[發明專利]一種采用二維形態學降噪的電能質量復合擾動識別方法

在審

• 申請號: 201410740863.2
• 申請日: 2014-12-08
• 公開（公告）號: CN104459398A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 黃南天;蔡國偉;張衛輝;張書鑫
• 申請（專利權）人: 東北電力大學
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06T7/00;G06K9/62
• 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

本發明是一種采用二維形態學降噪的電能質量復合擾動識別方法，應用于高噪工業環境下的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

隨著近年來電力電子設備的廣泛應用與分布式電源的大量接入，電能質量問題的影響日益突出。電能質量暫態擾動的精確識別是電能質量擾動治理與電能質量分析的前提與基礎，近年來國內外研究者針對擾動識別做出大量工作，取得了良好的識別效果。但是，現有擾動識別方法的準確率易受噪聲干擾，部分分類器過于復雜，實時性低，不能滿足實際工業環境需求。在高噪聲環境下，對持續時間較短的擾動信號(特別是暫態振蕩信號)識別準確率下降明顯。此外，由于分布式可再生能源大量接入，高次諧波(40次以下)作為光伏、風電等分布式電源接入的重要電能質量指標，也列入需要監控分析的范疇。由此，導致諧波含振蕩類型復合擾動中振蕩成分與諧波成分在不同頻域均存在交叉。因此，不能簡單的通過不同頻域特征，將諧波含振蕩復合擾動簡單視為不同頻域內的單一擾動識別。需要對諧波含振蕩類型的復合擾動的精確識別進一步深入研究。

現有的一種方法，S變換(S-transform，ST)及其改進形式被廣泛應用于擾動信號特征提取，并取得了較好的效果。ST通過采用高斯窗函數，在不同頻率范圍內獲得不同的時-頻分辨率，滿足提取不同時-頻特征的需要。但是ST運算的時間復雜度與空間復雜度很高，如果處理高采樣率擾動信號時，效率較低；現有的另一種快速S變換(Fast?S-transform，FST)方法，通過選取主要頻率點或擾動頻率點，并且只針對選定頻率進行傅里葉快速逆變換(inverse?fast?Fourier?transform，IFFT)，以降低運算量與空間復雜度。但是，針對高噪環境下的擾動信號主要頻率點選擇欠佳，同時，由于暫態振蕩的頻域分布于廣泛的高頻范圍，且持續時間短，擾動能量小，在高噪聲環境下，難以通過對信號FFT譜分析得到其頻域分布，因此，現有FST方法尚不能完全滿足擾動信號的識別需要；現有的又一種廣義S變換(Generalized?S-Transform，GST)方法，在處理不同類型的擾動信號識別過程中，通過改變窗寬調整因子，可以得到更具針對性的時-頻分辨率，進一步提升S變換的特征表現能力，但GST需要根據原始信號的快速傅里葉變換(Fast?Fourier?Transform，FFT)的譜特征進行初步分析，確定窗寬調整因子，因此，一定程度上增加了分類算法的復雜度。同時，由于電力系統中存在大量更加復雜的復合擾動，如諧波含暫降等。復合擾動中存在的不同成分識別所需的時-頻分辨率往往存在一定矛盾。如諧波含暫降類型復合擾動中的諧波成分分析需要更高的頻率分辨率，而暫降成分分析則需要更高的時間分辨率，因此，GST尚不能滿足復合擾動的識別要求。

在暫態擾動分類器設計領域，神經網絡、支持向量機、模糊專家系統、決策樹等方法都已經應用于擾動信號識別。從分類效率、實現難易程度等直接影響分類系統實際工業應用的角度比較，決策樹方法具有較明顯優勢，其結構簡單，分類效率高，不需訓練。但決策樹的分類效果取決于特征的選擇與分類閾值的確定。由于噪聲干擾，不同噪聲水平下的決策樹各節點最優分類閾值不同，很難設計滿足不同噪聲水平的決策樹分類系統。同類研究成果一般只能應用于信噪比較高的環境下。因此，降低噪聲干擾是提高決策樹方法可應用性的重要前提。

發明內容

本發明的目的是，對現有技術進行實質性改進和創新，提供一種科學合理，簡便易行，無需訓練，實時性好，滿足現場應用要求，具有抗噪聲能力強，識別準確率高的采用二維形態學降噪的電能質量復合擾動識別方法。

本發明的目的是通過以下技術方案來實現：一種采用二維形態學降噪的電能質量復合擾動識別方法，其特征是，它包括以下步驟：

1)電能質量擾動信號采集

利用變電站中的故障錄波器及二次設備對相關擾動信號進行采集和記錄，鑒于實測信號不能完全覆蓋全部電能質量現象類型與參數范圍，查閱國家標準《GB/T?12325-2008電能質量供電電壓偏差》、《GB/T?15543-2008電能質量三相電壓不平衡度》、《GB/T?12326-2008電能質量電壓波動和閃變》、《GB/T?14549-1993電能質量公用電網諧波》，通過MATLAB?7.0軟件數學模型仿真生成不同信噪比環境下覆蓋所有參數范圍的完整的樣本用于訓練與測試分類與畸變監測方法的有效性；

2)對擾動信號開展多分辨率快速S變換