基于S变换的电能质量扰动识别研究分析

合集下载

基于S变换与SVM的暂态电能质量扰动识别

分析，对暂态信号无能为力。快速傅立叶变换
（ＴＦＳＦ）是对傅立叶变换的发展与补充，虽然在
一
特性，因而非常适合于进行电能质量扰动信号的
特征提取。
定程度上解决了傅立叶变换不具备局部分析的
问题，但一旦窗函数确定，视频分辨率也就确定了，因此，对于暂态信号，很难找到一个好的时
，
厂）（（ｆ）ｊｄ￡ｘ）ｆ，ｅｐｔｆ —厂－＃ｗ２
：ｅ
ｆ１］
”＝［ｑ］Ｚｘ．ｅ＋
］】
ｌｆ
，
ｎ≠Ｏ（）ｌ９
ｍ＝（００１）
其中，
（
一ｔｆ）为高斯窗口，
其中，
口舻 “
（ａｓａＷｉｏ）丁为控制高斯窗口在时间轴ｔＧｕｓｎｎｗ；ｉｄ的位置参数；ｆ为频率；为虚数单位。由式（）１
ＳＭ是ＶｐｉＶａｎｋ等人在统计学习理论的基础上
发展的一种新的模式识别方法。它根据结构风险
最小化原则，在解决小样本问题上具有良好的泛
间窗口来适合不同的时间段。小波变换（）ｗＴ
是一种窗口面积固定但形状可改变的视频局部化分析方法。由于具有良好的时频特性而广泛应用
收稿日期：２１ — ２２０００ — ２
２６
２Ｓ变换的基本理论
Ｓ变换是由地球物理学家ＲＧＳｏｋｅ．．ｔｗｌｃｌ于１９９６年提出的一种加时窗傅里叶变换时频可逆分

基于S变换图像灰度量化的短时电能质量扰动识别分类

用
。但是小波变换易受噪声影响，结果缺乏直且
观性。ｓ变换克服了短时傅里叶变换窗函数长度不易
张中全，赵俊
（都电业局，Ｉ成都成四川
摘
６０４）１０１
要：对短时电能质量扰动分类大多依赖分类器，类准确率不高这一难题，出了基于ｓ变换模时频矩阵灰度针分提
图像法。首先对常见的几种扰动进行ｓ变换分析，到模时频矩阵，应用数字图像灰度方法，模矩阵各元素值用得再将
ａａｙｉｎｈｅＳ — ｍｏａｉｅ— ｆｅｕｅｃｔｉｓｃｎｔｕｔｄ，ｔｅｇｅｃｌｍａｅｏｉｈｃｕｌａｉａｃｌｔｄａ — ｎｌｓｓａｄｔｄｌｔｍｒｑｎｙｍａｒｘｉｏｓｒｃｅｈｒｙｓａｅｉｇｆｗｈｃｏｄｂｅｅｓｌｃｌｕａｅｃｙｃｒｎｇｔｇｔｌｉａｅｇｅｃｌｅｈｄ．Ｔｈｅｏｄｉｏｄｉｉａｍｇｒｙｓａｅｍｔｏｎ，ｔｅｇｅａｕｅａｒｙｖｒａｃｒｎｔｏｕｄｔｕａｔｆｈｈｒｃｅｉ— ｈｒｙｖｌｎｄｇｅａｉｎｅａｅｉｒｄｃｅｏｑｎｉｔｅｃａａｔｒｓｙｔｃｆＳ —ｍｏｌｔｍｅ— ｆｅｅｃｍａｅｉｒｅｏａｈｉｖｈｓｕｈａｅｃａｓｆｃｔｏｉｓｏｄａｉｒｑｕｎｙｉｇｎｏｄｒｔｃｅｅｔｅｄｉｔｒｎｃｌｓｉａｉｎ．Ｔｈｉｕａｉｎｒｓｔｈｗｈｔｔｅｉｅｓｍｌｔｏｅｕｌｓｓｏｔａｈｐｏｏｅｔｏａｌｓｉｈｉｔｒａｃｅｘｃｌｎｓｎｔｓｎｉｉｅｔｉｅ，ＳｔｉｎｅｆｃｉｅｃａｓｆｃｔｎｍｅｈｄｏｒｐｓｄｍｅｈｄｃｎｃａｓｆｔｅｄｓｕｂｎｓｅａｔｙａｄｉｏｅｓｔｖｏｎｏｓｙＯｉｓａｆｅｔｖｌｓｉａｉｔｏｆｉｏ

