臺灣博碩士論文加值系統

近年來由於高科技產業的快速發展，對電力品質的要求逐日增加，然而，提高供電品質，首要前提在廣泛收集與電力品質相關之電壓、電流信號，以了解不良電力品質問題與發生的原因，作為改善電力品質的依據。因此，對電力品質的分析工作，乃是現今重要的研究課題之一。本研究利用類神經網路的特性，實現一電力品質干擾事件辨識器。以MATLAB軟體，根據一般電力品質問題，應用學習向量化網路演算法，設計一個電力干擾事件辨識器，進行電力品質事件的分類工作，其中將之區分為中斷、突升、突降、閃爍及諧波等類型，以方便使用者迅速掌握電力品質問題。為驗證本文所提方法之可行性，本文利用MATLAB 及 Simulink模擬電力干擾波形，以驗證所提方法之性能。測試結果顯示，本文所提之方法可正確辨識電力干擾波形。

In recent years, because of rapid development of the high-tech industries, the limits on the specification higher power quality is strict. However, to improve the power quality, the import thing is to collect the information regarding to power quality events for analysis their properties. Therefore, enhancing the power quality analysis technique is one of the most important tasks in the power industry. This thesis utilized the import neural network technique to implement a PQ disturbance classifier. The PQ disturbance classifier is based on the Learning Vector Quantization algorithm implemented by Matlab. The classifier can classify the transient signals into voltage interruption, swell, sag, flicker, and harmonic. Users can characterize those power quality problems by this tool. To verify the performance of the proposed approach, this approach has been tested on many disturbance signals generated by MATLAB/SIMULINK. The accuracy and efficiency of the proposed approach are verified by many cases. The results show the propose approaches can identify the PQ disturbance correctly.

目錄
中文摘要 ………………………………………………….………… I
英文摘要 …………………………………………………………… II
致謝 …………………………………………………………………. III
目錄 ………………………………………………………………... IV
表目錄 ………………………………………………………………. VII
圖目錄 ……………………………………………………………... VIII
第一章： 緒論 …………………………………………………… 1
1.1 研究背景 ………………………………………… 1
1.2 研究動機 ………………………………………… 2
1.3 研究步驟與方法 ………………………………… 3
1.4 內容大綱 ………………………………………… 3
第二章： 電力品質事件定義 …………………………………… 5
2.1 簡介 ……………………………………………… 5
2.2 電力品質事件種類與影響 ……………………… 6
2.3 電力品質辨識與改善 …………………………… 15
第三章： 類神經網路 …………………………………………… 21
3.1 簡介 ……………………………………………… 21
3.2 類神經網路的基本原理及模型 ………………… 22
3.3 各種類神經網路特性之比較 …………………… 25
3.4 學習向量化網路 ………………………………… 27
3.4.1 網路演算法 ……………………………… 27
3.5 倒傳遞網路 ……………………………………… 34
3.6 類神經網路訓練注意事項 ……………………… 37
第四章： 電力品質事件模擬 …………………………………… 39
4.1 簡介 ……………………………………………… 39
4.2 電力品質干擾波形模擬電路 …………………… 39
第五章： 電弧爐之模式與電壓閃爍分析之運用 ……………… 47
5.1 簡介 ……………………………………………… 47
5.2 交流電弧爐 ……………………………………… 48
5.3 直流電弧爐 ……………………………………… 49
5.4 交流/直流電弧爐之比較 ……………………… 50
5.5 電弧爐模型 ……………………………………… 52
5.5.1 類神經網路訓練資料的建立 …………… 53
5.5.2 以類神經網路進行電路建模 …………… 55
5.5.3 學習過程與模擬結果 …………………… 57
5.5.4 電弧爐模型的應用 ……………………… 79
5.6 結論 ……………………………………………… 92
第六章： 電力品質干擾波形辨識 ……………………………… 93
6.1 簡介 ……………………………………………… 93
6.2 電力品質辨識器的基本原理與建立 …………… 93
6.2.1 LVQ神經網路訓練資料的建立 ………… 94
6.2.2 建立LVQ神經網路 ……………………… 95
6.2.3 學習過程與模擬結果 …………………… 96
6.3 電力品質辨識器的實現 ………………………… 104
第七章： 結論與未來展望 ……………………………………… 106
7.1 結論 ……………………………………………… 106
7.2 未來展望 ………………………………………… 107
參考文獻 …………………………………………………………… 108

