一种基于时频域多特征量的电能质量混合扰动分类方法技术

本发明专利技术公开了一种基于时频域多特征量的电能质量混合扰动分类方法。对电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变电能质量扰动及其组合而成的混合扰动进行分类，具体实现步骤首先利用利用聚类经验模型分解方法(Ensemble?Empirical?Mode?Decomposition，EEMD)和改进不完全S变换(modified?incomplete?S-transform，MIST)对扰动信号进行处理，并提取了9个时频域特征值；然后，将特征量输入到分块化的自动分类系统中，进行扰动识别。该方法充分考虑单一扰动之间的相互干扰，并通过互补的时频域特征量进行了有效的抑制。仿真结果表明，在一定的噪声条件下，该方法可有效分类电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变等电能质量扰动及其组合而成的混合扰动。

【技术实现步骤摘要】
一种基于时频域多特征量的电能质量混合扰动分类方法
本专利技术涉及一种基于时频域多特征量的电能质量混合扰动分类新方法。
技术介绍
近些年，电能质量问题受到了社会各界的广泛关注。深入研究影响电能质量的各种因素，准确提取电能质量扰动信号特征，实现电能质量扰动的正确分类是进行电能质量分析与评估的前提和基础。迄今为止，国内外已经有大量的学者研究了电能质量分类问题，取得了一定的成果。但是实际电力系统中，电能质量扰动往往是混合扰动，多种扰动可能同时存在。现有的电能质量扰动分类方法多是针对单一扰动的分类，难以解决混合扰动的分类问题，针对混合扰动分类问题的研究仍处于起步阶段。周雒维，管春等人在文献[多标签分类法在电能质量复合扰动分类中的应用.中国电机工程学报，2011，31(4)：45-50.]中指出电能质量混合扰动分类属于多标签分类的范畴，并系统归纳了解决多标签分类问题的方法：直接多类别分类法(directmulti-classapproach)、两类分类法(binaryapproach)以及排位分类法(rankingapproach)。在电能质量混合扰动分类研究中，直接多类别分类法是目前已有研究中的主流方法，这类方法主要采用特征提取加分类器的方式，研究重点在于如何提取扰动特征，大量学者尝试了诸如小波变换、SS-transform,ST)变换、希尔伯特黄变换(Hilbert-HuangTransform，HHT)等多种手段，获得了较好的效果。第一类方法主要的问题在于扰动情况增多时，标签数量也随着增大，影响分类效果。两类分类方法则是利用多个二分类器实现多标签分类，最后由多个标签的组合来表征分类结果，主要问题在于完全割裂了各种扰动之间的相互影响。文献[LinWM，WuCH，LinCH，etal.Detectionandclassificationofmultiplepower-qualitydisturbanceswithwaveletmulticlassSVM.IEEETrans.onPowerDelivery，2008，23(4)：2575-2582.]用这种方法实现了对混合扰动的分类，却仅局限于少数几种扰动，难以推广。采用第三种方法解决多标签分类问题，可以有效避免标签数量过大和关联性两方面问题，但国内外的研究都较少。文献[多标签分类法在电能质量复合扰动分类中的应用.中国电机工程学报，2011，31(4)：45-50.]提出了一种k–近邻贝叶斯多标签分类法，并且给出了适合于评价多标签分类方法的5个评价指标；管春等人在文献[基于多标签RBF神经网络的电能质量复合扰动分类方法[J].电工技术学报，2011，26(8)：198-204.]又提出了一种多标签径向基函数法用于混合扰动分类，对排位分类法做了进一步的尝试，更为解决电能质量混合扰动分类问题提供了新的思路。考虑到电能质量混合扰动存在着信号特征十分复杂，多种单一扰动之间存在相互影响等特点。为了更加有效的解决实际电网中的电能质量问题，寻求有效的混合扰动分类方法已经迫在眉睫。总结以往的研究成果可以发现，面对混合电能质量扰动问题单一的方法都存在不足和缺陷，需要利用各种不同的处理手段实现信号特征量的有效互补，进而达到准确识别扰动的目的。
