[發明專利]一種基于時頻域多特征量的電能質量混合擾動分類方法有效
| 申請號: | 201210183241.5 | 申請日: | 2012-06-06 |
| 公開(公告)號: | CN102831433B | 公開(公告)日: | 2016-11-30 |
| 發明(設計)人: | 劉志剛;張楊;張桂南;張巧革 | 申請(專利權)人: | 西南交通大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62 |
| 代理公司: | 成都信博專利代理有限責任公司 51200 | 代理人: | 張澎 |
| 地址: | 610031 四川省成都市*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 時頻域多 特征 電能 質量 混合 擾動 分類 方法 | ||
1.一種基于時頻域多特征量的電能質量混合擾動分類方法,對電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態、振蕩暫態、諧波和閃變電能質量擾動及其組合而成的混合擾動進行分類,具體實現步驟如下:
A、電能質量擾動信號采集
利用電壓、電流互感器對相關電氣量擾動信號進行采集,對于未能采集到的混合擾動信號,針對其特征利用MATLAB軟件進行隨機產生;
B、特征量構造與提取
特征量的構造與提取包含了兩部分,一部分是基礎的信號處理技術,分別是EEMD和MIST方法;另一部分是特征量的構造方法:
a)EEMD
利用了高斯白噪聲具有頻率均勻分布的統計特性:向信號中加入高斯白噪聲,信號將在不同尺度上具有連續性,促進抗混分解,避免EMD方法中由于固有模態函數IMF的不連續性而造成的模態混疊現象,EEMD的分解過程如下:
(1)添加高斯白噪聲到目標信號;
(2)用EMD方法將添加后的目標信號分解為IMF;
(3)重復步驟1)和2),但是每次需添加不同的白噪聲;
(4)將每次分解的IMF做均值后,作為最后的分解結果;
b)MIST
改進不完全S變換,其離散形式的表達式為:
式中,λnd是針對不同的頻率點選擇的窗寬系數;l1~lL為利用功率譜包絡動態測度檢測到的主要頻率點,共L個;nd和實際頻率的換算關系為f=nd/NT,T為采樣周期;
c)特征量構造過程
本發明中構造的9個特征量,可以分為3類:EEMD特征值,只包含A一個特征;功率譜特征值,包含了Nf和S5兩個特征;MIST特征值,包含了基頻類特征3個S1,S2,S3和中高頻特征兩個S6,logo;
(1)EEMD特征值
這類特征值只有一個瞬時幅值特征A,計算公式如下
A=max[amaxf](4)?
式中,amaxf為IMF矩陣最高頻率成分的瞬時幅值序列;
該特征值為輔助特征值,主要是預先判斷信號中是否可能存在脈沖擾動;
(2)功率譜特征值
這類特征值是通過計算擾動信號的功率譜或功率譜包絡,求取其極大值動態測度,提取主要頻率點獲得的,主要作用為輔助判斷,包括:
對稱判據S5
首先求取信號功率譜的動態測度,獲得大于設定閾值的主要頻率點,如果滿足式(5)則S5的值為1;不滿足則為0;
||fdown-fN|-|fup-fN||≤5(5)
式中,fN、fdown、fup分別代表基波頻率、小于基波的頻率點、大于基波的頻率點;該特征量,主要是在基波上沒有幅值類擾動的情況下,反應信號中是否存在電壓波動;
主要頻率點數Nf
求取信號功率譜包絡的動態測度,提取主要頻率點,統計主要頻率點的個數,記為Nf,該特征值主要是初步判斷信號中是否存在諧波、振蕩暫態兩種多頻率成分的擾動;
(3)MIST特征值
這類特征值是對信號MIST后獲得的時間-幅值向量進行分析和運算后獲得的,可以有效反映擾動信號的時域和頻域特點,包括:
基頻成分特征值:S1,S2,S3,S4
MIST變換后,獲得基頻成分的時間-幅值向量An0[m],分別按照式(6)~(9)計算相應的特征值,
均值:
標準差:
偏差值:
S3=2×max{max(An0[m])-0.5,0.5-min(An0[m])}(8)
幅值波動:?
式中,dmax、dmin分別代表An0[m]的極大值和極小值序列,nmax、nmin則表示兩個序列?的長度,該特征值,在信號中不存在脈沖擾動的情況下,有效的反應信號中是否存在電壓波動;
中、高頻成分特征值S6,logo
S6是一個3×n的行列式,表示中、高成分的特征;它主要的包括了三個方面的特征:頻率fd、標準差F1、歸一化最大值與最小值之差F2,所述三個方面的特征具體的計算方式如下
頻率fd:
fd=nd/NT????(10)
其中nd對應奇數次倍的諧波頻率和大于500Hz的所有頻率點;
標準差F1:
最大值與最小值之差(歸一化)F2:
其中,?為歸一化后的時間-幅值向量;
logo只是一個標識特征量,用來標識S6特征量是否有意義,故其值只有0或1其值只有0或1;
C、基于模糊推理的分類方法
利用各個特征量的特點及相關性設計的模糊推理機制,通過合理化的閾值和分塊式的識別程序組成本發明的分類識別系統,分類的過程如下:
1)輸入B步驟提取的特征量序列;
2)將特征量序列分別送入基波幅值擾動判斷,諧波、振蕩判斷,脈沖暫態判斷三個子程序;
3)首先進行基波幅值擾動判斷,輸出結果作為電壓波動擾動判斷部分及諧波、振蕩部分的啟動條件;
a)輸出結果中C5=0、C6=0說明無穩態加性擾動,因而諧波、振蕩子程序不需要啟動;?
b)若輸出結果中C5、C6不同時為0說明諧波、振蕩子程序正常運行,輸出結果可作為脈沖暫態判斷部分的判斷條件,隨后脈沖暫態判斷部分輸出的結果再作為電壓波動判斷部分的啟動條件;
發明中對子程序啟動優先級的設定,可有效解決各擾動之間的干擾;
4)給出輸出結果,由于輸出結果是彼此獨立的,對輸出結果進行相應組合,從而得到擾動的最終類型;
5)將擾動的最終類型輸出至后續處理設備。?
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西南交通大學,未經西南交通大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201210183241.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種制備魯拉西酮的方法
- 下一篇:一種評價標記物水平的方法





