导读:本文包含了小波类型酉系统论文开题报告文献综述及选题提纲参考文献，主要关键词:风电波动,多类型储能系统,超级电容,蓄电池
小波类型酉系统论文文献综述
吕超贤,李欣然,户龙辉,尹丽,胡京[1]（2015）在《基于小波分频与双层模糊控制的多类型储能系统平滑策略》一文中研究指出风电功率的随机波动会对电网的正常运行产生很大的负面影响,储能系统的接入可以有效地抑制风电功率波动。针对上述情况,提出一种应用实时小波变换进行频率分配并用双层模糊控制理论进行储能功率修正的多类型储能系统平滑控制策略。该策略创新运用一种基于小波变换理论的新型分频方法,根据风电功率波动部分频率的高低合理分配多类型储能系统功率,即用超级电容器平抑短期功率波动,用蓄电池减弱长期功率波动;同时应用双层模糊控制方法,进行储能系统功率的修正,自动调整储能设备的荷电状态,削弱单层模糊控制方法对平滑输出的影响,改善平滑效果。算例结果表明,所提出的控制策略能合理分配功率并可有效地平滑风电出力波动,同时保证多种储能设备的荷电状态维持在合理范围内;双层模糊控制方法较单层控制方法具有更好的平滑效果。(本文来源于《电力系统自动化》期刊2015年02期）
代怀志[2]（2010）在《基于小波变换的电力系统故障信号类型识别研究》一文中研究指出当前我国的电力系统建设正取得快速发展,电网容量、电网潮流越来越大,电力设备越来越多,国民经济对电力的依赖程度也越来越高,对供电可靠性的要求也越来越苛刻。电力系统故障诊断与识别是对电力系统故障进行快速准确处理的重要保证,也是保证电力系统安全稳定运行的重要环节。基于小波分析理论的故障识别诊断方法,是故障诊断领域研究的一个重要分支。近年来,不同形式的小波分析方法,在各领域的故障诊断中得到了广泛的应用,且取得了很好的效果。在本文中,主要研究工作和创新点如下：首先,从工程应用的角度出发,研究并实现了小波消噪的叁种方法,给出了小波变换在信号消噪分析中的具体应用实例。对于信号的奇异性检测,从信号的奇异性出发,根据信号奇异性检测的基本理论模极大值理论,针对于两种不同类型的奇异性信号,给出了具体检测实例。其次,介绍了对气体绝缘组合电器GIS,局部放电信号检测识别的重要意义。根据局部放电故障信号特征,提出了基于小波包变换的特征选取,并根据被小波包变换分解局部放电信号形成的小波包分解树,针对分解树中小波包系数的特征提取,提出了一种新的特征向量提取方法,根据不同特征量性质,采取不同降维的方法。根据该方法所提取的特征向量,画出特征量数据分布图,证明该方法可行。为了识别GIS中常见的3种局放故障信号,本文设计了BP神经网络作为分类器,并用3种局放故障信号各30组对网络进行训练。根据训练结果,分别用15组故障信号进行测试,根据Matlab测试结果来看,基于小波变换及神经网络的PD信号诊断识别的方法的有效性与优越性。最后,对论文进行了总结和对未来电力系统故障诊断研究提出了建议。计算机仿真的结果验证了本文的分析及综合方法的正确性和有效性,也表明了本文研究内用具有一定的推广应用价值。(本文来源于《东北大学》期刊2010-05-01）
李东敏,刘志刚,苏玉香,蔡军[3]（2009）在《基于多小波包和人工神经网络的电力系统故障类型识别》一文中研究指出采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障。先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。(本文来源于《电力自动化设备》期刊2009年01期）
李东敏[4]（2008）在《基于多小波包和人工神经网络的电力系统故障类型识别研究》一文中研究指出随着电力系统的发展,输电线路的电压等级越来越高,输电距离也越来越长,它们对电力系统的安全稳定运行具有举足轻重的作用。在我国高压输电系统中广泛采用单相重合闸,准确有效的选相元件是高压输电线路发挥自动重合闸功能的重要前提,同时当发生故障时准确地选择出故障相对确保继电保护的正确动作具有重要的意义。本文首次研究和提出了基于多小波包理论的电力系统故障类型识别的新方法,旨在研究多小波和多小波包理论在电力系统故障诊断与继电保护方面的可行性,也致力于尝试解决故障识别的问题。多小波可以同时具有对称性、正交性、短支撑性、高阶消失矩性质,这是传统小波所无法比拟的。本文系统地阐述了多小波和多小波包的基本理论,分析了电力系统故障识别的研究现状和多小波包的应用现状,并指出存在的问题。通过建立了—500 kV输电线路的PSCAD/EMTDC仿真模型,用来产生不同工况下的各种输电线路短路信号。多小波包具有比传统小波包更优良的性质,能够从故障信号中提取到更丰富和更精细的信息,因此本文将多小波包引入电力系统故障识别的应用中,提出了基于多小波包能量特征量和人工神经网络的电力系统故障类型识别方法。