技术摘要：
本发明公开了一种电气化铁路牵引供电电能质量扰动识别方法，特别涉及一种基于集合经验模态分解和深度信念网络的牵引供电系统电能质量识别方法。它包括以下步骤：对原始检测信号加入白噪声；用EMD分解算法分解得到的优化后的信号得到IMF；对得到的IMF的均值进行Hilbert  全部
背景技术：
自从电力电子技术得到广泛应用以来，给我们的日常生活带来了极大的便利。但 与此同时，电力电子装置和非线性电气装置的大规模使用也使得电网中的电压和电流波形 产生了严重的畸变，这导致了电能质量的严重恶化。因此，如何提高电能质量成为目前电力 系统相关领域的热点课题。而作为电网中重要的组成部分，电气化铁路既是国民经济命脉 之一同时又是产生电网污染的重要来源。因此，对电气化铁路牵引供电系统电能质量扰动 的研究和治理受到了越来越多的重视，而快速、准确地对牵引电能质量扰动识别类型进行 判断也是其中的重要环节，同时也是评价和改善电能质量的重要措施。 目前国内外对电气化铁路牵引供电系统研究还不是很多，目前比较常见的主要为 时域仿真技术和数学变换。基于数字变换的方法主要是利用如短时傅立叶变换，S变换等技 术，但他们都存在各自的不足。短时傅立叶变换由于其时间窗长度和形状相对固定，不能同 时体现高频及低频的特征，存在局限性；用S变换法对电能质量扰动进行检测与分类，检测 定位精度较高，分类相对准确，但S变换运算量较大，实时性难保证；
技术实现要素：
为了解决电气化牵引供电系统电能质量扰动识别类型的技术问题，本发明提供一 种速度更快，实时性更强且定位精度高的牵引供电系统电能质量扰动定位与识别的方法。 本发明解决上述技术问题的技术方案是： 对原始检测信号加入白噪声； 用EMD分解算法分解得到的优化后的信号得到IMF； 对得到的IMF的均值进行Hilbert变换； 采用深度信念网络进行扰动识别。 附图说明 图1是本发明的流程图 图2是本发明中给原始信号加入白噪声的过程 图3是本发明中用EMd分解算法得到IMF的流程图 图4是本发明中深度信念网络训练流程图