导读:本文包含了电能质量事件分类论文开题报告文献综述及选题提纲参考文献，主要关键词:电能质量,极大重迭离散小波变换,并行隐马尔科夫模型,分类识别
电能质量事件分类论文文献综述
谢善益,肖斐,艾芊,周刚[1]（2019）在《基于并行隐马尔科夫模型的电能质量扰动事件分类》一文中研究指出为满足电能质量扰动准确分类的需求,提出了一种基于极大重迭离散小波变换(MaximalOverlapDiscrete WaveletTransform, MODWT)和并行隐马尔科夫模型(ParallelHiddenMarkovModel, PHMM)的电能质量扰动分类方法。首先利用MODWT提出一种实用的电能质量扰动检测算法,该算法无需设定检测阈值,可准确获取扰动时段的起止时刻。接着提取扰动时段的电压谐波成分并组成特征向量。然后用PHMM分类器对扰动信号进行分类识别。PHMM方法克服了人工神经网络方法收敛性较差、训练时间较长的缺陷,使分类器性能大大提升。通过应用于现场实测扰动数据表明,所提出的方法适用于多种类型的电能质量扰动检测,分类正确率高,训练速度快,具有良好的应用价值。(本文来源于《电力系统保护与控制》期刊2019年02期）
王玥,肖斐,艾芊,张宇帆,李昭昱[2]（2019）在《基于深度置信网络的电能质量扰动事件分类》一文中研究指出为满足电能质量扰动准确分类的需求,提出了一种基于极大重迭离散小波变换(MODWT)和深度置信网络(DBN)的电能质量扰动分类方法。首先利用MODWT提出一种可靠的电能质量暂态事件检测算法,该算法无需设定检测阈值,可准确获取暂态事件的起止时刻。接着提取暂态事件的电压谐波成分并组成特征向量。然后用DBN分类器对扰动信号进行分类识别,DBN方法比常用的分类方法具有更高的分类准确率和更短的训练时间。通过应用于现场实测扰动数据表明:所提出的方法适用于多种类型的电能质量扰动检测,在少样本情况下具有优越的分类性能。(本文来源于《供用电》期刊2019年01期）
罗奕[3]（2018）在《复杂电能质量扰动事件的分类方法研究》一文中研究指出IEEE 1159标准中定义的电能质量扰动事件表征的是电力系统电压和电流信号中存在的暂升、暂降、中断、谐波、暂态振荡、暂态冲击、闪变、陷波、噪声等各类电磁现象。随着工业技术的进步,电力用户对电能质量的要求也在不断提高。不合格的电能质量会给用户带来不良的影响,严重时还会造成不可估量的经济损失。为了降低这些负面影响,电力供应公司在消除这些扰动现象前,需要迅速地判断出当前电能质量扰动所属的类别,以便采取相应的措施。因此,准确迅速地识别电能质量扰动事件对于提升电能质量有着十分重要的意义。本课题在两项国家自然科学基金的支持下,对电能质量扰动事件分类过程中涉及的特征提取、特征优化、分类器设计以及多分类器组合技术等方面进行深入研究,旨在提升电能质量扰动分类器的各项分类性能。本文的主要研究内容和所取得的主要成果如下:(1)特征提取:本文对现有的快速S变换特征提取技术作了进一步地改进。通过对不同窗口参数下S矩阵各频率行的筛选,提出了一种针对复杂电能质量扰动信号的快速特征提取方案。该方案在减少计算量的同时,还保证了电能质量扰动特征的完整性。本文还总结了几种关于电能质量扰动特征值的数值构造方法,将以矩阵和向量形式存在的特征参数转化为能被分类算法识别的实数形式。同时,针对特征值在监督学习分类器中训练样本内存占用量大、分类算法训练时间长的不足,提出了一种特征值的概率分布表示方法,为电能质量扰动提供了一种新的分类思路。(2)分类器设计:为了尽可能多地利用与复杂电能质量扰动事件相关的观测证据,本文提出了一种基于贝叶斯网络的多标签分类模型。该分类模型将信号提取的特征值、本地的历史记录数据以及监测点周边的环境状况等因素与各电能质量扰动进行概率上的关联。