基于db4小波变换与BP神经网络的暂态电能质量扰动分类方法

崔志强

(承德石油高等专科学校 电气与电子系，河北 承德 067000)

近年来，随着科技的进步和社会的发展，现代电网电能质量问题日益突出。这其中暂态电能质量因其影响范围大，受到了越来越多的关注[1]。对电能质量扰动信号进行分类识别是对其进行分析、治理及责任划分的主要依据，主要包括扰动特征参量的提取和分类识别系统的构建这两个过程[2]。目前，特征参量的提取方法主要有短时傅里叶变换、小波变换、S变换、EMD等；分类识别系统主要有支持向量机、神经网络、决策树、专家系统等方法。

本文将小波变换与神经网络相结合，对暂态电能质量扰动信号进行分类识别。首先，根据暂态电能质量扰动信号的特征，选择基函数为Daubechies小波中的db4小波，并通过多层分解和重构提取特征参量。再选取合适的BP神经网络模型，将一定数量的样本特征参量输入到网络中，通过训练和测试，最终可以准确区分电压暂降、电压中断、电压暂升、脉冲暂态、振荡暂态等几种扰动事件，仿真结果验证了所用方法的有效性和正确性。

1 小波变换基本理论与基函数选取

1.1 小波变换基本概念

小波变换具有多尺度、多分辨的特点，能够逐渐聚焦放大待分析信号，具有分辨信号局部特征的能力[3]。通过某一函数表示或逼近分析的信号f(t)，而这一函数是由基本小波函数ψ(t)经过不同尺度的伸缩和平移所构成的。设ψ(t)∈L2(R)，其傅里叶变换为ψ(t)，当ψ(ω)满足允许条件：

(1)

则可称ψ(t)为一个基本小波或母小波函数。……