1. 研究目的与意义（文献综述）

随着可再生能源接入电网，传统电网在接纳超大规模、低质的可再生能源方面受到挑战，应采用新的技术和电网结构来满足能源格局的变化。直流微电网作为分布式电源一种接入电网方式，已成为目前解决该问题众多方案中的研究热点。2008年，由美国ABB公司提出了基于直流母线的微电网架构。2010年，日本东北大学建成直流供电等的实验教学楼 “ECOLAB”综合使用太阳能电池、充电电池以直流方式供给LED照明等使用。2012年，中国科学院的优质电力园区项目中包括了含光伏发电的直流微电网楼宇供电的示范工程。目前，众多学者对直流微电网的建模、稳定性控制策略等相关内容进行了研究。

根据国际电工委员会(IEC，International Electro technical Commission)的定义，电能质量是指供电装置处于正常工作状态下不中断及不干扰用户使用电能的物理特性。随着现代电气设备对电能质量的要求越来越高，电力市场改革的不断深入，电能质量问题日益突出。为了进行有效的电能质量评估，必须找到问题的原因，制定相应的措施。因此，电能质量分析、监测和评估是一项非常重要的任务。但直流供电目前还没有交流供电那么成熟与普及，其相关计量标准也有待建立和实施，而直流电能的供电质量直接影响计量与收费。因此，直流电能质量的评估就显得尤为重要。
但是现有的标准大多是针对交流电能质量的评估，例如IEC 61000和IEEEStd1159。若直接参考交流的相关指标对直流进行评估，没有充分考虑交直流在一些指标上的区别，是不够准确的。本文针对直流电能质量评价方法，从直流电能质量的特点出发，构建一套评价指标体系。研究直流电能信号质量特征指标提取、质量特征指标选择、直流电能质量评价模型构建。
2016年3月，AlphaGo以4:1大胜人类围棋的顶级高手，“深度学习”从此名声大噪。深度学习是机器学习的一个分支领域，它是从数据中学习表示的一种新方法，强调从连续的层中进行学习，这些层对应于越来越有意义的表示。虽然深度学习是机器学习中一个相当有年头的分支领域，但在21世纪前十年才崛起。在随后的几年里，它在实践中取得了革命性进展，在视觉和听觉等感知问题上取得了令人瞩目的成果。
本文打算将深度学习应用到直流电能质量评估中。将基于人为定义指标的评价方法与基于信号特征自动提取的评价方法相结合，其中人为定义指标的分类器是模糊层次分析法(FAHP)或其他客观的评价方法，基于信号特征自动提取的分类器是经验模态分解(EMD)和一维卷积神经网络(1-D CNN)的组合。以格力光伏小屋的数据以及仿真数做实验，结合深度学习解决复杂问题的能力，搭建一种综合性直流电能质量评价模型，得到准确的结果。

2. 研究的基本内容与方案

本文将利用深度学习对直流电能质量进行评估。拟将基于人为定义指标的评价方法与基于信号特征自动提取的评价方法相结合，其中人为定义指标的分类器是模糊层次分析法(FAHP)或其他客观的评价方法，基于信号特征自动提取的分类器是经验模态分解(EMD)和一维卷积神经网络(1-D CNN)的组合。
其中，模糊层次分析法(Fuzzy Analytical Hierarchy Process，简称FAHP)，结合了模糊数学和层次分析法。F-AHP分为三个关键步骤：指标权重的计算、隶属度的确定、综合评价阶段。在指标权重计算过程中：首先，确定指标体系及体系的层次结构；然后，构建判断矩阵；其次，对矩阵进行一致性检验；最后，计算指标的权重。在隶属度的计算过程中，采用模糊数学的方法分别确定定性指标和定量指标的隶属度，进行Fuzzy分析，得到隶属度矩阵。
经验模态分解(Empirical Mode Decomposition,简称EMD)，是在1998年提出的Hilbert-Huang变换的基础上，提出的一种新型的自适应的信号处理分析方法，适用于非平稳、非线性信号。EMD将任意信号分解为一系列本征模函数即IMF和残余项的和，其中IMF必须满足两个基本条件：1)极值和过零点的数目必须一致或者最多相差一个；2)由包络的最大值和最小值定义的局部均值必须为0。在EMD对实验数据进行处理后，再利用一维卷积神经网络(1-D convolutional neural network，简称1-D CNN)对其进行训练，对数据做出评判。
最后，将两种方法得到的结论进行综合，得出一个客观准确的评判结果。实验将用到Keras的框架，MATLAB、C 、Python等编程语言来实现这些操作。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究MATLAB、C 、Python等编程语言和开发工具VS、Spyder等，初步搭建并熟悉开发环境Keras等。确定方案，完成开题报告。
第4－6周：阅读参考文献，学习卷积神经网络、FAHP、EMD的相关理论和算法。
第7－10周：利用从格力光伏小屋获得的数据，编程实现在相关电能数据集上进行仿真实验验证，完成分析比较。
第11－12周：将程序模块进行整合完善，完成调试和测试。
第13－15周：完成并修改毕业论文。
第16周：根据前期系统的设计实现和论文的写作进行论文答辩准备。

