[發明專利]采用自適應多分辨率廣義S變換的電能質量擾動識別方法

有效

• 申請號: 201410740831.2
• 申請日: 2014-12-08
• 公開（公告）號: CN104459397A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 黃南天;蔡國偉;張書鑫;張衛輝
• 申請（專利權）人: 東北電力大學
• 主分類號: G01R31/00
• 分類號: G01R31/00
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林

技術領域

本發明是一種采用自適應多分辨率廣義S變換的電能質量擾動識別方法，應用于電能質量暫態擾動自動分類及定位、設備狀態在線監測及評估以及電能質量治理。

背景技術

電能質量暫態擾動自動分類是電能質量分析與控制的重要基礎，對暫態治理、電力電子設備狀態監控、擾動源定位等工作具有重要意義。隨著智能電網將“安全、經濟、電能質量”作為建設核心，電能質量的監控與分析已經逐漸由發電、輸電環節向配電環節擴展，對擾動識別的準確性、實時性提出了更高的要求。研究重點逐漸從單一擾動識別向單一擾動與復合擾動共同識別過渡。

常用的擾動識別方法一般包括信號處理與模式識別2個步驟。傳統的電能質量暫態擾動自動分類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)等作為信號處理手段。但由于時-頻測不準原理，難以將時間分辨率與頻率分辨率兼顧。模式識別方面，常用的方法包括神經網絡(Neural?Networks，NNs)、支持向量機(Support?Vector?Machine，SVM)與決策樹(Decision?Tree，DT)等。相比其他方法，決策樹分類效率高、實現簡單，適用于實時性要求高的現場應用環境。但分類效果依賴于特征的分類能力，且不同噪聲水平下，最優分類閾值變化較大。需要對采用的特征及相關閾值設定進行深入分析。

發明內容

本發明的目的在于克服現有技術的不足，提供一種科學合理，識別準確率高，適應性強，具有較高推廣應用價值的采用自適應多分辨率廣義S變換的電能質量擾動識別方法。

本發明的目的是通過以下技術方案來實現的：一種采用自適應多分辨率廣義S變換的電能質量擾動識別方法，其特征是，它包括以下步驟：

1)電能質量擾動信號采集

利用變電站中的電壓、電流互感器及二次設備對相關擾動信號進行采集和記錄；

2)將擾動信號利用自適應多分辨率廣義S變換，亦稱AMGST進行處理：

AMGST是廣義S變換的擴展，其關鍵在于對廣義S變換高斯窗函數的傅里葉變換結果中窗寬因子的調整，具體設置如下：

在低頻部分，計算公式為：

S[jT,nNT]=Σm=0N-1H[m+nNT]exp(-2π2m2/λLF2n2)exp(i2πmj/N)---(1)]]>

其中：低頻部分為1Hz至100Hz，在此范圍內令低頻窗寬調整因子λ_LF＝2；

在中頻部分，計算公式為：