基于小波变换和FRVM的电能质量扰动分类
基于小波和改进神经树的电能质量扰动分类
基于小波和改进神经树的电能质量扰动分类吴兆刚;李唐兵;姚建刚;龚文龙;陈强【摘要】准确地识别和分类电能质量扰动对分析和综合治理电能质量问题具有重要意义。
提出了一种基于小波和改进神经树的电能质量扰动分类方法。
该方法利用小波分解扰动信号到各个频带，在基频频带、谐波频带和高频带上分别计算其能量值和小波系数熵作为特征值，另计算基波频带扰动过程的均方根作为特征的补充，融合能量值、熵和均方根值作为扰动判断的特征向量，规范化后输入到改进神经树分类器进行训练和分类。
改进神经树分类器是由神经网络和决策树及其分类规则构成。
仿真表明，该方法提取特征值的计算量小且融合后的特征向量能够很好地体现不同扰动信号之间的差异信息，构造的改进神经树分类器结合了神经网络和决策树在模式分类中各自的优点，结构简单且表现出良好的收敛性、全局最优性和泛化性，分类准确率较高，能够有效地识别七种常见的电能质量扰动。
%Precise identification and classification for power quality disturbances is significantly important to analyze and comprehensively cope with power quality problems. Based on wavelet and improved neural tree techniques,a new classification methodology for power quality disturbances is proposed. In the method, the disturbance signal is decomposed into different frequency bands, whilst energy values and wavelet coefficient entropies of the base, harmonic and high frequency bands are calculatedas eigenvalues respectively. The root mean produced in the disturbance process of the base wave band is calculated as a supplement, which is then combined with the energy values and wavelet coefficient entropies as eigenvectors for judging the disturbances. Thereafter the eigenvectors arenormalized and input into the improved neural tree classifier, composed of neural network, decision trees and classification rules, for training and classifying. Simulation results demonstrate the method has a small amount of calculation to extract eigenvalues and the obtained eigenvectors can adequately reflect the difference information for different disturbance signals. The improved neural tree classifier combines respective superiorities of the neural network and decision tree in pattern classification, thus the classifier presents good convergence, global optimality and generalization, and can effectively identify seven common power quality disturbances with a simple structure and high accuracy.【期刊名称】《电力系统保护与控制》【年(卷),期】2014(000)024【总页数】7页(P86-92)【关键词】电能质量;扰动分类;小波变换;特征向量;改进神经树【作者】吴兆刚;李唐兵;姚建刚;龚文龙;陈强【作者单位】湖南大学电气与信息工程学院，湖南长沙 410082;江西省电力科学研究院，江西南昌 330096;湖南大学电气与信息工程学院，湖南长沙 410082;湖南大学电气与信息工程学院，湖南长沙 410082;湖南湖大华龙电气与信息技术有限公司，湖南长沙 410082【正文语种】中文【中图分类】TM71现代社会中，电能是一种最为广泛使用的能源，其应用程度成为一个国家发展水平的主要标志之一[1]。
