近年來由於非線性電子設備的廣泛使用，對於電力公司與工業界而言，電力品質(Power Quality)亦成為重視的主要課題，諧波、電壓陡昇、電壓驟降、電力中斷等干擾事件，將可能降低供電品質。針對維繫供電的品質，偵測各類干擾事件便具實質的重要性，換言之，若有一套電力品質干擾事件偵測系統，將可輔助工程人員在處理作業上的程序，並能採取有效的改善措施。
本文提出偵測電力品質干擾事件的模組型態，即以時域之電壓-電流特性(Voltage-Current (V-I) characteristic)為基礎，應用小波-灰色關聯分析(Wavelet Grey Relational Analysis, WGRA)及小波-自我組織特徵映射網路(Wavelet Self-Organizing Feature Map Network, WSOM)等兩套模組。小波(Wavelet)之目的在於，萃取電壓與電流的特徵值，以灰色關聯分析(GRA)進行運算，比較干擾訊號與各類特徵圖樣的關聯大小，作為辨識干擾類型之依據。此外，自我組織特徵映射網路(SOM)則是藉以聚類方式，作為辨識各類干擾特徵圖樣之依據。最後以IEEE 14-Bus系統為例，在個人電腦進行運算上的效率及準確率之模擬測試，驗證模組之可行性。

Power quality is a main subject to considerable attentions from utilities and customers owing to the popular uses of many non-linear electronic equipment in recent years. Harmonics, voltage swell, voltage sag, and, power interruption could downgrade the service quality. To ensure the power quality, detecting harmonic and voltage disturbances becomes an important issue. In other words, a detection method with classification capability will be helpful for detecting disturbances.
The thesis proposed two models of power quality detection for power system disturbances using voltage-current(V-I) characteristics in the time domain with hybrid wavelets grey relational analysis (WGRA), and self-organizing feature map network (WSOM). Morlet wavelets are responsible for extracting features from voltages and currents. GRA and SOM were employed to identify the types of various disturbance patterns. Computer simulations have demonstrated the computational efficiency and accurate recognition capability for power quality detection and discrimination with an IEEE 14-Bus power system.

目錄
摘要……………………………………………………………..…….Ⅰ
Abstract……………………………………………………….………Ⅱ
目錄.....................................................Ⅲ
圖目錄………………………………………………………...……..Ⅶ
表目錄…………………………………………………………….....Ⅹ
第一章 緒論…………………………………………………………….1

1-1 研究背景與動機…..……………………………….....1
1-2 研究目的與方法………………………………….…....2
1-3 論文內容概述……………………………………….....4
第二章 電力品質概論……………………………………….........6

2-1 前言……...……………………………………………....…6
2-2 電力干擾事件之分類與界定…………………….......6
2-3 電力諧波之限制標準及問題描述……..…...........8
2-3-1 傅立葉級數與諧波關係之基本概念…..….....9
2-3-2 諧波源及管制標準規範………………………..13
2-4 諧波源之辨識技術……………………………….…...17
2-4-1 時域波形辨識技術……….……..…………...17
2-4-2 諧波頻譜辨識技術……………………………..19
2-4-3 負載V-I曲線辨識技術……………..….......21
第三章 研究領域…...…………………………...………………..24

3-1 前言………….……….…………………………….....…....24
3-2 灰色系統概論….……………………………….....…….....24
3-2-1 灰色系統之研究概略………………………….......25
3-2-2 灰色關聯分析模型………………….......………..28
3-2-3 改良式灰色關聯分析模型………….……………....33
3-2-4 四大公理證明……………...………………...…...35
3-3 小波-灰色關聯分析模型………………....…...……...…..37
3-4 類神經網路概論………………………………..…….…......45
3-4-1 網路之結構分類………...…………..……..….….49
3-4-2 網路之學習策略……………………...……….…...50
3-5 自我組織映射網路…………………………………….........50
3-5-1 網路行為與結構型態……………………...……......51
3-5-2 SOM之相關名詞定義…………………………..........52
3-5-3 網路演算之建構流程………………………...…......56
3-6 小波-自我組織映射網路………………...…………….......59
3-6-1 Grass型之鄰近區域函數..........................60
3-6-2 WSOM之演算法則.................................62
第四章 干擾訊號模擬及V-I曲線繪製…………..…….………..…65