參考文獻
[1] IEEE Recommended Practice for Monitoring Electric Power Quality, IEEE Standard 1159-1995, IEEE, New York, 1995
[2] 江榮城，電力品質實務(一)， 台北， 全華科技圖書股份有限公司，民國八十九年。
[3] 周翌生，「電力系統諧波問題之探討」，電機月刊，第六卷第十期，第139頁至143頁。
[4] 陳建富，電力品質監測儀表系統設計，中原大學電機工程學系碩士論文，1999。
[5] 葉怡成，類神網路模式應用與實作，儒林圖書公司，2000年四月。
[6] 洪瑤，「電力系統諧波問題探討」，台電工程月刊，第547期，第11至21頁。
[7] D. C. Arc Furnace Technical Data-NKK-UNARC, NKK Co.
[8] 日本電器學會技術報告(II)部第72號，「製鋼用電弧爐電力工給問題最新動向」，電器加熱技術學會，第3-9頁，昭和53年。
[9] 辜志成等著，高壓端電壓閃爍源對低電壓用戶之影響，台灣電力綜合研究所期末報告，民國83年6月。
[10] J. J. Andrew and S. W. Kilpatrick, “Identifying Electrical Safety Needs, Implementing Improvement, and Measuring Results,” IEEE Transaction on Industry Application, Vol.34, No.4, July/August 1998, pp. 649-655.
[11] 李森源，電弧爐煉鋼及電壓閃爍之改善， 台北， 中國電機技術出版社， 民國六十六年。
[12] M. Meunier, and F. Brouaye,“Harmonics and Quality of Power Proceedings,”Proceedings of the 8th International Conference, 1998. Vol. 1, pp. 71 —76.
[13] S. Santoso, E.J. Powers, W.M. Grady and A.C. Parsons, “Power Quality Disturbance Waveform Recognition Using Wavelet-based Neural Classifier,”I. Theoretical Foundation, IEEE Transactions on Power Delivery, Vol. 15, No. 1, 2000, pp. 222 —228.
[14] S. Santoso, E.J. Powers, W.M. Grady and A.C. Parsons,
“Power Quality Disturbance Waveform Recognition Using Wavelet-based Neural Classifier. II. Application,” IEEE Transactions on Power Delivery, Vol.15, No. 1, 2000, pp. 229 —235.
[15] L. Angrisani, P. Daponte, and M. D''Apuzzo,“A Method Based on Wavelet Networks for The Detection and Classification of Transients,”Proceedings of the IEEE Instrumentation and Measurement Technology Conference, 1998, IMTC/98, Vol. 2, pp. 903—908.
[16] T. S. Key, “Diagnosing Power Quality - Related Computer Problems,” IEEE Transactions on Industry Applications, Vol. IA-15, No. 4, July/August 1979, pp. 381-393.
[17] L.Cristaldi and A. Ferrero, “A Method and Related Digital Instrument for the Measurement of the Electric Power Quality,” IEEE Transactions on Power Delivery, Vol. 10, No. 3, July 1995, pp. 1183-1189.
[18] R. H. Simpson, “Instrumentation, Measurement Techniques and Analytical Tools in Power Quality Studies,” IEEE Transactions on Industry Applications, Vol. 34, No. 3, May/June 1998, pp. 534-548.
[19] D. O. Koval and C. Carter, “Power Quality Characteristics of Computer Loads,” IEEE Transactions on Power Delivery, Vol. 33, No. 3, May/June 1997, pp. 613-621.
[20] P.P. Khrea and K. C. Pickey, “Analysis and Mitigation of Voltage Disturbance at an Industrial Customers Corporate Campus,” IEEE Transactions on Industrial Applications, Vol. 34, No. 5, September/October 1998, pp. 893-896.
[21] J. Jatskevich, O. Wasynczuk, and L. Conrad, “A Method of Evaluating Flicker and Flicker-Reduction Strategies in Power Systems,” IEEE Transactions on Power Delivery, Vol. 13, No. 4, October 1998, pp. 1481-1487.