当这些概率量化模型被确立后,贝叶斯网络分类器就可以用数学的方法,通过各个观测证据的状态计算出复杂电能质量扰动信号各标签的后验概率,进而实现对各标签的分类判断。与此同时,本文通过深入地挖掘标签之间的相关性来对贝叶斯网络模型进行简化,进而降低算法的计算复杂度。(3)特征优化:为了进一步地提升分类精度,本文根据贝叶斯网络分类器的特性提出了四类优化模型,用来寻找最优的特征组合。每类优化模型均能规避相关程度高的特征以满足贝叶斯网络分类器的条件独立假设。本文还提出了几类降低适应度函数计算时间的方法。适应度函数计算时间的减少使得优化算法能够设置更多的种群个体数量以及更高的迭代次数上限,从而提高算法的优化性能。(4)多分类器组合技术:本文首次将多分类器组合技术应用到了复杂电能质量扰动的分类之中,并提出了一种基于贝叶斯网络的“上层决策机”。利用贝叶斯网络的“软证据”输入特性,将多个多标签分类器的输出结果进行整合,通过保留各子分类器的排位输出特性来获得更准确的分类器组合结果。为了降低“上层决策机”的计算复杂度,本文还提出了一种基于前向搜索的分类器选择方法,旨在以更少的分类器数量获得更高的分类精度。(本文来源于《华中科技大学》期刊2018-05-23）
杨萨日娜[4]（2015）在《基于神经网络的呼市地区电能质量扰动事件分类研究》一文中研究指出随着计算机技术、存储技术及互联网的快速发展与普及,电力行业中的系统数据量也日趋庞大。电力系统中的数据正在以指数速度增长,数据系统日趋庞大。如何充分、有效的对这些数据进行分析、加工、提炼,已成为电力信息处理所面临的关键问题之一。论文应用数据挖掘等相关理论与方法,研究解决电能质量的分类问题,并以呼市地区电能质量扰动事件数据为例,分析各类电能质量扰动,为提高电能质量,确保电网系统安全、优质、经济运行提供技术支持。论文根据相空间重构理论,提出了一种电能质量特征数据的提取方法,完成了电能扰动事件的特征提取;基于支持向量机和自组织神经网络技术,分别设计了电能质量扰动的分类模型,并在呼市地区典型小区电能质量数据进行了实例分析和对比,结果表明基于自组织神经网络的分类方法准确率较高。(本文来源于《华北电力大学》期刊2015-12-01）
电能质量事件分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为满足电能质量扰动准确分类的需求,提出了一种基于极大重迭离散小波变换(MODWT)和深度置信网络(DBN)的电能质量扰动分类方法。首先利用MODWT提出一种可靠的电能质量暂态事件检测算法,该算法无需设定检测阈值,可准确获取暂态事件的起止时刻。接着提取暂态事件的电压谐波成分并组成特征向量。然后用DBN分类器对扰动信号进行分类识别,DBN方法比常用的分类方法具有更高的分类准确率和更短的训练时间。通过应用于现场实测扰动数据表明:所提出的方法适用于多种类型的电能质量扰动检测,在少样本情况下具有优越的分类性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电能质量事件分类论文参考文献
[1].谢善益,肖斐,艾芊,周刚.基于并行隐马尔科夫模型的电能质量扰动事件分类[J].电力系统保护与控制.2019
[2].王玥,肖斐,艾芊,张宇帆,李昭昱.基于深度置信网络的电能质量扰动事件分类[J].供用电.2019
[3].罗奕.复杂电能质量扰动事件的分类方法研究[D].华中科技大学.2018
[4].杨萨日娜.基于神经网络的呼市地区电能质量扰动事件分类研究[D].华北电力大学.2015
标签：电能质量; 极大重迭离散小波变换; 并行隐马尔科夫模型; 分类识别;