基于广义S变换的短时电能质量扰动的模糊模式识别

Ｔｉｐｏｅｔｓｕｐｒｄｂｔｎｌａｒｃｅｃｏｎａｏｆｈｎ（ｏ５６７１）ｈｓｒｃｉｓｐｏｔｙＮａｏａＮｔａＳｉｅｕｄｔｎｏｉａＮ．７０５．ｊｅｉｕｌｎＦｉＣ０
Ｋｅｒｓｓｏｔｄａｉｎｐｗｅｕｉ；ｇｎｒｉｅ－ａｓｏｍ；ｆｚｙｐｔｒｅｏｎｔｎｃａｓｆａｉｎｙｗｏｄ：ｈｒｕｔｏｒａｔｒｏｑｌｙｅｅａｚｄＳｔｎｆｒｌｒｕｚａｔｎｒｃｇｉｏ；ｌｓｉｃｔｅｉｉｏ
中图分类号：Ｔ１Ｍ７４
ＹＩｉｉｎ．ＥＮＧａ — ｈｎ —ａｇＰＪｌＪｎｃｕｉ
（ｌｇｆｅｔｉｉａｎｎｏｍａｉｎＥｇｎｅｉｇＨｕａｉｅｓｔ，ｈｎｓａ４０８，ｉａＣｏｌｅｏｃｒｃｌｄＩｆｒｔｎｉｅｒｎ，ｎｎＵｎｖｒｉＣａｇｈ０２Ｃｈｎ）ｅＥｌｎａｏｙ１
ＡｂｔａｔＡｅａｐｏｃｆｌｓｉｃｔｎｏｈｒｕａｏｏｒｑａｉｉｔｒａｃｓｕｉｇｇｎｒｌｅ－ａｓｏｍｎｕｚｓｒｃ：ｎｗｐｒａｈｏａｓｆａｉｆｓｏｔｒｔｎｐｗｅｕｔｄｓｕｂｎｅｓｅｅａｉｄＳｔｃｉｏｄｉｌｙｎｚｒｆｒａｄｆｚｙｎｐ￣ｒｅｏｎｔｎｉｐｏｏｅ．ｉｓ，ｈｅｇｎｒｉｅ－ａｆｒｉｕｉｚｄｔｒｄｃｄｌｔｘｓｏｉｔｒａｃｓａｄｔｅａｅｎｒｃｇｉｏｓｒｐｓｄＦｒｔｔｅｅａｚｄＳｔｎｏｍｓｔｉｅｏｐｏｕｅｍｏｕｅｍａｒｅｆｄｓｕｂｎｅｎｎ４ｉｌｒｌｉｈｓｍｐｅｓａｉｔａａｕｅｒｘｒｃｅｏｔｅｍａｒｘｓＦｎｌ，ｚｙｐｔｒｅｏｎｔｎｓｓｅｉｓｄｆｒｈｌｓｉｃｔｏｆｉｌｔｔｓｃｆｔｒｓａｅｅｔｔｄｆｍｔｅ．ｉａｌａｆｚａｔｎｒｃｇｉｏｙｔｍｓｅｅｃａｓａｉｎｏｉｌｅａｒｈｉｙｕｅｉｕｏｔｉｆ

基于S变换的电能质量扰动分析

频扰动、电压暂降、电压暂升等问题时，能很好地不检测和定位，缺乏直观性．也用频域分析方法对电能质量中谐波含量进行分析，主要针对各种频率检测、波潮流计算等．谐其优点是能够详细分析负载
（Ｅ）我国均有严格的标准．稳态电能质量检ＩＣ和与
冲、涌、浪电压跌落及瞬时电压中断．判电能质量评
的标准在不断完善中，根据不同的系统环境采用常
指标参数的幅值和持续时间来描述（时考虑其上有升下降率、生频度等）发．目前，速傅里叶变换（Ｆ在电能质量分析快ＦＴ）
ｆｅｕｅｃｏｎｏｐｏｔｕｃｅａｓｌｙｄｉｆｒｎｔｖｏｔｇｅｄｉｔｒａｅｎｕｉｉｅｙ．ｒｑｎｙｃｔｕｒｍａｓｃｎｓｒｔｄｃｎｄｉｐａｆｅｅｌａｓｕｂｎｃｓｉｔｔｖｌＫｅｒｓ：ｐｏｒｑｕｌｔｙｗｏｄｗｅａｉｙ；Ｓ—ｒｎｓｏｍ；ｍｏｌａｒｘ；ｔｍｅｆｅｕｅｙａｌｓｓｔａｆｒｄｕｅｍｔｉｉ — ｒｑｎｃｎａｙｉ
电能质量检测涉及多学科内容口，时检测供］实电系统稳定性，少电网谐波是长期亟待解决的问减
题．电能质量通常被划分成稳态电能质量和暂态电能质量，主要性能指标有电网频率、其电压偏差、不平衡度、波和电压闪变等，此，谐对国际电工委员会