4-1 前言……………………………………….………...…65
4-2 研究環境與偵測系統架構…………………………....65
4-3 電力品質干擾事件之訊息模擬………….………….…69
4-4 時域訊號特徵值萃取……………….……………….…70
4-5 V-I曲線模擬繪製……………………………………...73
4-6 V-I Curve之二維空間特徵分佈.……………………..75

第五章 偵測模擬與討論……………….…………………………...77

5-1 前言…………………………………….………….……77
5-2 辨識係數ξ值之設定與比較測試...................77
5-3 小波-灰色關聯分析模組強韌度測試…………….....81
5-4 輸出處理單元之設定與比較測試……………........84
5-5 針對研究環境下之模擬測試………………………....87
5-6 研究方法的比較…………………………………………98

第六章 結論與未來展望………………………………….…….…..99

6-1 結論…………………………………….……………...99
6-2 未來展望……………………………………………...100

參考文獻……………………………………..……………………..102

圖目錄

圖1-1 偵測電力品質干擾事件之構想圖......................2
圖1-2 電力品質別識技術…………………………………………..3
圖2-1 不同次數之諧波成份所產生之諧波波形...............12
圖2-2 污染電力品質的負載歸類...........................14
圖2-3 各式諧波組合之正弦波形與合成波形比較……………...18
圖2-4 時域波形與頻譜圖樣……………………………………...20
圖2-5 各類負載之V-I曲線………………………………..……..22
圖3-1 傳統式灰色關聯度之關係圖…………….…………….….31
圖3-2 翁慶昌之灰色關聯度之關係圖……………………….....32
圖3-3 改良式灰色關聯度之關係圖……..…………………..….34
圖3-4 傅立葉轉換與小波轉換示意圖.......................38
圖3-5 小波波形.........................................41
圖3-6 小波轉換示意圖...................................41
圖3-7 WGRA模組架構.....................................42
圖3-8 生物神經元模型…………………………………………….46
圖3-9 單一生物神經元模型...............................47
圖3-10 前饋式類神經網路.................................49
圖3-11 回饋式類神經網路.................................49
圖3-12 自我組織映射網路架構圖...........................52
圖3-13 網路拓撲概念圖...................................53
圖3-14 鄰近區域觀念……………………………….…………....54
圖3-15 墨西哥帽函數及其側向聯結作用………….…….……...54
圖3-16 相同振幅之交互作用……………………………….….….55
圖3-17 小波自我組織映射網路架構圖…………………………...59
圖3-18 Grass型態之鄰近函數……………………………….…….60
圖4-1 IEEE 14-Bus單線圖……………………………………....66
圖4-2　 各類設備之諧波頻譜分佈圖…………….………………..67
圖4-3 偵測電力品質干擾事件之架構流程圖………………..….68
圖4-4 PQ干擾事件建構流程圖……………………………….....69
圖4-5 時域波形與小波域特徵圖樣……………………….……..73
圖4-6 干擾事件及負載類型之V-I曲線圖………………........74
圖4-7 電壓-電流二維特徵分佈圖……………….………….....76
圖5-1 針對四類模組之ξ測試……………………………........78
圖5-2 B模組之ξ測試……………………………………….......78
圖5-3 改變電壓振幅大小………………………………………….81
圖5-4 改變諧波量振幅大小……………………………….......82
圖 5-5 灰色關聯模型適應性調整情形…………………………...82
圖5-6 競爭層為4×6型態之網路聚類分佈………………….….. 85
圖5-7 競爭層為4×12型態之網路聚類分佈……………….…..…86
圖5-8 競爭層為6×12型態之網路聚類分佈……………………...87
圖5-9 匯流排6之時域失真波形………………….……………….91
圖5-10 偵測200個週波之V-I Curve…………………………...…92
圖5-11 時域萃取之小波域特徵圖樣…………………………….…94
圖5-12 追蹤測試結果……………………………….………….….95
圖5-13 匯流排10之失真時域波形….…………………………....96
圖5-14 第1~50週波之V-I Curve…….…………………………...96
圖5-15 時域萃取之小波域特徵圖樣……………………………….97
圖5-16 W-SOM偵測結果………………………………………...….97