先对故障电流信号进行适当的多小波包分解,并计算各频带能量,然后构造多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,实现故障类型的识别。由于输电线路故障信号的频带能量提取仅对整个频带进行统计,而没考虑信号的时变性,因此,为进一步表征信号在某个时间段的能量大小,文中尝试采用提取故障信号的多小波包时频局部能量来进行故障识别。信息熵是对系统不确定性程度的描述,熵在电力系统中的应用研究已取得了一定的成果。本文考虑到对故障信号进行多小波包分解后得到多小波包分解系数序列矩阵,是多小波包分解对信号的一种划分。把多小波包变换后的系数矩阵处理成一个概率分布序列,它反映了这个信号分布的稀疏程度,同时根据信息熵的基本理论,将多小波包分解系数概率分布序列与信息熵相结合定义多小波包系数熵。在此基础上提出基于多小波包系数熵和人工神经网络的电力系统故障类型识别方法。先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的系数熵,然后构造多小波包特征向量,并以此向量作为训练样本对RBF神经网络进行训练,实现故障类型的识别。经过大量的仿真试验,验证了基于多小波包和人工神经网络的电力系统故障类型识别方法有效可行,优于基于传统小波包和人工神经网络的方法,且该方法不易受系统各种不同工况的影响。(本文来源于《西南交通大学》期刊2008-04-01）
郑德山,杨德强,施心陵[5]（2006）在《基于小波包分析的电力系统故障类型的判别》一文中研究指出介绍小波包的基本构造原理,讨论了小波包分析方法在电力系统中故障类型判别中的应用。并根据电力系统出现的具体实例,给出了仿真和比较结果。(本文来源于《江西电力职业技术学院学报》期刊2006年01期）
申伯虎,袁文华[6]（2004）在《基于小波分析的多类型实时故障检测系统》一文中研究指出介绍了一种可以针对不同故障信号进行检测的系统 .该系统以小波分析为核心 ,实时检测信号的异常现象 ,并实时报警 .通过设置异常信息的特征参数来实现多类型的故障检测(本文来源于《邵阳学院学报(自然科学版)》期刊2004年02期）
小波类型酉系统论文开题报告
（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：
当前我国的电力系统建设正取得快速发展,电网容量、电网潮流越来越大,电力设备越来越多,国民经济对电力的依赖程度也越来越高,对供电可靠性的要求也越来越苛刻。电力系统故障诊断与识别是对电力系统故障进行快速准确处理的重要保证,也是保证电力系统安全稳定运行的重要环节。基于小波分析理论的故障识别诊断方法,是故障诊断领域研究的一个重要分支。近年来,不同形式的小波分析方法,在各领域的故障诊断中得到了广泛的应用,且取得了很好的效果。在本文中,主要研究工作和创新点如下：首先,从工程应用的角度出发,研究并实现了小波消噪的叁种方法,给出了小波变换在信号消噪分析中的具体应用实例。对于信号的奇异性检测,从信号的奇异性出发,根据信号奇异性检测的基本理论模极大值理论,针对于两种不同类型的奇异性信号,给出了具体检测实例。其次,介绍了对气体绝缘组合电器GIS,局部放电信号检测识别的重要意义。根据局部放电故障信号特征,提出了基于小波包变换的特征选取,并根据被小波包变换分解局部放电信号形成的小波包分解树,针对分解树中小波包系数的特征提取,提出了一种新的特征向量提取方法,根据不同特征量性质,采取不同降维的方法。根据该方法所提取的特征向量,画出特征量数据分布图,证明该方法可行。为了识别GIS中常见的3种局放故障信号,本文设计了BP神经网络作为分类器,并用3种局放故障信号各30组对网络进行训练。根据训练结果,分别用15组故障信号进行测试,根据Matlab测试结果来看,基于小波变换及神经网络的PD信号诊断识别的方法的有效性与优越性。最后,对论文进行了总结和对未来电力系统故障诊断研究提出了建议。计算机仿真的结果验证了本文的分析及综合方法的正确性和有效性,也表明了本文研究内用具有一定的推广应用价值。
（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。
小波类型酉系统论文参考文献
[1].吕超贤,李欣然,户龙辉,尹丽,胡京.基于小波分频与双层模糊控制的多类型储能系统平滑策略[J].电力系统自动化.2015
[2].代怀志.基于小波变换的电力系统故障信号类型识别研究[D].东北大学.2010
[3].李东敏,刘志刚,苏玉香,蔡军.基于多小波包和人工神经网络的电力系统故障类型识别[J].电力自动化设备.2009
[4].李东敏.基于多小波包和人工神经网络的电力系统故障类型识别研究[D].西南交通大学.2008
[5].郑德山,杨德强,施心陵.基于小波包分析的电力系统故障类型的判别[J].江西电力职业技术学院学报.2006
[6].申伯虎,袁文华.基于小波分析的多类型实时故障检测系统[J].邵阳学院学报(自然科学版).2004