[發明專利]基于CWD譜峭度的暫態電能質量擾動分類識別方法

有效

• 申請號: 201210495025.4
• 申請日: 2012-11-28
• 公開（公告）號: CN103018537A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 劉志剛;朱玲;胡巧琳;張巧革
• 申請（專利權）人: 西南交通大學
• 主分類號: G01R19/02
• 分類號: G01R19/02;G01R23/16
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 張澎

技術領域

本發明涉及電力系統智能監測，尤其是基于高階統計量和信號處理的暫態電能質量分類識別技術領域。?

背景技術

隨著電力系統規模的不斷擴大以及各種電力電子設備、非線性負荷、沖擊性負荷的大量投入，電力系統中的各種擾動事件嚴重地影響了工業產品的質量和日常生活。由于不同類型的電能質量擾動的影響程度不同，因此，對電能質量擾動進行識別非常重要。?

電能質量擾動的識別包含特征提取和分類識別兩個步驟。常用的特征提取方法有短時傅里葉變換、小波變換、S變換、HHT變換等，其中傅里葉變換的測量精度受到頻譜泄漏和柵欄效應的影響，不適合分析非平穩的電能擾動信號；S變換無法精確測量基波頻率波動以及間諧波的特征參數；希爾伯特-黃變換(HHT：Hilbert-Huang?Transform)經驗模態分解不徹底會出現虛假分量和模態混疊的問題；復連續小波變換(CWT：Continuous?Wavelet?Transform)由于其中心頻率相近的小波函數頻域窗口存在重疊，影響了諧波或間諧波分量特征參數的測量，不利于電能質量事件類型的準確判別。常用的分類器有人工神經網絡(ANN：Artificial?Neural?Network)、支持向量機(SVM：Support?Vector?Machine)、專家系統(ES：Expert?System)等。常規ANN的分類器訓練速度較慢，無法提供信號的局部細微情況，其準確性也有待提高；SVM的分類器訓練時間短、識別準確率高，對噪聲不敏感，但此方法在識別混合擾動方面較為困難；ES的分類器在電能質量事件種類增加的情況下容易產生組合爆炸問題。且上述分類器都需要大量數據進行訓練和測試，而實際中的電能質量數據不容易獲得，這就使得算法在實際中很難實現。?

譜峭度的概念最早由Dwyer提出，用來檢測含噪信號中的暫態成分。隨后，V.Vrabie定義譜峭度為一個過程距離高斯性的度量，并將其應用到滾動軸承故障診斷中。J.Antoni系統定義了譜峭度，并提出了基于STFT(Short-Time?Fourier?Transform)的譜峭度，論證了其具有檢測加性噪聲中非平穩信號的能力。N.Sawalhi提出基于小波變換和WVD(Wigner-Ville?Distribution，Wigner-Ville分布)的譜峭度法，并將其應用到機械故障診斷中。?

譜峭度能夠表征信號中的非平穩和非高斯成分，并且能夠自動抑制白噪聲干擾。本發明提出了一種新的譜峭度算法即基于CWD分布(Choi-Williams?Distribution)的譜峭度算法，并將其與有效值相結合應用于暫態電能質量擾動識別中，對仿真信號進行了識別，驗證了該方法的可行性和有效性。?

發明內容

本發明的目的是提供一種基于CWD譜峭度與有效值結合的暫態電能質量分類識別方法。使之對暫升、暫降、中斷、脈沖和振蕩五類暫態擾動提取的特征區別明顯，且有較強的抗噪性能。?

本發明所采用的技術方案是：基于CWD譜峭度與有效值結合的暫態電能質量分類識別方法，在電力系統中對暫態擾動進行識別，其具體做法是：?

A、提取擾動特征信號?

設u(n)為含有擾動信號的輸入電壓信號，n＝1，2，...，N，N為數據長度。將u(n)進行小波變換，提取擾動特征信號u_r(n)。?

B、計算擾動特征信號譜峭度?

首先求出擾動特征信號u_r(n)的Choi-Williams分布為Cu_r(t，f)，再根據Cu_r(t，f)的2n階瞬時譜矩得出2階和4階瞬時譜距，最后根據譜峭度的定義，可求得u_r(n)的譜峭度?

具體做法是：?

B1、擾動特征信號u_r(n)，計算其Choi-Williams分布，結果為Cu_r(t，f)。?