基于S变换和弹性神经网络的电能质量扰动分类

４８６
西安理工大学学报ＪｕｎｌｆｉａｎｅｓｙｏＴｃｎｌｙ２１）Ｖ１２ｏ４ｏｒａｏＸ ’ｎＵｉｒｔｆｅｈｏｇ（００ｏ．６Ｎ．ｖｉｏ
文章编号：１０－７０２１０－４８５０６４１（００）４０６－０
关键词：电能质量扰动；Ｓ变换；特征量提取；神经网络；弹性反向传播；分类
中图分类号：Ｎ５Ｔ７９ｗｅｓｕｒａｃｓＢａｅｎＳ・ａｓｏｌｎｄａｓｆａｉｎｆＰｏｒＤｉｔｂｎｅｓｄｏＴｒｎｆｒｎａｉＲｅｉｅｔＢａｋＰｒｐａａｉｎＮｅａｔｏｋｓｌｎｃｏｇｔｏｕｒｌＮｅｗｒｉ
基于Ｓ变换和弹性神经网络的电能质量扰动分类
赵强强，余健明，范广伟，陈仕锟
（西安理工大学自动化与信息工程学院，陕西西安７０４）１０８
摘要：出了基于Ｓ变换和弹性Ｂ提．Ｐ神经网络结构（ＰＯ）电能质量扰动自动分类方法。通过ＲＲＰ的
ＡｓａｔＡ－ａｓｒｂｓｄｒｓｉｎｂｃｒｐｇｔｎｎｕａｎｔｏｋｓｕｔｒＲＲＰｓｒｓｎｂｔｃ：ｎＳｔｎｆｍ—ａｅｅｉｅｔａｋｐｏａａｏｅｒｌｅｒｔｃｅ（ＰＯ）ｉｐｅｅ－ｒｒｏｌｉｗｒｕ
ｔｄｆｒａｔｍａｉｌｓｉｃｔｏｆｐｗｅｕｌｔｉｔｒａｃｓｅｏｕｏｔｃａｓｆａｉｎｏｏｒｑａｉｄｓｕｂｎｅ．ＦｉｓｌｔｒｕｈＳ－ｒｎｆｒｉ —ｒｑｅｃｃｉｙｒｔｙ，ｈｏｇｔａｓｏｍｔｍｅｆｅｕｎｙ

利用快速S变换的电能质量扰动识别方法

（１．ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎ，Ｘｉ ’ ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ ’ ａｎ７１００４８，Ｃｈｉｎａ：
２．ＬｏｇｉｓｔｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０１３１１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｏｎｈｉｇｈｅｒｃｏｍｐｕｔａｔｉｏｎｃｏｓｔａｎｄｌａｃｋｏｆｒｅａｌ — ｔｉｍｅｄｅｔｅｃｔｉｏｎｆｏｒａｌ１ｔｅｃｈｎｉｑｕｅｓ
变换得到的一维向量中提取各频率段模系数的标准偏差、最大模系数及额定频率对应的模系数作为特征向量，利用最小二乘支持向量机对电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波等几种电能质量干扰进行分类和识别。研究结果表明：与传统的基于Ｓ变换的电能质量方法相比，该方法在２个方面节省了时间，一是减少了提取特征量所用的时间，二是由于特征向量数据较少，采用支持向量机样本训练时间减少；特别是当电压扰动信号持续时间越长时节省效率越高，在同样准确性下，对于长度为１０２４点的扰动信号，节省了约９９的时间；除此之外，该方法对信号分

