经网络模型的一般步骤为:①BP网训练集、校验集、测试集的确定;②输人数据的预处理:使输入变量的取值落在0到1的范围内,如果是无序分类变量,以贬变量的形式赋值;③神经网络模型的建立及训练:学习率、传递函数、隐层数、隐单元数的选择,注意防止过度拟合。一般使用灵敏度、特异度、阳性预测值、阴性预测值、ROC曲线对模型的预测性能进行评价。BP神经网络已广泛用于临床辅助诊断中,用于中医证候的非线性建模,建立了RA证侯BP网络模型和DN证侯BP网络模型,结果显示平均诊断准确率分别小波变换论文北京工业大学电控学院为91%、92%,具有较高的诊断、预测能力。采用PR0BEN1中的甲状腺疾病数据库用于甲状腺疾病(甲亢、甲减、正常)的诊断,结果显示训练样本的正确识别率为99.3%,测试样本的正确识别率为98.2%,提示对临床诊断甲状腺疾病提供有益的帮助;还有学者用于急性心肌梗塞、甲状腺功能紊乱、乳腺癌、前列腺癌、宫颈癌、肺癌、卵巢癌、急性肺梗塞等的辅助诊断.四、BP神经网络在生存分析中的应用BP神经网络建立生存分析模型常用的方法有:连续时间模型与离散时间模型。常用的Faraggi和Simon提出的连续时间模型扩展了Cox回归模型,允许非线性函数代替通常的协变量的线性组合,这种方法既保持了Cox回归模型的比例风险的特点,又提供了处理复杂非线性关系、交互作用能力的好方法。离散时间模型常用的模型有:①输出层为单个结点:模型的输出层只有一个神经元结点,是最简单的神经网络模型,生存时间被分成两个区间,当研究者仅仅对某一时间点的预后感兴趣时,例如预测癌症患者的5年生存情况,如欲预测多个时间点,则需建立多个神经网络模型(每个模型对应一个时问区间);②输出层为多个结点:生存时间被分成几个离散的区间,估计某个时间区间事件发生的概率,Liesto法是常用的离散时间模型。还有研究者在建立多个时间区间模型时将时间也做为一个输入变量,也有学者将神经网络纳入Bayes方法的研究框架。国外RuthM.Ripley等将7种不同的神经网络生存分析模型3种离散时间模型,4种连续时间模型)用于1335例乳腺癌患者复发概率的预测,并对其精确性、灵敏度、特异度等预测性能指标进行比较,结果证明神经网络方法能成功用于生存分析问题,可以提取预后因子所蕴涵的最大可能的信息。ArmyXiang等采用MonteCarlo模拟研究方法,在9种实验条件下对Faraggi-Simon法、Liestol-Andersen-Andersen法、改良Buck—ley-James法处理右删失生存数据的性能与Cox回归作比较,研究结果提示神经网络方法可以作为分析右删失数据的一个有效的方法。D.J.GrovesE等将Cox回归与神经网络方法对儿童急性淋巴母细胞白血病的预后进行了比较,LucilaOhno-Machado等_1]建立输出层为4个结点的离散时间神经网络模型做预后研究的工具,并使用RoC曲线下面积、灵小波变换论文北京工业大学电控学院敏度、特异度、阳性预测值、阴性预测值对不同时间区间的预测性能做了评价。国内用于生存分析方面的研究还较少,黄德生Ds?等利用BP神经网络建立time-codedmodel和single-timepointmodel用于肺鳞癌预后预测,把BP网络用于预测肝癌患者术后无瘤生存期,也有学者对AIDS、恶性肿瘤的预后做了相关的研究。五、应用的期望和不足虽然人工神经网络具有很多优点,但其理论研究还有待完善,技术上有诸多的限制:①BP神经网络模型能在诸多的影响因素中找出最主要的几个因素,但对于多层神经网络模型而言,其计算过程复杂,不能给出变量间可解释的具体函数关系,无法提供准确的可信区间等指标;②学习速度太慢,即使一个比较简单的问题,需要几百次甚至上千次的学习才能收敛,容易陷入局部极小值;③网络隐含层的数目与隐含层单元的选择尚无理论上的指导,而是根据经验确定。④要建构良好的网络结构,设计者必须精心设计网络参数,在网络运行中还要进行大量调整。总之,基于神经网络的方法是一个热点

1 / 8
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功