專利名稱：一種基于時頻域多特征量的電能質(zhì)量混合擾動分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于時頻域多特征量的電能質(zhì)量混合擾動分類新方法，。
背景技術(shù)：
近些年，電能質(zhì)量問題受到了社會各界的廣泛關(guān)注。深入研究影響電能質(zhì)量的各種因素，準(zhǔn)確提取電能質(zhì)量擾動信號特征，實(shí)現(xiàn)電能質(zhì)量擾動的正確分類是進(jìn)行電能質(zhì)量分析與評估的前提和基礎(chǔ)。迄今為止，國內(nèi)外已經(jīng)有大量的學(xué)者研究了電能質(zhì)量分類問題，取得了一定的成果。但是實(shí)際電力系統(tǒng)中，電能質(zhì)量擾動往往是混合擾動，多種擾動可能同時存在?，F(xiàn)有的電能質(zhì)量擾動分類方法多是針對單一擾動的分類，難以解決混合擾動的分類問題，針對混 合擾動分類問題的研究仍處于起步階段。周雒維，管春等人在文獻(xiàn)[多標(biāo)簽分類法在電能質(zhì)量復(fù)合擾動分類中的應(yīng)用.中國電機(jī)工程學(xué)報(bào)，2011,31(4) :45-50.]中指出電能質(zhì)量混合擾動分類屬于多標(biāo)簽分類的范疇，并系統(tǒng)歸納了解決多標(biāo)簽分類問題的方法直接多類別分類法(direct multi-class approach)、兩類分類法(binary approach)以及排位分類法(ranking approach)。在電能質(zhì)量混合擾動分類研究中，直接多類別分類法是目前已有研究中的主流方法，這類方法主要采用特征提取加分類器的方式，研究重點(diǎn)在于如何提取擾動特征，大量學(xué)者嘗試了諸如小波變換、S S-transform, ST)變換、希爾伯特黃變換(Hilbert-HuangTransform, HHT)等多種手段，獲得了較好的效果。第一類方法主要的問題在于擾動情況增多時，標(biāo)簽數(shù)量也隨著增大，影響分類效果。兩類分類方法則是利用多個二分類器實(shí)現(xiàn)多標(biāo)簽分類，最后由多個標(biāo)簽的組合來表征分類結(jié)果，主要問題在于完全割裂了各種擾動之間的相互影響。文獻(xiàn)[Lin W M, Wu C H, Lin C H, et al. Detection and classificationof multiple power-quality disturbances with wavelet multiclass SVM. IEEE Trans,on Power Delivery, 2008, 23 (4) :2575-2582.]用這種方法實(shí)現(xiàn)了對混合擾動的分類，卻僅局限于少數(shù)幾種擾動，難以推廣。采用第三種方法解決多標(biāo)簽分類問題，可以有效避免標(biāo)簽數(shù)量過大和關(guān)聯(lián)性兩方面問題，但國內(nèi)外的研究都較少。文獻(xiàn)[多標(biāo)簽分類法在電能質(zhì)量復(fù)合擾動分類中的應(yīng)用.中國電機(jī)工程學(xué)報(bào)，2011，31 (4) :45-50.]提出了一種k-近鄰貝葉斯多標(biāo)簽分類法，并且給出了適合于評價多標(biāo)簽分類方法的5個評價指標(biāo)；管春等人在文獻(xiàn)[基于多標(biāo)簽RBF神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量復(fù)合擾動分類方法[J].電工技術(shù)學(xué)報(bào)，2011，26(8) :198-204.]又提出了一種多標(biāo)簽徑向基函數(shù)法用于混合擾動分類，對排位分類法做了進(jìn)一步的嘗試，更為解決電能質(zhì)量混合擾動分類問題提供了新的思路?？紤]到電能質(zhì)量混合擾動存在著信號特征十分復(fù)雜，多種單一擾動之間存在相互影響等特點(diǎn)。為了更加有效的解決實(shí)際電網(wǎng)中的電能質(zhì)量問題，尋求有效的混合擾動分類方法已經(jīng)迫在眉睫?？偨Y(jié)以往的研究成果可以發(fā)現(xiàn)，面對混合電能質(zhì)量擾動問題單一的方法都存在不足和缺陷，需要利用各種不同的處理手段實(shí)現(xiàn)信號特征量的有效互補(bǔ)，進(jìn)而達(dá)到準(zhǔn)確識別擾動的目的。