基于S变换的暂态电能质量扰动检测

一
。一。Ｌ ∞
Ｊ
频特征。本文应用Ｓ变换时频分析进行暂态电能
质量检测，取得较好效果。
（３）
Ｓ变换可以看作是对连续小波变换的一种相位修正，并可以从连续小波变换推导而来。信号
（）￡的连续小波变换可以定义如下：
际情况下，别是当前不对称负荷与冲击性负荷特在容量上、量上日益增大，数干扰成分不断增加，使到达用户的电能会偏离正弦波形而发生畸变，
电能质量日益恶化。
２Ｓ变换的原理
Ｓ变换是一种可逆的局部时频分析方法，其
唧［
］
如电压突升、压突降等，易进行分辨。。因电不］此，号突变、态、平的特性，暂态电能质信暂非对
量扰动的检测是一个难点。
式中：（ — ｔ－为高斯窗口（ａｓｉｎ硼ｒ，）厂Ｇｕｓａｗｉ— ｎｄｗ）ｒｏ，为控制高斯窗口在ｔ位置的参数。轴
信号分析方法，Ｆｕｉｒ法、波分析方如ｏｒ方ｅ小
法等已广泛应用在电能质量扰动分析中。Ｆｕｏ— ｒｒｉ法非常适合对周期性信号进行频谱分析；ｅ小波分析法由于其强大的多尺度分析特性，以提可供扰动信号不同尺度的特征，而是电能质量扰因动信号特征提取用得最多的方法，其易受噪声但

基于聚类改进S变换与直接支持向量机的电能质量扰动识别

基于聚类改进S变换与直接支持向量机的电能质量扰动识别徐志超;杨玲君;李晓明【摘要】针对电能质量扰动信号的识别问题,提出基于聚类改进S变换与直接支持向量机(SVM)的电能质量扰动识别方法.提出聚类改进S变换方法,该方法结合电能质量扰动信号的特点,可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理,保证特征提取的准确性;将直接支持向量机作为分类器,与最小二乘支持向量机相比,其求解简单,计算复杂度较低,训练与测试速度快,泛化能力较高,并且避免不能保证全局最优解的缺点;将聚类改进S变换与直接支持向量机相结合,应用于单一扰动及混合扰动的识别分类工作.仿真实验验证了所提方法的有效性.【期刊名称】《电力自动化设备》【年(卷),期】2015(035)007【总页数】10页(P50-58,73)【关键词】电能质量;扰动识别;聚类改进S变换;直接支持向量机;支持向量机【作者】徐志超;杨玲君;李晓明【作者单位】南水北调中线干线工程建设管理局,北京100038;武汉大学电气工程学院,湖北武汉430072;武汉大学电气工程学院,湖北武汉430072;武汉大学电气工程学院,湖北武汉430072;武汉大学苏州研究院,江苏苏州215123【正文语种】中文【中图分类】TM7610 引言近年来，非线性负荷和精密电力电子设备的大量使用，对电网中电能质量产生了严重的污染与破坏，给用户与供电方均造成巨大经济损失。

因此，必须通过采用快速、正确的数据处理方法对引起电能质量问题的扰动信号进行识别，才能及时找出电能质量恶化的根本原因，从而采取合理的应对措施，以保证智能电网的“坚强性”。

电能质量扰动信号的识别需要通过特征提取和信号分类两步骤来实现，其中常见的扰动特征提取方法包括小波变换、短时傅里叶变换、Hilbert-Huang变换等[1-3]；常见的信号分类方法包括神经网络、决策树、支持向量机等[4-6]。

该问题研究已开展多年，但传统识别方法较多仅针对单一扰动进行分析。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

