基于改进局部均值分解和概率神经网络的电压扰动识别

作者：牛健; 张志飞^*; 汤铭辉; 赵才; 王坤

来源：电源学报, 2023, 21(05): 128-137.

DOI：10.13234/j.issn.2095-2805.2023.5.128

• 新能源
• 电能质量
• 电压扰动
• 局部均值分解
• 概率神经网络

随着新能源技术的发展和普及，大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响，提出将改进的局部均值分解LMD(local mean decomposition)和概率神经网络相结合，构造一种电压扰动分类器，对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应，应用改进LMD算法对扰动信号进行3层分解，得到具有电压信号幅频信息的乘积函数PF(product function)分量，将由PF分量构造的信号能量作为概率神经网络的输入，以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验，结果表明，该方法可以准确识别电压扰动信号，有助于提高电力系统中电压扰动信号的识别精度。

• 单位
  佛山科学技术学院; 广东立胜综合能源服务有限公司; 自动化学院