[發(fā)明專利]一種基于時(shí)頻域多特征量的電能質(zhì)量混合擾動(dòng)分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210183241.5
• 申請(qǐng)日: 2012-06-06
• 公開（公告）號(hào): CN102831433B
• 公開（公告）日: 2016-11-30
• 發(fā)明（設(shè)計(jì)）人: 劉志剛;張楊;張桂南;張巧革
• 申請(qǐng)（專利權(quán)）人: 西南交通大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 張澎

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于時(shí)頻域多特征量的電能質(zhì)量混合擾動(dòng)分類新方法，。?

背景技術(shù)

近些年，電能質(zhì)量問(wèn)題受到了社會(huì)各界的廣泛關(guān)注。深入研究影響電能質(zhì)量的各種因素，準(zhǔn)確提取電能質(zhì)量擾動(dòng)信號(hào)特征，實(shí)現(xiàn)電能質(zhì)量擾動(dòng)的正確分類是進(jìn)行電能質(zhì)量分析與評(píng)估的前提和基礎(chǔ)。?

迄今為止，國(guó)內(nèi)外已經(jīng)有大量的學(xué)者研究了電能質(zhì)量分類問(wèn)題，取得了一定的成果。但是實(shí)際電力系統(tǒng)中，電能質(zhì)量擾動(dòng)往往是混合擾動(dòng)，多種擾動(dòng)可能同時(shí)存在。現(xiàn)有的電能質(zhì)量擾動(dòng)分類方法多是針對(duì)單一擾動(dòng)的分類，難以解決混合擾動(dòng)的分類問(wèn)題，針對(duì)混合擾動(dòng)分類問(wèn)題的研究仍處于起步階段。周雒維，管春等人在文獻(xiàn)[多標(biāo)簽分類法在電能質(zhì)量復(fù)合擾動(dòng)分類中的應(yīng)用.中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(4)：45-50.]中指出電能質(zhì)量混合擾動(dòng)分類屬于多標(biāo)簽分類的范疇，并系統(tǒng)歸納了解決多標(biāo)簽分類問(wèn)題的方法：直接多類別分類法(direct?multi-class?approach)、兩類分類法(binary?approach)以及排位分類法(ranking?approach)。?

在電能質(zhì)量混合擾動(dòng)分類研究中，直接多類別分類法是目前已有研究中的主流方法，這類方法主要采用特征提取加分類器的方式，研究重點(diǎn)在于如何提取擾動(dòng)特征，大量學(xué)者嘗試了諸如小波變換、S?S-transform，ST)變換、希爾伯特黃變換(Hilbert-Huang?Transform，HHT)等多種手段，獲得了較好的效果。第一類方法主要的問(wèn)題在于擾動(dòng)情況增多時(shí)，標(biāo)簽數(shù)量也隨著增大，影響分類效果。兩類分類方法則是利用多個(gè)二分類器實(shí)現(xiàn)多標(biāo)簽分類，最后由多個(gè)標(biāo)簽的組合來(lái)表征分類結(jié)果，主要問(wèn)題在于完全割裂了各種擾動(dòng)之間的相互影響。文獻(xiàn)[Lin?W?M，Wu?C?H，Lin?C?H，et?al.Detection?and?classification?of?multiple?power-quality?disturbances?with?wavelet?multiclass?SVM.IEEE?Trans.on?Power?Delivery，2008，23(4)：2575-2582.]用這種方法實(shí)現(xiàn)了對(duì)混合擾動(dòng)的分類，卻僅局限于少數(shù)幾種擾動(dòng)，難以推廣。采用第三種方法解決多標(biāo)簽分類問(wèn)題，可以有效避免標(biāo)簽數(shù)量過(guò)大和關(guān)聯(lián)性兩方面問(wèn)題，但國(guó)內(nèi)外的研究都較少。文獻(xiàn)[多標(biāo)簽分類法在電能質(zhì)量復(fù)合擾動(dòng)分類中的應(yīng)用.中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(4)：45-50.]提出了一種k-近鄰貝葉斯多標(biāo)簽分類法，并且給出了適合于評(píng)價(jià)多標(biāo)簽分類方法的5個(gè)評(píng)價(jià)指標(biāo)；管春等人在文獻(xiàn)[基于多標(biāo)簽RBF神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量復(fù)合擾動(dòng)分類方法[J].電工技術(shù)學(xué)報(bào)，2011，26(8)：198-204.]又提出了一種?多標(biāo)簽徑向基函數(shù)法用于混合擾動(dòng)分類，對(duì)排位分類法做了進(jìn)一步的嘗試，更為解決電能質(zhì)量混合擾動(dòng)分類問(wèn)題提供了新的思路。?

考慮到電能質(zhì)量混合擾動(dòng)存在著信號(hào)特征十分復(fù)雜，多種單一擾動(dòng)之間存在相互影響等特點(diǎn)。為了更加有效的解決實(shí)際電網(wǎng)中的電能質(zhì)量問(wèn)題，尋求有效的混合擾動(dòng)分類方法已經(jīng)迫在眉睫。總結(jié)以往的研究成果可以發(fā)現(xiàn)，面對(duì)混合電能質(zhì)量擾動(dòng)問(wèn)題單一的方法都存在不足和缺陷，需要利用各種不同的處理手段實(shí)現(xiàn)信號(hào)特征量的有效互補(bǔ)，進(jìn)而達(dá)到準(zhǔn)確識(shí)別擾動(dòng)的目的。?

發(fā)明內(nèi)容

本發(fā)明的目的提出一種基于時(shí)頻域多特征量的電能質(zhì)量混合擾動(dòng)分類新方法。該方法以EEMD和MIST為數(shù)據(jù)處理手段，構(gòu)造了9種適合于電能質(zhì)量混合擾動(dòng)的時(shí)頻域特征量，進(jìn)而利用基于模糊推理的分類方法實(shí)現(xiàn)了混合擾動(dòng)識(shí)別。該發(fā)明的特點(diǎn)在于能夠有效全面的利用信號(hào)時(shí)頻域特征，并且在理清了各個(gè)特征量的相互關(guān)系后，建立了相對(duì)完善的模糊推理機(jī)制，采用分塊式的分類程序加以實(shí)現(xiàn)，不但提高了分類的精度，還有效的克服了特征量的相互干擾和實(shí)效等缺陷。本發(fā)明涉及的電能質(zhì)量擾動(dòng)包括電壓暫降、電壓暫升、電壓短時(shí)中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變等單一電能質(zhì)量擾動(dòng)及其組合而成的混合擾動(dòng)。本發(fā)明是通過(guò)如下的技術(shù)手段實(shí)現(xiàn)的：?

A、電能質(zhì)量擾動(dòng)信號(hào)采集?

利用電壓、電流互感器對(duì)相關(guān)電氣量擾動(dòng)信號(hào)進(jìn)行采集，對(duì)于未能采集到的混合擾動(dòng)信號(hào)，針對(duì)其特征利用MATLAB軟件進(jìn)行隨機(jī)產(chǎn)生；?

B、特征量構(gòu)造與提取?

特征量的構(gòu)造與提取包含了兩部分，一部分是基礎(chǔ)的信號(hào)處理技術(shù)，分別是EEMD和MIST方法；另一部分是特征量的構(gòu)造方法：?

a)EEMD?