电能质量分析与控制开题报告

《电能质量分析与控制开题报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、开题报告论文题目：电能质量分析与控制学院：姓名：学号：一论文选题的提出及意义随着冶金工业、化学工业和电气化铁路的发展，以及直流输电、大功率整流技术在工业部门和用电设备上的广泛应用，电力系统的污染日益严重，已成为影响电能质量的重要因素。冲击性功率负荷（如电弧炉、直流输电换流站）投入电网运行后，会使电网电压发生波动，从而严重地干扰了电网中波动敏感负荷如照明、计算机、精密电子仪器等的正常运转。由于计算机，精密电子仪器对供电质量的敏感程度越来越高，一旦出现电能质量问题，轻则造成设备故障，重则造成整个系统的损坏，由此带来的损失是难以估量的。另外，大量为提高生产效率，节约能源和减小环境污染而采用的基

2、于电力电子技术的现代化设备正成为电能质量问题的主要来源。电网中正面对越来越多的电能质量问题，这使得电能质量的研究十分紧迫。另一方面，电力部门和电力用户对电能质量的关心程度与日俱增。高质量的电能对于保证电网和电气设备安全、经济运行、提高产品质量和保障居民正常生活有着重要的意义。随着我国现代工业技术的发展和电力市场的逐步形成，电能质量己经成为电力系统发、供、用电部门十分关注的重要指标。而且随着各种用电设备对电能质量敏感度的变化，电能质量的范围进一步扩大，分类更细，要求更高。因此电能质量的研究迫切需要一些新技术来推动，通过这些新技术的应用，从而使电能质量从检测、分析和监控等方面得到提高，从而有

3、利发现问题和规律、改善供电质量和服务。二国内外发展及研究状况电能质量扰动信号的去噪、压缩、检测和分类是电能质量研究的核心问题，也是当前研究热点问题，国内外学者展开了大量的研究，将发表的文献概括起来，可分为以下4个方面:（1）电能质量扰动信号的去噪方法：电能质量扰动信号去噪的目的是在滤除噪声的同时尽可地保留重要的信号特征。目前，电能质量信号去噪有多种方法，比如，小波（包）阂值去噪以其简单有效而得到了广泛的应用险，其中闭值的选取是影响小波去噪效果的主要因素，为此有文献对闲值的选取作了一些改进，小波去噪的性能有了一定的提升。有文献提出了利用不同尺度的小波系数之间的相关性进行去噪，缺点是计算复杂

4、。也有文献利用小波系数其分布具有“簇聚”性质，将小波系数分成若干块进行阂值处理，在全局适应性和空间适应性方面有了提升，但还是涉及到如何正确选择“块”大小和阂值问题。或者通过合理选择多小波基进行去噪的方法，其关键是找到合适的预处理方法。也有结合模糊中值滤波和模糊均值滤波两者的优点，通过加权滤波的方法对信号进行去噪，但滤波因子选择不合适将会影响去噪效果。除此之外还可以利用数学形态滤波方法进行去噪，其难点是如何选择适合电能质量信号的结构元素。有文献提出了利用高斯滤波器进行去噪，其对滤除服从正态分布的噪声是很有效的，对其它类型的噪声的去噪性能有待于进一步研究。（2）电能质量扰动信号的压缩方法:小

5、波变换是一种全新的时频分析方法，尤其适用于非平稳信号的分析，已经在电能质量分析领域得到了广泛的应用。由于信号在小波变换域能量集中于少数系数上，通过闭值处理可使大量系数变为0，因此大大减少了存储量，从而达到了数据压缩的目的，为此基于小波变换的电能质量扰动数据压缩方法得到了广泛研究。（3）电能质量扰动的检测方法:对于电能质量扰动的检测基本方法是均方根方法，但其只能检测特殊的扰动事件。离散傅立叶变换方法作为经典的信号分析方法，具有正交、完备等许多优点，而且有快速傅立叶变换这样的快速算法，因此已在电能质量分析领域中得到广泛应用。但在运用傅立叶变换时，必须满足以下条件:一要满足采样定理的要求，即采

6、样频率必须是最高信号频率的两倍以上;二要被分析的波形必须是稳态的、随时间周期变化的。因此，当采样频率或信号不能满足上列条件时，利用FFT分析会产生误差。此外，由于FFT是对整个时间段的积分，时间信息得不到充分利用;信号的任何突变，其频谱将散布于整个频带。为解决上述问题，Gabo:利用加窗，提出了STFT方法，即将不平稳过程看成是一系列短时平稳过程的集合，将傅立叶变换用于不平稳信号的分析。由于实际多尺度过程的分析要求时间窗口具有自适应性，即高频时频窗大、时窗小;低频时频窗小，时窗大，而STFT的时一频窗口则固定不变。因此，它只适合于分析特征尺度大致相同的过程，不适合分析多尺度过程和突变过程

7、。（4）电能质量扰动的辨识方法:最近几年，以专家系统，神经网络为代表的模式辨识新技术己开始较全面地应用于电能质量研究，因为它是个较复杂，工作量和数据处理量很大的系统工作。人工神经网络作为较成熟的模式识别技术，在电能质量中已有较广泛的应用。ANN的优点是:一是可处理多输入一多输出系统，具有自学习、自适应等特点。二是不必建立精确数学模型，只考虑输入输出关系即可。神经网络方法存在结构复杂，训练费时的缺点，而且有新的扰动增加时，需要对网络重