4. 参考文献（12篇以上）

[1] Giel V D B , Jeroen S , Johan D . A critical review of power quality standards and definitions applied to DC microgrids[J]. Applied Energy, 2018, 229:281-288.
[2] Jiang S, Song D, Hao J, et al. Comprehensive evaluation on electric power quality of Wind Farm based on credibility theory[C]// International Conference on Power System Technology. 2014.
[3] Abdelrahman S , Liao H , Guo T , et al. Global Assessment of Power Quality Performance of the Network Using Analytic Hierarchy Process Model[C]// Powertech, IEEE Eindhoven. IEEE, 2015.
[4] Rafajlovski G , Najdenkoski K , Nikoloski L , et al. Power quality monitoring and sample size analysis beyond EN 50160 and IEC 61000-4-30[C]// International Conference amp; Exhibition on Electricity Distribution. IET, 2013.
[5] Sciano D , Raza A , Salcedo R , et al. Evaluation of DC Links on Dense-Load Urban Distribution Networks[J]. IEEE Transactions on Power Delivery, 2016, 31(3):1317-1326.
[6] Juan Ramón Camarillo-Pentilde;aranda, Angela María Castantilde;eda, Perez R S , et al. A Novel Fault Classification Method Using Wavelet Transform and Artificial Neural Networks[C]// International Conference on Harmonics amp; Quality of Power. IEEE, 2016.
[7] Huang Z , Ma J , Zeng J , et al. Research status and prospect of control and protection technology for DC distribution network[C]// China International Conference on Electricity Distribution. IEEE, 2014.
[8] Duan X , Chen K . Research on the application of maximal tree method based on fuzzy clustering for Power Quality Evaluation[C]// China International Conference on Electricity Distribution. IEEE, 2014.
[9] Marcos Vinícius Eloy Xavier, Boaventura W D C , Noronha M D . High performance power quality monitoring system[C]// International Conference on Harmonics amp; Quality of Power. IEEE, 2016.
[10] 丁晓慧, 刘俊杰, 邢强. 基于自适应局部均值的EMD方法及其在谐波检测中的应用[J]. 电力系统保护与控制, 2017, 45(14):17-25.
[11] 郭艳威, 金涛. 一种基于改进EMD端点效应的电能质量分析新方法[J]. 电气技术, 2013(12):13-15.
[12] 武荣华, 王天施, 侯宝明. 基于EMD的电能质量扰动检测与分类方法[J]. 辽宁石油化工大学学报, 2013, 33(2):63-66.
[13] 郝晓弘, 魏莹. 基于改进EEMD的电能质量扰动检测研究[J]. 电子设计工程, 2017, 25(2):88-92.
[14] 肖勇, 黄友朋, 周童, et al. 基于模糊层次分析法智能电表软件质量评价[J]. 自动化与仪表, 2016, 31(7):20-24.
[15] 张博英. 基于FAHP与模糊综合评判法的大学生从众行为评价研究[J]. 重庆文理学院学报, 2016, 35(2):46-50.