表目錄

表2-1 電力品質干擾事件之污染源、影響對象及改善對策…..…7
表2-2 配電系統諧波標準限制值………………………………….15
表2-3 諧波電壓限制值...................................16
表2-4 台電「電力系統諧波管制暫行標準」……………….....16
表3-1 生物體與生物模型對照表...........................47
表4-1 A區域之諧波負載………………………………………....66
表4-2 B區域之諧波負載………………………….……………….66
表5-1 W-GRA四種模組型態………………………………….…...77
表5-2 A模組 之電力品質干擾事件偵測結果.................79
表5-3 B模組 之電力品質干擾事件偵測結果.................79
表5-4 C模組 之電力品質干擾事件偵測結...................80
表5-5 D模組 之電力品質干擾事件偵測結果.................80
表5-6 數據前處理後的結果………………………………….....83
表5-7 傳統式GRA之不同ξ下的排序結果.....................84
表5-8 本文所提GRA之不同ξ下的排序結果………………….....84
表5-9 競爭層為4×6型態之網路相關資料.………….…………..86
表5-10 競爭層為4×12型態之網路相關資料…………..………….86
表5-11 競爭層為6×12型態之網路相關資料……………..…...…87
表5-12 方法比較.........................................98

[1] 江榮城，“電力品質實務書(一)”，全華科技圖書股份有限公 司，中華民國九十年七月。
[2] M. Anxo Prieto Alonso and Manuel Perez Donsion, ” An improved time domain arc furnace model for harmonic analysis” ,IEEE Transactions on power delivery, Vol.19, issue 1, Jan. 2004, pp. 367-373
[3] Gary W. Chang, ” Characterizing harmonic currents generated by fluorescent lamps in harmonic domain” ,IEEE Transactions on power delivery, Vol.18, issue 4, Oct. 2003, pp. 1583-1585
[4] 江榮城，“電力品質實務書(二)”，全華科技圖書股份有限公司，中華民國九十年七月。
[5] 曹銘介，“應用小波-機率神經網路於電力品質及特定諧波偵測之研究”，國立中山大學電機系碩士論文，中華民國九十三年六月。
[6] Gary Chang W. K., IEEE Power Engineering Society Tutorial On Harmonics Modeling and Simulation, Chapter 3, 1998
[7] Zastrow,O.W., ”Recommended Practice for Voice Frequency Electrical Noise Tests of Distribution Transformers” ,IEEE Trans., COM-21, 1973, pp. 1448-1455
[8] J. Deng, “The Control Problem of Grey System, ”System & Control Letters, No. 5 (1982), pp. 288-294.
[9] 李允中、王小璠、及蘇木春，”模糊理論及其應用”，全華科技圖書股份有限公司，民國93年2月，ISBN 957-21-3870-7。
[10] 史開泉、吳國威、及黃有評，”灰色信息關係論”，全華科技圖書股份有限公司，民國83年9月，ISBN 957-21-0712-7。
[11] 溫坤禮、黃宜豊、張偉哲、張廷政、游美利、及賴家瑞，”灰關聯模型方法與應用”，高立圖書有限公司，民國92年3月，ISBN 986-412-047-6。
[12] Song Bin, Yu Ping Luo Yunbai and Wen Xishan, ” Study on the fault diagnosis of tran- sformer based on the grey relational analysis” , Power System Technology, 2002. Pro- ceedings. PowerCon 2002. International Conference on , Vol.4, 13-17 Oct. 2002, pp. 2231-2234
[13] John H. Wu and Chie-Bein Chen, “An Alternative Form for Grey Relational Grades, ”The Journal of Grey System, Vol. 1, 1999, pp. 7-12.
