基于证据理论和原子算法的电能质量扰动分类与定位研究

电能质量扰动分类和扰动源定位是电能质量监测系统的核心功能。本项目针对现有方法的不足，提出一种新型扰动分类和扰动源定位方法。采用先进的原子分解算法分析扰动信号，实现扰动信号的自适应、解析形式分解；用粗糙集对样本特征进行优选，以确定一组最佳且完备的扰动分类特征，解决分类特征选择的主观性和盲目性，提高分类效果；同时，通过粗糙集方法获得证据融合的基本信度分配函数，解决证据理论融合算法中信度分配函数的构造问题；以最佳分类特征及其信度分配为依据采用证据理论进行融合分类，形成一种计算型分类方法，克服了统计型分类方法中完全依赖训练样本和推理型分类方法中难以形成完备分类规则的弊端。在扰动源定位算法中，将每个测点的扰动方向信息用大小和符号两个参量表达，再用证据理论对各个测点扰动方向信息进行融合，确定扰动源位置；对监测盲区，采用与离线生成的扰动位置模式表进行端口参数匹配的方法实现定位。