采用自適應(yīng)多分辨率廣義s變換的電能質(zhì)量擾動(dòng)識(shí)別方法
【專(zhuān)利摘要】本發(fā)明是一種采用自適應(yīng)多分辨率廣義S變換的電能質(zhì)量擾動(dòng)識(shí)別方法，其特點(diǎn)是，包括電能質(zhì)量擾動(dòng)信號(hào)采集、將擾動(dòng)信號(hào)利用自適應(yīng)多分辨率廣義S變換進(jìn)行處理、擾動(dòng)信號(hào)特征提取和設(shè)計(jì)決策樹(shù)分類(lèi)器對(duì)樣本進(jìn)行分類(lèi)等步驟。與以往的電能質(zhì)量擾動(dòng)分類(lèi)方法相比，在保證了單一擾動(dòng)的識(shí)別準(zhǔn)確率基礎(chǔ)上，考慮到各頻域特征的表現(xiàn)需要，分頻域設(shè)計(jì)窗寬調(diào)整因子，能夠進(jìn)一步提高復(fù)合擾動(dòng)的識(shí)別準(zhǔn)確率，具有科學(xué)合理，適應(yīng)性強(qiáng)，較高的推廣應(yīng)用價(jià)值等優(yōu)點(diǎn)。
【專(zhuān)利說(shuō)明】采用自適應(yīng)多分辨率廣義S變換的電能質(zhì)量擾動(dòng)識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明是一種采用自適應(yīng)多分辨率廣義S變換的電能質(zhì)量擾動(dòng)識(shí)別方法，應(yīng)用于 電能質(zhì)量暫態(tài)擾動(dòng)自動(dòng)分類(lèi)及定位、設(shè)備狀態(tài)在線監(jiān)測(cè)及評(píng)估以及電能質(zhì)量治理。

【背景技術(shù)】
[0002] 電能質(zhì)量暫態(tài)擾動(dòng)自動(dòng)分類(lèi)是電能質(zhì)量分析與控制的重要基礎(chǔ)，對(duì)暫態(tài)治理、電 力電子設(shè)備狀態(tài)監(jiān)控、擾動(dòng)源定位等工作具有重要意義。隨著智能電網(wǎng)將"安全、經(jīng)濟(jì)、電能 質(zhì)量"作為建設(shè)核心，電能質(zhì)量的監(jiān)控與分析已經(jīng)逐漸由發(fā)電、輸電環(huán)節(jié)向配電環(huán)節(jié)擴(kuò)展， 對(duì)擾動(dòng)識(shí)別的準(zhǔn)確性、實(shí)時(shí)性提出了更高的要求。研究重點(diǎn)逐漸從單一擾動(dòng)識(shí)別向單一擾 動(dòng)與復(fù)合擾動(dòng)共同識(shí)別過(guò)渡。
[0003] 常用的擾動(dòng)識(shí)別方法一般包括信號(hào)處理與模式識(shí)別2個(gè)步驟。傳統(tǒng)的電能質(zhì)量暫 態(tài)擾動(dòng)自動(dòng)分類(lèi)方法常采用希爾伯特-黃變換（Hilbert-Huang Transform，HHT)、小波變 換（Wavelet Transform)、S 變換（S-transform，ST)和 Hyperbolic S 變換（Hyperbolic S-transform，HST)等作為信號(hào)處理手段。但由于時(shí)-頻測(cè)不準(zhǔn)原理，難以將時(shí)間分辨率與 頻率分辨率兼顧。模式識(shí)別方面，常用的方法包括神經(jīng)網(wǎng)絡(luò)（Neural Networks，NNs)、支持 向量機(jī)（Support Vector Machine，SVM)與決策樹(shù)（Decision Tree，DT)等。相比其他方 法，決策樹(shù)分類(lèi)效率高、實(shí)現(xiàn)簡(jiǎn)單，適用于實(shí)時(shí)性要求高的現(xiàn)場(chǎng)應(yīng)用環(huán)境。但分類(lèi)效果依賴(lài) 于特征的分類(lèi)能力，且不同噪聲水平下，最優(yōu)分類(lèi)閾值變化較大。需要對(duì)采用的特征及相關(guān) 閾值設(shè)定進(jìn)行深入分析。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種科學(xué)合理，識(shí)別準(zhǔn)確率高，適應(yīng) 性強(qiáng)，具有較高推廣應(yīng)用價(jià)值的采用自適應(yīng)多分辨率廣義S變換的電能質(zhì)量擾動(dòng)識(shí)別方 法。
[0005] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種采用自適應(yīng)多分辨率廣義S變 換的電能質(zhì)量擾動(dòng)識(shí)別方法，其特征是，它包括以下步驟：
[0006] 1)電能質(zhì)量擾動(dòng)信號(hào)采集
[0007] 利用變電站中的電壓、電流互感器及二次設(shè)備對(duì)相關(guān)擾動(dòng)信號(hào)進(jìn)行采集和記錄；
[0008] 2)將擾動(dòng)信號(hào)利用自適應(yīng)多分辨率廣義S變換，亦稱(chēng)AMGST進(jìn)行處理：
[0009] AMGST是廣義S變換的擴(kuò)展，其關(guān)鍵在于對(duì)廣義S變換高斯窗函數(shù)的傅里葉變換結(jié) 果中窗寬因子的調(diào)整，具體設(shè)置如下：
[0010] 在低頻部分，計(jì)算公式為：

【權(quán)利要求】
1. 一種采用自適應(yīng)多分辨率廣義S變換的電能質(zhì)量擾動(dòng)識(shí)別方法，其特征是，它包括 以下步驟： 1) 電能質(zhì)量擾動(dòng)信號(hào)采集 利用變電站中的電壓、電流互感器及二次設(shè)備對(duì)相關(guān)擾動(dòng)信號(hào)進(jìn)行采集和記錄； 2) 將擾動(dòng)信號(hào)利用自適應(yīng)多分辨率廣義S變換，亦稱(chēng)AMGST進(jìn)行處理： AMGST是廣義S變換的擴(kuò)展，其關(guān)鍵在于對(duì)廣義S變換高斯窗函數(shù)的傅里葉變換結(jié)果中 窗寬因子的調(diào)整，具體設(shè)置如下： 在低頻部分，計(jì)算公式為：
其中：低頻部分為IHz至100Hz，在此范圍內(nèi)令低頻窗寬調(diào)整因子λα= 2 ; 亦由頗都公.彳+管公才士 .
