Распознавание образа искаженного электрического сигнала в распределительных сетях с использованием вейвлет-анализа и нейросетевого моделирования

Abstract

Приведен сравнительный анализ применения математического аппарата Фурье и вейвлет преобразований по определению типа искажений несинусоидальных режимов распределительных сетей 0,38/0,22 кВ. Сформулированы требования к вейвлет-фильтрам и выбран вейвлет из семейства Paul, который наиболее соответствует требованиям для решения поставленной задачи. Выполнен тестовый анализ моделей сигналов, имеющих место в распределительных сетях 0,38/0,22 кВ и содержащих различные виды искажений, с помощью указанных преобразований. Результаты анализа показали преимущества вейвлет-анализа перед Фурье-анализом, за счет локализуемости вейвлетов как во временной, так и в частотной области.

Виконано порівняльний аналіз застосування математичного апарату Фур’є та вейвлет перетворень щодо визначення типу спотворень несинусоїдальних режимів розподільних мереж 0,38/0,22 кВ. Сформульовано вимоги до вейвлет-фільтрів та вибрано вейвлет з сімейства Paul, що найбільш відповідає вимогам для вирішення поставленої задачі. Виконано тестовий аналіз моделей сигналів, що мають місце в розподільних мережах 0,38/0,22 кВ та містять різні види спотворень, за допомогою вказаних перетворень. Результати аналізу показали переваги вейвлет-аналізу перед Фур’є-аналізом, зокрема завдяки локалізованості вейвлетів як в часовій, так і в частотній області.

A comparative analysis of the use of the mathematical apparatus of Fourier and wavelet transforms to determine the type of distortion nonsinusoidal modes of distribution networks 0.38/0.22 kV. The requirements to the wavelet filters and wavelet is selected from the family of Paul, that best matches the requirements for the task. A test pattern analysis of signals occurring in the distribution networks 0.38/0.22 kV and contain different kinds of distortions, using these transformations. The analysis showed the benefits of wavelet analysis to Fourier analysis, in particular through Localization wavelet in the time and frequency domains.