国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于bud譜峭度的暫態(tài)電能質(zhì)量擾動分類識別方法

      文檔序號:6369494閱讀:351來源:國知局
      專利名稱:一種基于bud譜峭度的暫態(tài)電能質(zhì)量擾動分類識別方法
      技術領域
      本發(fā)明涉及電力系統(tǒng)智能監(jiān)測,尤其是基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識別技術領域。
      背景技術
      隨著電力系統(tǒng)規(guī)模的不斷擴大和各種電力電子設備、非線性負荷、沖擊性負荷的大量投入,導致電能質(zhì)量水平與用戶對其要求之間的差距日益加大,嚴重影響工業(yè)產(chǎn)品質(zhì)量和居民日常生活,所帶來的問題已引起了各國電力工作者的高度重視,暫態(tài)電能質(zhì)量也逐漸成為供電部門和廣大用戶所共同關心的問題?,F(xiàn)有裝置對暫態(tài)擾動的監(jiān)測識別存在著十分明顯的局限性,監(jiān)測的指標較少,大多產(chǎn)品只能針對電壓暫降、電壓暫升和電壓中斷這三種擾動進行監(jiān)測識別,對脈沖暫態(tài)、振蕩暫態(tài)的監(jiān)測識別比較缺乏。因此本發(fā)明主要對這兩類暫態(tài)擾動進行識別研究。 特征提取是暫態(tài)擾動識別的首要步驟,其目的是使不同類別的擾動相互能夠得到充分的區(qū)分,有效地減少輸入分類器的向量維數(shù),提高分類速度和準確度。目前,常用的特征提取方法有基于多分辨率得到的信號子頻帶的能量,小波變換系數(shù)的標準差,小波熵,基于S變換得到的各種特征,等等。對于擾動信號的特征提取,目前尚未找到一種特別適合的方法,各種新方法的使用也在不斷探索中。峭度是隨機變量的四階累計量,作為一個全局性指標不能反映特定信號分量的變化情況,因此,為了克服峭度在工程應用中的不足之處,Dwyer首先提出了譜峭度(SpectralKurtosis—SK)方法,并用來檢測信號中的暫態(tài)成分。V. Vrabie定義譜峭度為一個過程偏離高斯分布的程度,并在將其應用到軸承故障診斷中。J. Antoni系統(tǒng)的定義了譜峭度,提出了基于短時傅里葉變換(STFT)的譜峭度方法并且在理論上進行了證明,論證了其具有檢測加性噪聲中非平穩(wěn)、非高斯信號特征的能力。N. Sawalhi提出了基于Morlet小波變換(WT)的譜峭度法,通過構造最優(yōu)Morlet小波濾波器來診斷回轉(zhuǎn)機械故障。石鎖林提出基于WVD (ffigner-Ville Distribution)的譜峭度法,并將其應用到軸承的故障診斷中。譜峭度能夠表征信號中的非平穩(wěn)和非高斯成分,并且能夠自動抑制白噪聲干擾。本發(fā)明提出一種基于巴特沃斯分布(Butterworth Distribution, BUD)的譜峭度計算新方法,并將其用來提取脈沖暫態(tài)和振蕩暫態(tài)兩類擾動的特征。通過仿真分析驗證了本發(fā)明方法的可行性和有效性。

      發(fā)明內(nèi)容
      鑒于現(xiàn)有技術的以上局限,本發(fā)明的目的是提供一種基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識別方法。使之對脈沖和振蕩兩類暫態(tài)擾動提取的特征區(qū)別明顯,且有較強的抗噪性能。本發(fā)明實現(xiàn)其發(fā)明目的所采用的技術方案是一種基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識別方法,在電力系統(tǒng)中對暫態(tài)擾動進行識別,其具體作法是
      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(shù)據(jù)長度。將u(n)進行小波變換,提取擾動特征信號(n)。B、計算擾動特征信號譜峭度首先求出擾動特征信號Ur (n)的Butterworth分布為Cur (t, f),再根據(jù)Cur (t, f)的2n階瞬時譜矩得出2階和4階瞬時譜距,最后根據(jù)譜峭度的定義,可求得(n)的譜峭度K^uc(f)。C、提取擾動特征向量選取譜峭度K^ur(f)的最大值、最小值和均值組成特征向量T。