[14] Wei-Che Chang, “A Comprehensive Study of Grey Relational Generating, ”Journal of the Chinese Grey Association, Vol. 1, 2000, pp. 53-62.
[15] 2002年第七屆灰色系統研討會論文集
[16] 2005年第十屆灰色系統研討會論文集
[17] Liu Chong Chun and Qiu Zhengding, “A Method Based Morlet Wavelet for Extracting Vibration Signal Envelope, ”5th International Conference on Signal Processing Proceeding, WCC-ICSP 2000, Vol.1, 21-25 August 2000, pp. 377-340.
[18] 林惠民、林家宏、杜耿邦、曹銘介，“類神經網路應用於電力系統諧波源偵測之研究”，第二十四屆電力工程研討會論文集，崑山科技大學，pp. 1022-1026。
[19] Yann-Chang Huang and Chao-Ming Huang, “Evolving Wavelet Network for Power Transformer Condition Monitoring, ”IEEE Trans. on Power Delivery, Vol.17, No.2, April 2002, pp. 412-416.
[20] 黃昭明、黃燕昌、王瑋民，“應用小波網路於燃料成本-NOx污染量電力調度之研究”，CIACPA’2000，義守大學，pp. C3-24~C3-29。
[21] 杜耿邦，“應用人工智慧於電力系統諧波源與位置之偵測”，國立中山大學電機系碩士論文，民國九十二年五月。
[22] 葉怡成，”類神經網路模式應用與實作”，儒林圖書有限公司，民國93年9月，
ISBN 957-499-628-X。
[23] 王彥翔，“自組特徵映射與學習向量量化神經網路於河川流量之預測”，國立台灣大學生物環境系統工程學系碩士論文，民國九十一年。
[24] 張斐章、張麗秋、黃浩倫，”類神經網路-理論與實務”，東華書局，民國93年3月，ISBN 957-483-220-1。
[25] 葉晉榮，“泛模糊凝聚Kohonen分類網路”，私立淡江大學電機工程研究所碩士論文，中華民國87年。
[26] T.Kohonen, “The self-organizing map, ” Proceedings of the IEEE , vol. 78, on.9, pp. 1464-1480, September 1990.
[27] F. Azam and H. F. VanLandingham, “Adaptive self organizing feature map neuro-fuzzy technique for dynamic system identification, ” IEEE ISIC/CIRA/ISAS Joint Conference, pp. 337-341, Maryland, U.S.A., 1998.
[28] 何鴻聖，” 自我組織神經網路在選股策略的應用”，國立東華大學國際經濟研究所碩士論文，2004年。
[29] 吳家宏、陳昭榮，“類神經網路應用於電力系統諧波源位置之偵測”，第二十一屆電力工程研討會論文集，pp. 329-333。
[30] 吳家宏，”類神經網路應用於電力系統諧波源位置之偵測”，國立台北科技大學電機與能源研究所碩士論文，2000年。
[31] Y.Y. Hong and Y.C. Chen, “Application of Algorithms and Artificial-Intelligence
Approach for Locating Multiple Harmonics in Distribution System,” IEE Proceedings-Generation, Transmission and Distribution, Volume: 146 , Issue: 3 , May 1999, pp. 325-329
[32] 林家宏，“電力系統適應性故障診斷及電力品質偵測之研究”，國立中山大學電機系博士論文，中華民國九十三年六月。
[33] C.H.Lin and M.C.Tsao, “Power quality detection with classification enhancible wavelet-probabilistic network in a power system,” IEE Proceedings-Generation, Transmission and Distribution, Vol.152, No. 6, November 2005, pp 969-976
[34] C.H.Lin, “Classification enhancible grey relational analysis for cardiac arrhythmias discrimination,” Med Biol Eng Comput (2006) 44: 311-320