其中：中頻部分為IOlHz至700Hz，在此范圍內(nèi)令中頻窗寬調(diào)整因子 在高頻部分，計(jì)算公式為：
其中：高頻部分為701Hz至（fs/2)Hz，fs為系統(tǒng)采樣率；通過(guò)基頻50Hz傅里葉譜判斷 信號(hào)是否含有基頻擾動(dòng)，若無(wú)擾動(dòng)，取高頻窗寬調(diào)整因子^^ =1/# ;否則，取Affl7 ; 3) 擾動(dòng)信號(hào)特征提取 確定6種特征構(gòu)建分類(lèi)決策樹(shù)，從原始信號(hào)和AMGST計(jì)算結(jié)果矩陣中提取分類(lèi)所需特 征，用于分類(lèi)的特征向量為= ，心），特征向量中各元素含義及計(jì)算方 法如下： Ad表示原始信號(hào)1/4周期能量跌落幅度，計(jì)算方法為原始信號(hào)各1/4周期的均方根值 的最小值比上無(wú)噪聲標(biāo)準(zhǔn)電能質(zhì)量信號(hào)的1/4周期均方根值； 4表示原始信號(hào)1/4周期能量上升幅度，計(jì)算方法為原始信號(hào)各1/4周期的均方根值 的最大值比上無(wú)噪聲標(biāo)準(zhǔn)電能質(zhì)量信號(hào)的1/4周期均方根值； %表示AMGST計(jì)算結(jié)果矩陣中基頻對(duì)應(yīng)幅值標(biāo)準(zhǔn)差； Anmi表示AMGST計(jì)算結(jié)果矩陣中基頻歸一化幅值因子，計(jì)算方法為基頻各采樣點(diǎn)對(duì)應(yīng) 幅值中的最大值加最小值再減Ipu后再整體除以2 ; Astaax表示AMGST計(jì)算結(jié)果矩陣中，IOlHz到700Hz部分，各個(gè)頻率對(duì)應(yīng)平均幅值最大 值； Ehf表示改進(jìn)的高頻能量，計(jì)算公式為：
STh為高頻頻域內(nèi)幅值大于0. 02pu的元素； 4)設(shè)計(jì)決策樹(shù)分類(lèi)器對(duì)樣本進(jìn)行分類(lèi) 針對(duì)所涉及的13種擾動(dòng)設(shè)計(jì)決策樹(shù)進(jìn)行分類(lèi)，其中包括電壓暫降C1、電壓暫升C2、電 壓中斷C3、閃變C4、暫態(tài)振蕩C5、諧波C6、電壓切痕C7、電壓尖峰C8單一擾動(dòng)8種，和諧波 含暫降C9、諧波含暫升CIO、諧波含閃變C11、諧波含振蕩C12、暫降含振蕩C13復(fù)合擾動(dòng)5 種；決策樹(shù)的每個(gè)決策節(jié)點(diǎn)的閾值設(shè)定原則是，無(wú)交叉樣本節(jié)點(diǎn)閾值由無(wú)交叉特征值范圍 的中間值確定；含交叉樣本的節(jié)點(diǎn)閾值提出最小分類(lèi)損失原則進(jìn)行確定，如果最后仍不能 確定確切閾值，則選取可行范圍的中值作為閾值； 最小分類(lèi)損失原則原理如下：定義誤識(shí)別率民，令反=fx1--%，其中p為選定閾值后， 待分類(lèi)樣本被誤識(shí)別的個(gè)數(shù)，M為樣本總數(shù)，分別設(shè)定交叉范圍內(nèi)樣本特征值為分類(lèi)閾值， 并尋找民最小值對(duì)應(yīng)的閾值，即確定具有最小分類(lèi)損失的閾值。
【文檔編號(hào)】G01R31/00GK104459397SQ201410740831
【公開(kāi)日】2015年3月25日 申請(qǐng)日期:2014年12月8日 優(yōu)先權(quán)日:2014年12月8日
【發(fā)明者】黃南天, 蔡國(guó)偉, 張書(shū)鑫, 張衛(wèi)輝 申請(qǐng)人:東北電力大學(xué)