目录摘要 (I)Abstract (II)1引言 (1)1.1课题的背景及研究的意义 (1)1.2电能质量概述 (2)1.2.1电能质量的定义 (2)1.2.2电能质量的特点和分类 (2)1.3电能质量扰动综述 (2)1.3.1电能质量扰动的类型 (2)1.3.2电能质量扰动的分析方法 (3)1.3.3电能质量扰动的分类方法 (3)1.4论文的创新点 (3)1.5论文的主要内容及框架 (3)2电能质量扰动信号的数学模型及仿真 (4)2.1电压暂降 (4)2.2电压暂升 (4)2.3电压中断 (5)2.4电压闪变 (5)2.5谐波 (6)2.6暂态振荡 (7)3 S变换的原理简介及性质 (7)3.1 S变换的原理简介 (7)3.1.1 一维连续的S变换公式 (7)3.1.2一维离散的S变换公式 (8)3.1.3离散的S变换算法 (8)3.1.4广义的S变换公式 (9)3.2 S变换的性质的简要说明 (9)3.2.1 S变换的局部性特征 (9)3.2.2 S变换的线性特征 (9)3.2.3 S变换的时移性特征 (10)4 电能质量的扰动信号的特征提取 (10)4.1简要介绍S变换后的复数矩阵 (10)4.2简要介绍该复数矩阵的模值矩阵 (10)4.3电能质量各类扰动信号的仿真及其时频统计信息图 (11)4.4电能质量各类扰动信号的特征分析 (13)5电能质量的扰动信号的分类识别 (14)5.1决策树模型的构建 (14)5.2验证仿真分类结果的正确性 (15)6总结与展望 (16)6.1 总结 (16)6.2展望 (16)参考文献 (18)致谢 (19)附录 (20)ContentsAbstract (II)1 Introduction (1)1.1 The background and significance of the research (1)1.2 Power quality overview (2)1.2.1 Definition of power quality (2)1.2.2 Characteristics and classification of power quality (2)1.3 Overview of power quality disturbances (2)1.3.1 Types of power quality disturbances (2)1.3.2 Analysis method for power quality disturbances (3)1.3.3 Classification method for power quality disturbances (3)1.4 Innovative points of the paper (3)1.5 The main contents and frame of the paper (3)2 The mathematical model and Simulation of power quality disturbance signal (4)2.1 Voltage sag (4)2.2 Voltage swell (4)2.3 Voltage interrupt (5)2.4 Voltage flicker (5)2.5 Harmonics (6)2.6 Transient oscillation (7)3 Introduction and properties of S transform (7)3.1 Introduction to the principle of S transform (7)3.1.1 S transformation formula for one-dimensional continuous (7)3.1.2 S transformation formula for one-dimensional discrete (8)3.1.3 Discrete S transform algorithm (8)3.1.4 Generalized S transformation formula (9)3.2 A brief description of the nature of S transform (9)3.2.1 Local feature of S transform (9)3.2.2 Linear features of S transform (9)3.2.3 Time shift feature of S transform (10)4 Feature extraction of power quality disturbance signal (10)4.1 Brief introduction of the complex number matrix after S transformation (10)4.2 Brief introduction of the modulus matrix of the complex number matrix (10)4.3 Simulation of various types of power quality disturbance signals and its time-frequency statistics diagram (11)4.4 The feature analysis of various types of power quality disturbance signals (13)5 Classification and recognition of power quality disturbance signals (14)5.1 Construction of decision tree model (14)5.2 Verify the correctness of the simulation results (15)6 Conclusion and prospect (16)6.1 Conclusion (16)6.2 Prospect (16)Reference (18)Acknowledgements (19)Appendix (20)基于S变换的电能质量扰动识别研究分析摘要：目前来说，电力系统电能质量是电力系统领域研究的一个热点问题。

电能质量扰动类型多，主要包括单一类型和复合类型的扰动。

单一类型的扰动有：电压暂降、电压暂升、电压中断、电压缺口、电压尖峰、电压闪变、谐波及振荡暂态等。

复合类型的扰动有：含电压暂降的谐波、含电压暂升的谐波等。

这就要求我们掌握电能质量各类扰动信号的特点。

当面对海量的扰动信号数据时，能够提取出相应的特征参数，并会运用这些特征值对其正确的分类识别。

该论文分析的方法有两步。

第一，运用Matlab对电能质量扰动信号进行建模仿真，然后通过S变换得到一个复数矩阵，再求其模值，提取出相应的特征参数组成特征向量。

第二，采用简单、高效的决策树对电能质量扰动信号进行正确的分类识别。

最后仿真分析结果显示，这种S变换与决策树相结合的研究方法识别的正确率高，而且抗噪声能力强，是一种非常适用的方法。

关键词：电力系统电能质量电能质量扰动S变换决策树特征提取分类识别Research on Power quality Disturbances Classification Based onS-TransformAbstract At present, electrical power systems quality is a hot issue in the field of power system. There are many types of power quality disturbances, which mainly include the single type of disturbance and the compound type of disturbance. The single type of disturbance includes: voltage sag, voltage swell, voltage interruption, voltage gap, voltage spike, voltage flicker, harmonic and oscillatory transient etc. The compound type of disturbance includes harmonics including voltage sag, harmonics including voltage swell. This requires us to grasp the characteristics of various types of power quality disturbance signals. When we are faced with the massive disturbance signal data, we can extract the corresponding feature parameters, and use these eigenvalues to correctly recognize. There are two steps in the analysis method of the paper. Firstly, the use of Matlab for power quality disturbance signal modeling and simulation, and then a complex matrix is obtained through the S-transform. moreover, we need calculate the complex matrix’s modulus value and extract the corresponding characteristic parameters to compose of eigenvector. Secondly, the power quality disturbance signals can be classified correctly by using the simple and efficient decision tree. Finally, the simulation analysis results show that the combination of the S-transform and decision tree analysis method identification accuracy is relatively high, the anti-noise ability is good, it is a very suitable method. Keywords: electrical power systems quality; power quality disturbance; S-transform; decision tree; feature extraction; identification1引言智能电网的构建，使智能化发展的趋势更加明显。