技术实现思路
本专利技术的目的提出一种基于时频域多特征量的电能质量混合扰动分类新方法。该方法以EEMD和MIST为数据处理手段，构造了9种适合于电能质量混合扰动的时频域特征量，进而利用基于模糊推理的分类方法实现了混合扰动识别。该专利技术的特点在于能够有效全面的利用信号时频域特征，并且在理清了各个特征量的相互关系后，建立了相对完善的模糊推理机制，采用分块式的分类程序加以实现，不但提高了分类的精度，还有效的克服了特征量的相互干扰和实效等缺陷。本专利技术涉及的电能质量扰动包括电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变等单一电能质量扰动及其组合而成的混合扰动。本专利技术是通过如下的技术手段实现的：A、电能质量扰动信号采集利用电压、电流互感器对相关电气量扰动信号进行采集，对于未能采集到的混合扰动信号，针对其特征利用MATLAB软件进行随机产生；B、特征量构造与提取特征量的构造与提取包含了两部分，一部分是基础的信号处理技术，分别是EEMD和MIST方法；另一部分是特征量的构造方法：a)EEMD利用了高斯白噪声具有频率均匀分布的统计特性：向信号中加入高斯白噪声，信号将在不同尺度上具有连续性，促进抗混分解，避免EMD方法中由于固有模态函数(intrinsicmodefunction,IMF)的不连续性而造成的模态混叠现象,EEMD的分解过程如下：(1)添加高斯白噪声到目标信号；(2)用EMD方法将添加后的目标信号分解为IMF；(3)重复步骤1)和2)，但是每次需添加不同的白噪声；(4)将每次分解的IMF做均值后，作为最后的分解结果；b)MIST改进不完全S变换,其离散形式的表达式为：式中，λnd是针对不同的频率点选择的窗宽系数；l1～lL为利用功率谱包络动态测度检测到的主要频率点，共L个；nd和实际频率的换算关系为f＝nd/NT，T为采样周期；详细的计算过程见附图2。c)特征量构造过程本专利技术中构造的9个特征量，可以分为3类：EEMD特征值，只包含A一个特征；功率谱特征值，包含了Nf和S5两个特征；MIST特征值，包含了基频类特征3个S1,S2,S3和中高频特征两个S6,logo；(1)EEMD特征值EEMD方法是EMD方法的改进，其有效避免了模态混叠，非常适用于提取信号中高频暂态特征。本专利技术中，这类特征值只有一个瞬时幅值特征A，计算公式如下A＝max[amaxf](4)式中，amaxf为IMF矩阵最高频率成分的瞬时幅值序列；该特征值为辅助特征值，主要是预先判断信号中是否可能存在脉冲扰动；(2)功率谱特征值这类特征值是通过计算扰动信号的功率谱或功率谱包络，求取其极大值动态测度，提取主要频率点获得的，主要作用为辅助判断,只包含了信号的频谱特点，包括：对称判据S5首先求取信号功率谱的动态测度，获得大于设定阈值的主要频率点，如果满足式(5)则S5的值为1；不满足则为0；||fdown-fN|-|fup-fN||≤5(5)式中，fN、fdown、fup分别代表基波频率、小于基波的频率点、大于基波的频率点；该特征量，主要是在基波上没有幅值类扰动的情况下，反应信号中是否存在电压波动；主要频率点数Nf求取信号功率谱包络的动态测度，提取主要频率点，统计主要频率点的个数，记为Nf，该特征值主要是初步判断信号中是否存在谐波、振荡暂态两种多频率成分的扰动；(3)MIST特征值这类特征值是对信号MIST后获得的时间-幅值向量进行分析和运算后获得的，可以有效反映扰动信号的时域和频域特点,包括：基频成分特征值(S1,S2,S3,S4)MIST变换后，获得基频成分的时间-幅值向量An0[m]，分别按照式(6)～(9)计算相应的特征值，均值：标准差：偏差值：S3＝2×max{max(An0[m])-0.5,0.5-min(An0[m])}(8)以上三个特征量分别从信号的三个方面反应了基频信号的特点，能够有效的区分暂降、暂升、短时中断三种扰动，且稳定性较好，不易受到其他扰动的干扰。幅本文档来自技高网...