發(fā)明內(nèi)容
本發(fā)明的目的提出一種基于時頻域多特征量的電能質(zhì)量混合擾動分類新方法。該方法以EEMD和MIST為數(shù)據(jù)處理手段，構(gòu)造了 9種適合于電能質(zhì)量混合擾動的時頻域特征量，進(jìn)而利用基于模糊推理的分類方法實(shí)現(xiàn)了混合擾動識別。該發(fā)明的特點(diǎn)在于能夠有效全面的利用信號時頻域特征，并且在理清了各個特征量的相互關(guān)系后，建立了相對完善的模糊推理機(jī)制，采用分塊式的分類程序加以實(shí)現(xiàn)，不但提高了分類的精度，還有效的克服了特征量的相互干擾和實(shí)效等缺陷。本發(fā)明涉及的電能質(zhì)量擾動包括電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變等單一電能質(zhì)量擾動及其組合而成的混合擾動。本發(fā)明是通過如下的技術(shù)手段實(shí)現(xiàn)的A、電能質(zhì)量擾動信號采集利用電壓、電流互感器對相關(guān)電氣量擾動信號進(jìn)行采集，對于未能采集到的混合擾動信號，針對其特征利用MATLAB軟件進(jìn)行隨機(jī)產(chǎn)生； B、特征量構(gòu)造與提取特征量的構(gòu)造與提取包含了兩部分，一部分是基礎(chǔ)的信號處理技術(shù)，分別是EEMD和MIST方法；另一部分是特征量的構(gòu)造方法a) EEMD利用了高斯白噪聲具有頻率均勻分布的統(tǒng)計(jì)特性向信號中加入高斯白噪聲，信號將在不同尺度上具有連續(xù)性，促進(jìn)抗混分解，避免EMD方法中由于固有模態(tài)函數(shù)(intrinsic mode function, IMF)的不連續(xù)性而造成的模態(tài)混疊現(xiàn)象，EEMD的分解過程如下(I)添加高斯白噪聲到目標(biāo)信號；(2)用EMD方法將添加后的目標(biāo)信號分解為IMF ；(3)重復(fù)步驟I)和2)，但是每次需添加不同的白噪聲；(4)將每次分解的IMF做均值后，作為最后的分解結(jié)果；b)MIST改進(jìn)不完全S變換，其離散形式的表達(dá)式為 _9]
權(quán)利要求
1. 一種基于時頻域多特征量的電能質(zhì)量混合擾動分類方法，對電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變電能質(zhì)量擾動及其組合而成的混合擾動進(jìn)行分類，具體實(shí)現(xiàn)步驟如下 A、電能質(zhì)量擾動信號采集 利用電壓、電流互感器對相關(guān)電氣量擾動信號進(jìn)行采集，對于未能采集到的混合擾動信號，針對其特征利用MATLAB軟件進(jìn)行隨機(jī)產(chǎn)生； B、特征量構(gòu)造與提取 特征量的構(gòu)造與提取包含了兩部分，一部分是基礎(chǔ)的信號處理技術(shù)，分別是EEMD和MIST方法；另一部分是特征量的構(gòu)造方法a)EEMD 利用了高斯白噪聲具有頻率均勻分布的統(tǒng)計(jì)特性向信號中加入高斯白噪聲，信號將在不同尺度上具有連續(xù)性，促進(jìn)抗混分解，避免EMD方法中由于固有模態(tài)函數(shù)MF的不連續(xù)性而造成的模態(tài)混疊現(xiàn)象，EEMD的分解過程如下 (1)添加高斯白噪聲到目標(biāo)信號； (2)用EMD方法將添加后的目標(biāo)信號分解為IMF； (3)重復(fù)步驟I)和2)，但是每次需添加不同的白噪聲； (4)將每次分解的IMF做均值后，作為最后的分解結(jié)果；b)MIST 改進(jìn)不完全S變換，其離散形式的表達(dá)式為 X2.T2m:A'. \ 2.