D、PSO優(yōu)化參數(shù)的SVM分類識別將特征向量和特征向量對應的類別輸入PSO優(yōu)化參數(shù)的SVM進行訓練,然后對測試樣本進行分類,得出并向后續(xù)處理設備輸出所求分類結果。采用如上的方法,通過求取兩類暫態(tài)擾動信號的譜峭度,提取各自特征向量,輸入粒子群(Particle Swarm Optimization, PS0)優(yōu)化參數(shù)的支持向量機(Support VectorMachine, SVM),對兩類暫態(tài)擾動信號進行分類,用來提取脈沖暫態(tài)和振蕩暫態(tài)兩類擾動的特征,對脈沖和振蕩兩類暫態(tài)擾動提取的特征區(qū)別明顯,且有較強的抗噪性能。PSO優(yōu)化參數(shù)的SVM具有較強的小樣本學習能力,模型推廣能力強,適合于暫態(tài)擾動信號的識別。本發(fā)明的優(yōu)點還包括I、本發(fā)明所采用的譜峭度方法屬于高階統(tǒng)計方法的范疇,譜峭度是一個四階累積量,理論上能夠完全抑制白噪聲,表征信號中的非平穩(wěn)和非高斯信號,并且能夠確定其在頻帶上的位置。譜峭度方法自身具有良好的性質(zhì)。2、本發(fā)明的所采用的基于BUD的譜峭度計算方法,繼承了 BUD較高的時頻聚焦性和抑制交叉項干擾的能力,且滿足Kernel類時頻分布的大多數(shù)時頻分布性質(zhì),能夠更清晰、更準確地表征信號中包含的非平穩(wěn)和非高斯成分。3、本發(fā)明所提取的擾動特征量使不同類別的擾動相互能夠得到充分的區(qū)分,且受噪聲干擾小,有效地減少輸入分類器的向量維數(shù),提高分類速度和準確度。為便于理解,將本發(fā)明的具體各部再作詳述如下上述A步提取擾動特征信號的具體做法是設u(n)為含有擾動信號的輸入電壓信號,n = 1,2,...,N,N為數(shù)據(jù)長度。將u(n)
      進行小波變換。
      權利要求
      1.一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動分類識別方法,在電力系統(tǒng)中對暫態(tài)擾 動進行識別,其主要步驟是 A、提取擾動特征信號 輸入含有擾動信號的輸入電壓信號u (n),n = 1,2,. . .,N,N為數(shù)據(jù)長度,將u(n)進行小波變換,提取擾動特征信號(n); B、計算擾動特征信號譜峭度 由A獲得的擾動特征信號Ur (n)求算其Butterworth分布Cur (t, f),再根據(jù)Cu1Xt, f)的2n階瞬時譜矩得出2階和4階瞬時譜距,最后根據(jù)譜峭度的定義,求得ujn)的譜峭度Kllr(Z); C、提取擾動特征向量選取譜峭度(.(/)的最大值、最小值和均值組成特征向量T,表示 為T = (Kmax, Kmin, Kavg) (10) 其中Kmax為譜峭度的最大值,Kfflin為譜峭度的均值,Kavg為譜峭度的均值; D、PSO優(yōu)化參數(shù)的SVM分類識別 將特征向量和特征向量對應的類別輸入PSO優(yōu)化參數(shù)的SVM進行訓練,然后對測試樣本進行分類,得出并向后續(xù)處理設備輸出所求分類結果。
      2.如權利要求I所述的一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動分類識別方法,其特征在于所述A步計算擾動特征信號譜峭度的具體作法為 Al、擾動特征信號Ur (n),計算其Butterworth分布,結果為Cu1^t, f),
      全文摘要
      本發(fā)明為一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動分類識別方法。該方法該算法采用BUD譜峭度方法計算暫態(tài)脈沖和暫態(tài)振蕩兩類擾動信號的譜峭度,選取譜峭度的最大值、最小值和均值作為特征量,輸入PSO優(yōu)化參數(shù)的SVM進行訓練測試。通過PSCAD/EMTDC獲得仿真數(shù)據(jù),用該方法進行分析。結果表明,基于BUD譜峭度方法能夠有效提取擾動特征量,且具有良好的抗噪性能;利用SVM分類器在小樣本和疊加有其他擾動時,有效識別兩類擾動,識別率較高。
      文檔編號G06K9/62GK102750543SQ20121017434
      公開日2012年10月24日 申請日期2012年5月31日 優(yōu)先權日2012年5月31日
      發(fā)明者劉志剛, 張巧革, 陳剛 申請人:西南交通大學
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1