【技术保护点】
一种基于时频域多特征量的电能质量混合扰动分类方法，对电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变电能质量扰动及其组合而成的混合扰动进行分类，具体实现步骤如下：A、电能质量扰动信号采集利用电压、电流互感器对相关电气量扰动信号进行采集，对于未能采集到的混合扰动信号，针对其特征利用MATLAB软件进行随机产生；B、特征量构造与提取特征量的构造与提取包含了两部分，一部分是基础的信号处理技术，分别是EEMD和MIST方法；另一部分是特征量的构造方法：a)EEMD利用了高斯白噪声具有频率均匀分布的统计特性：向信号中加入高斯白噪声，信号将在不同尺度上具有连续性，促进抗混分解，避免EMD方法中由于固有模态函数IMF的不连续性而造成的模态混叠现象，EEMD的分解过程如下：(1)添加高斯白噪声到目标信号；(2)用EMD方法将添加后的目标信号分解为IMF；(3)重复步骤1)和2)，但是每次需添加不同的白噪声；(4)将每次分解的IMF做均值后，作为最后的分解结果；b)MIST改进不完全S变换，其离散形式的表达式为：式中，λnd是针对不同的频率点选择的窗宽系数；l1～lL为利用功率谱包络动态测度检测到的主要频率点，共L个；nd和实际频率的换算关系为f＝nd/NT，T为采样周期；c)特征量构造过程本专利技术中构造的9个特征量，可以分为3类：EEMD特征值，只包含A一个特征；功率谱特征值，包含了Nf和S5两个特征；MIST特征值，包含了基频类特征3个S1，S2，S3和中高频特征两个S6，logo；(1)EEMD特征值这类特征值只有一个瞬时幅值特征A，计算公式如下A＝max[amaxf](4)？式中，amaxf为IMF矩阵最高频率成分的瞬时幅值序列；该特征值为辅助特征值，主要是预先判断信号中是否可能存在脉冲扰动；(2)功率谱特征值这类特征值是通过计算扰动信号的功率谱或功率谱包络，求取其极大值动态测度，提取主要频率点获得的，主要作用为辅助判断，包括：对称判据S5首先求取信号功率谱的动态测度，获得大于设定阈值的主要频率点，如果满足式(5)则S5的值为1；不满足则为0；||fdown？fN|？|fup？fN||≤5(5)式中，fN、fdown、fup分别代表基波频率、小于基波的频率点、大于基波的频率点；该特征量，主要是在基波上没有幅值类扰动的情况下，反应信号中是否存在电压波动；主要频率点数Nf求取信号功率谱包络的动态测度，提取主要频率点，统计主要频率点的个数，记为Nf，该特征值主要是初步判断信号中是否存在谐波、振荡暂态两种多频率成分的扰动；(3)MIST特征值这类特征值是对信号MIST后获得的时间？幅值向量进行分析和运算后获得的，可以有效反映扰动信号的时域和频域特点，包括：基频成分特征值：S1，S2，S3，S4MIST变换后，获得基频成分的时间？幅值向量An0[m]，分别按照式(6)～(9)计算相应的特征值，均值：标准差：偏差值：S3＝2×max{max(An0[m])？0.5，0.5？min(An0[m])}(8)幅值波动：？式中，dmax、dmin分别代表An0[m]的极大值和极小值序列，nmax、nmin则表示两个序列？的长度，该特征值，在信号中不存在脉冲扰动的情况下，有效的反应信号中是否存在电压波动；中、高频成分特征值S6，logoS6是一个3×n的行列式，表示中、高成分的特征；它主要的包括了三个方面的特征：频率fd、标准差F1、归一化最大值与最小值之差F2，所述三个方面的特征具体的计算方式如下频率fd：fd＝nd/NT？？？？