ΤΜ；、[./為卜^沖衫科卜n e Λ、、今hP)^\J 式中，Xnd是針對不同的頻率點(diǎn)選擇的窗寬系數(shù)山 k為利用功率譜包絡(luò)動態(tài)測度檢測到的主要頻率點(diǎn)，共L個；nd和實(shí)際頻率的換算關(guān)系為f = nd/NT, T為采樣周期； c)特征量構(gòu)造過程 本發(fā)明中構(gòu)造的9個特征量，可以分為3類EEMD特征值，只包含A —個特征；功率譜特征值，包含了 Nf和S5兩個特征；MIST特征值，包含了基頻類特征3個SI，S2，S3和中高頻特征兩個S6，logo ； (1)EBffi特征值 這類特征值只有一個瞬時幅值特征A，計(jì)算公式如下 A = max [amaxf] (4) 式中，amaxf為IMF矩陣最高頻率成分的瞬時幅值序列； 該特征值為輔助特征值，主要是預(yù)先判斷信號中是否可能存在脈沖擾動； (2)功率譜特征值 這類特征值是通過計(jì)算擾動信號的功率譜或功率譜包絡(luò)，求取其極大值動態(tài)測度，提取主要頻率點(diǎn)獲得的，主要作用為輔助判斷，包括 對稱判據(jù)S5 首先求取信號功率譜的動態(tài)測度，獲得大于設(shè)定閾值的主要頻率點(diǎn)，如果滿足式(5)則S5的值為I ;不滿足則為O ;|fd_-fj-|fup-fj I ≤5(5) 式中，fN、fdown> fup分別代表基波頻率、小于基波的頻率點(diǎn)、大于基波的頻率點(diǎn)；該特征量，主要是在基波上沒有幅值類擾動的情況下，反應(yīng)信號中是否存在電壓波動； 主要頻率點(diǎn)數(shù)Nf 求取信號功率譜包絡(luò)的動態(tài)測度，提取主要頻率點(diǎn)，統(tǒng)計(jì)主要頻率點(diǎn)的個數(shù)，記為Nf，該特征值主要是初步判斷信號中是否存在諧波、振蕩暫態(tài)兩種多頻率成分的擾動； (3)MIST特征值 這類特征值是對信號MIST后獲得的時間-幅值向量進(jìn)行分析和運(yùn)算后獲得的，可以有效反映擾動信號的時域和頻域特點(diǎn)，包括 基頻成分特征值S1, S2, S3, S4 MIST變換后，獲得基頻成分的時間-幅值向量An(l[m]，分別按照式(6) (9)計(jì)算相應(yīng)的特征值， 均值
全文摘要
本發(fā)明公開了一種基于時頻域多特征量的電能質(zhì)量混合擾動分類方法。對電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變電能質(zhì)量擾動及其組合而成的混合擾動進(jìn)行分類，具體實(shí)現(xiàn)步驟首先利用利用聚類經(jīng)驗(yàn)?zāi)Ｐ头纸夥椒?Ensemble Empirical Mode Decomposition，EEMD)和改進(jìn)不完全S變換(modified incomplete S-transform，MIST)對擾動信號進(jìn)行處理，并提取了9個時頻域特征值；然后，將特征量輸入到分塊化的自動分類系統(tǒng)中，進(jìn)行擾動識別。該方法充分考慮單一擾動之間的相互干擾，并通過互補(bǔ)的時頻域特征量進(jìn)行了有效的抑制。仿真結(jié)果表明，在一定的噪聲條件下，該方法可有效分類電壓暫降、電壓暫升、電壓短時中斷、脈沖暫態(tài)、振蕩暫態(tài)、諧波和閃變等電能質(zhì)量擾動及其組合而成的混合擾動。
文檔編號G06K9/62GK102831433SQ20121018324
公開日2012年12月19日 申請日期2012年6月6日 優(yōu)先權(quán)日2012年6月6日
發(fā)明者劉志剛, 張楊, 張桂南, 張巧革 申請人:西南交通大學(xué)