1. 本选题研究的目的及意义
#本选题研究的目的及意义
随着新能源技术的发展和应用，直流电网在电力系统中扮演着越来越重要的角色。
直流电能质量对直流系统安全稳定运行至关重要，因此对直流电能质量进行有效评价显得尤为关键。
传统的直流电能质量评价方法大多基于人工规则，存在着灵活性差、难以适应复杂扰动等问题。
2. 本选题国内外研究状况综述
#本选题国内外研究状况综述
近年来，随着直流电网规模的不断扩大，直流电能质量问题日益突出。
国内外学者对直流电能质量评价方法进行了深入研究，并取得了一些成果。
##2.1国内研究现状
国内学者在直流电能质量评价方面主要集中在以下几个方面：
1.基于小波分析的直流电能质量扰动识别：利用小波分析方法对直流电压、电流信号进行分解，提取特征信息，进而识别直流电能质量扰动类型。
3. 本选题研究的主要内容及写作提纲
#本选题研究的主要内容及写作提纲
##3.1主要内容
本研究将以深度学习技术为基础，针对直流电能质量评价问题展开研究，主要内容包括以下几个方面：
1.直流电能质量数据的采集与预处理：收集直流电能质量数据，并对其进行预处理，包括数据清洗、数据归一化等，为深度学习模型训练提供高质量的数据。
2.深度学习模型的设计与训练：选择合适的深度学习模型，并根据直流电能质量评价的具体需求，对模型进行优化设计，例如调整网络结构、优化参数等。
利用收集到的数据对模型进行训练，使模型能够准确识别和分类直流电能质量扰动类型。
4. 研究的方法与步骤
#研究的方法与步骤
本研究将采用以下方法和步骤进行：
1.文献调研：全面收集和整理国内外关于直流电能质量评价、深度学习技术以及相关应用的文献资料，了解研究现状、最新进展和前沿技术。
2.数据采集与预处理：收集直流电能质量数据，包括电压、电流、频率等参数。
对数据进行清洗、归一化、降噪等预处理，去除噪声和冗余信息，提高数据质量，为后续深度学习模型训练提供可靠的数据基础。
5. 研究的创新点
#研究的创新点
本研究的创新点主要体现在以下几个方面：
1.将深度学习技术应用于直流电能质量评价领域：将深度学习技术与直流电能质量评价结合，突破传统方法的局限性，提出一种新的评价方法，提高评价精度和效率。
2.设计了针对直流电能质量扰动的深度学习模型：根据直流电能质量的特点，设计了适合直流电能质量扰动识别的深度学习模型，能够有效识别和分类不同类型的扰动。
3.构建了直流电能质量评价指标体系：基于深度学习模型的输出结果，构建了直流电能质量评价指标体系，对不同类型的扰动进行定量评价，并根据评价结果对直流电能质量进行综合评估。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 郑志强, 孙晓明, 刘海峰, 等. 基于深度学习的电力系统谐波识别方法研究[J]. 电力系统自动化, 2022, 46(11): 133-140.
[2] 刘晓敏, 王兆军, 郑国光. 基于深度学习的电力系统电压暂降识别方法研究[J]. 电力系统自动化, 2022, 46(18): 120-128.
[3] 冯晓刚, 刘建国, 郑晓宇, 等. 基于卷积神经网络的电力系统谐波识别方法[J]. 电力自动化设备, 2022, 42(11): 106-112.