(10)其中nd对应奇数次倍的谐波频率和大于500Hz的所有频率点；标准差F1：最大值与最小值之差(归一化)F2：其中，？为归一化后的时间？幅值向量；logo只是一个标识特征量，用来标识S6特征量是否有意义，故其值只有0或1其值只有0或1；C、基于模糊推理的分类方法利用各个特征量的特点及相关性设计的模糊推理机制，通过合理化的阈值和分块式的识别程序组成本专利技术的分类识别系统，分类的过程如下：1)输入B步骤提取的特征量序列；2)将特征量序列分别送入基波幅值扰动判断，谐波、振荡判断，脉冲暂态判断三个子程序；3)首先进行基波幅值扰动判断，输出结果作为电压波动扰动判断部分及谐波、振荡部分的启动条件；a)输出结果中C5＝0、C6＝0说明无稳态加性扰动，因而谐波、振荡子程序不需要启动；？b)若输出结果中C5、C6不同时为0说明谐波、振荡子程序正常运行，输出结果可作为脉冲暂态判断部分的判断条件，随后脉冲暂态判断部分输出的结果再作为电压波动...

【技术特征摘要】
1.一种基于时频域多特征量的电能质量混合扰动分类方法，对电压暂降、电压暂升、电压短时中断、脉冲暂态、振荡暂态、谐波和闪变电能质量扰动及其组合而成的混合扰动进行分类，具体实现步骤如下：A、电能质量扰动信号采集利用电压、电流互感器对相关电气量扰动信号进行采集，对于未能采集到的混合扰动信号，针对其特征利用MATLAB软件进行随机产生；B、特征量构造与提取特征量的构造与提取包含了两部分，一部分是基础的信号处理技术，分别是EEMD和MIST方法；另一部分是特征量的构造方法:a)EEMD利用了高斯白噪声具有频率均匀分布的统计特性：向信号中加入高斯白噪声，信号将在不同尺度上具有连续性，促进抗混分解，避免EMD方法中由于固有模态函数IMF的不连续性而造成的模态混叠现象,EEMD的分解过程如下：(1)添加高斯白噪声到目标信号；(2)用EMD方法将添加后的目标信号分解为IMF；(3)重复步骤1)和2)，但是每次需添加不同的白噪声；(4)将每次分解的IMF做均值后，作为最后的分解结果；b)MIST改进不完全S变换,其离散形式的表达式为：式中，是针对不同的频率点选择的窗宽系数；n＝l1～lL，l1～lL为利用功率谱包络动态测度检测到的主要频率点，共L个；nd和实际频率的换算关系为f＝nd/NT，T为采样周期；c)特征量构造过程构造的9个特征量，可以分为3类：EEMD特征量，只包含A一个特征；功率谱特征量，包含了Nf和S5两个特征；MIST特征量，包含了基频类特征四个S1,S2,S3,S4和中高频特征两个S6,logo；(1)EEMD特征量这类特征量只有一个瞬时幅值特征A，计算公式如下A＝max[amaxf](4)式中，amaxf为IMF矩阵最高频率成分的瞬时幅值序列；该特征量为辅助特征量，表征预先判断信号中是否可能存在脉冲扰动；(2)功率谱特征量这类特征量是通过计算扰动信号的功率谱或功率谱包络，求取其极大值动态测度，提取主要频率点获得的，作用为辅助判断,包括：对称判据S5首先求取信号功率谱的动态测度，获得大于设定阈值的主要频率点，如果满足式(5)则S5的值为1；不满足则为0；||fdown-fN|-|fup-fN||≤5(5)式中，fN、fdown、fup分别代表基波频率、小于基波的频率点、大于基波的频率点；该特征量表征在基波上没有幅值类扰动的情况下，反...

【专利技术属性】
技术研发人员：刘志刚，张杨，张桂南，张巧革，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：