毕业设计(论文)-基于多辨率S变换的电能质量暂态扰动分类方法大论文.docx

毕业设计(论文)-基于多辨率S变换的电能质量暂态扰动分类方法大论文.docx

  1. 1、本文档共35页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
毕业设计(论文)-基于多辨率S变换的电能质量暂态扰动分类方法大论文

PAGE PAGE 30 毕业设计论文基于多分辨率S变换的电能质量暂态扰动分类方法 学 生 姓 名: 班 级:电自1317 学 号:2013316021724 指 导 教 师: 所 在 单 位: 电气工程学院 答 辩 日 期: 年 月 日东北电力大学本科毕业设计论文摘 要随着复杂敏感的新型电力负荷的迅速发展,电力用户对电能质量的要求不断提高,电能质量问题受到越来越广泛的关注。本文针对电能质量的短时扰动的分类问题,提出了一种基于多分辨率S变换和模糊模式识别的短时电能质量的分类方法。首先通过多分辨率S变换将暂态扰动进行变换和重构。变换的结果为一个二维复数矩阵,对矩阵各元素求模后得到S模矩阵。S变换产生的矩阵含有丰富的扰动特征信息。为特征值的提取提供数据基础。然后再根据扰动的特征性及常用的特征量,按照,少特征量,少冗余的原则,进行特征量提取。然后采用基于语言值的电能质量分类,选取形状为平顶高斯型的隶属函数。该方法直接用待分类的各个类别来定义模糊输入变量的语言值,根据各个类别对应的输入变量取值来设定隶属函数。最后,为提高电能质量暂态扰动模糊分类效率,提出一种基于类别语言值的电能质量扰动分类方法。该方法针对电能质量扰动模糊分类器简化模糊规则需求与传统模糊推理机制之间的差异,将电能质量暂态扰动的类别作为隶属函数的语言值,给出基于类别语言值的模糊分类器设计方法,并确定隶属函数,生成模糊规则,实现分类目的与语言值选择及隶属函数设计的融合,为分类器模糊推理过程及模糊规则库的精简提供了重要依据。关键词:暂态电能质量扰动,S变换,模糊模式识别,扰动分类ABSTRACT With the rapid development of complex and sensitive new power load, the demand for power quality of electric power users is increasing, and the power quality problem is paid more and more attention. In this paper, a classification method of short-term power quality based on multi-resolution S-transform and fuzzy pattern recognition is proposed for the classification of short-term disturbance of power quality. First, the transient perturbation is transformed and reconstructed by multiresolution S transform. The result of the transformation is a two-dimensional complex matrix, and the S-matrix is obtained by modulating the elements of the matrix. The matrix generated by the S transform has rich perturbation feature information. Provide the data base for the extraction of eigenvalues. And then according to the characteristics of the disturbance and the commonly used feature quantity, according to the principle of less feature, less redundant principle, the feature extraction. Then, based on the classification of power quality based on language value. This method directly defines the language value of the fuzzy input variable with each category to be classified, and sets the membership function according to the input variable value corresponding to each category.Finally, in

文档评论(0)

138****7331 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档