基于小波变换的电能质量暂态分析
摘 要： 随着国家工业规模 的扩大和科 学技术 的发展 ， 电的使用越来越 广泛 ， 电力 负荷迅速增 加 ， 对 电网 运行状态进行高效而准确的检测分析具有重大意义 。 相对 于稳 态分析 ， 暂 态分析 的难 点在 于快速、 及时地
捕获信号突变和进行准确 、 稳定的分析 。 对于暂态信号突变 的检测 ， 该文从微分算子 可以监测 突变的特性
Ｋｅ ｙ ｗ ｏｒ ｄｓ ： Ｗａ ｖ ｅｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏｒ ｍ； Ｍｍｕ ｔ ａ ｔ ｉ ｏ ｎ ｄ ｅ ｔ ｅ ｃｔ ｉ ｏ ｎ； Ｓｈ ｏ ｒ ｔ － ｔ ｉ ｍｅ Ｆ ｏｕ ｒ ｉ ｅ ｒ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ
Ｃ Ｌ Ｃ ｎ ｕ ｍｂ ｅ ｒ ： Ｔ Ｍ７ ｔ ４
Ｄ ｏ ｃ ｕ ｍｅ ｎ ｔ ｃ ｏ ｄ ｅ ： Ａ
Ａ ｒ ｔ ｉ ｃ ｌ ｅ Ｉ Ｄ： １ ０ ０ ３ — ０ １ ０ ７ （ ２ ０ １ ３ ） １ ０ 一 Ｏ Ｏ Ｏ ９ 一 Ｏ ４
０引 言
暂 态分析 的算法 直接决 定 了对 被测信号 的还 原分
读出， 进行分析计算 ， 最终把计 算结果输 出； 而稳态数据 的计算 ， 可 以说 是没 有检测 这个环节 的 ， 从稳 态这个定 义来说 ， 顾名 思义 ， 分析数据 在时 间段 的选取 上是没有 太 大影 响的 ， 如１ ０ 个 周期 的数据 ， 可 以选取前 ５ 个周期
析能力 ， 准确地检测 电网信号对供 电和用 电具有重大意
义 。本文从暂态 信号的特性 出发 ， 研究 了基于小波变换
的电网信 号检测 ， 通过对高斯 函数 的各 阶导数进行小波
变换 的推导 ， 得出 了电网信号的暂态分析算法 。
来 分析稳态 ， 也可 以选取后 ５个周期来 分析稳 态 ， 而分 析 暂态就需 要在暂 态事件发 生 的那个 周
暂态电能质量扰动识别分析
暂态电能质量扰动识别分析摘要：随着人们生活水平的提高，电能质量问题逐渐走进大家的视野。
如何解决电能质量扰动的问题，关键就是对其进行准确的识别。
本文从暂态电能质量基本理论出发，认真仔细的探究原理知识，依据帕斯维尔定理和小波转换，提出识别暂态电能质量扰动的解决方案。
本文采用文献资料法、数据分析法等研究方法，对今后的研究具有一定的参考价值。
关键词：暂态；电能质量；扰动识别；研究方法在现代工业生产水平迅速提高和电力系统快速发展的今天，供电部门和用户都越来越关注电能质量问题。
当前主要研究的方向有两个：一、电能质量的监测和分析。
二、电能质量问题的解决方案。
我们知道准确快速的识别问题才能科学有效的解决问题。
精确、高效的检测识别出电力系统中的电能质量问题，从而展开分析，确定问题类型，最终才有可能采取有效的措施和方法去解决。
由此可见，准确识别暂态电能质量扰动具有重要的意义,同时也具有很高研究价值。
1.暂态电能质量及其分类什么是暂态电能质量？暂态电能质量问题，简单的说，就是在短时间内出现电压的上升或者下降等。
有暂态就有稳态，稳态电能质量问题指出现稳态的波形畸变现象。
什么叫短时电压改变？通俗来理解就是由于电力系统某种原因导致其在短时间内电压骤升、骤降或者中断。
电压骤变时发生的短时电压改变的暂态现象包括暂态脉冲和暂态振荡，而这两种情况构成其问题的主要切入点。
2.电能质量扰动研究的重要性我国电力部门对电能质量有明确定义，即电压稳定无故障就叫做电能质量过关；反之，出现电压变化或者频率不一致的情况就意味着电能质量问题。
从统计数字上看电力系统百分之九十九点九是安全可靠的。
在用户端则更加简化，指向负荷正常供电。
然而，对于这个概念，站在不同角度的人，理解也不一样。
对供电部门来说，供电顺利进行就是电能质量合格。
而在现代工业生产中由于科技水平的不断提高，各种新工艺新技术的应用使得设备对供电的要求越来越高，不仅要满足电压维持在合理范畴内，而且严格要求电力供应长期保持正常稳定的状态。
基于二进小波变换的电能质量扰动检测
（ ｈｏ ｅ ｔ ｉａ Ｓｃ ｏｌｏｆＥｌ ｃ ｒｃ ｌＥｎｇ ｎｅ ｒｎ ｎｄ Ａｕｔ ｍ ａ ｉ ｉ ｅ ｉｇ ａ ｏ ｔｏｎ，
Ｔｉｎｉ ｉｅ ｓｔ ａ ｊ Ｕｎｖ ｒｉｙ，Ｔｉｎ ｉ ０ ７ ，Ｃｈｎ ） ｎ ａ ｊ ３ ０ ｎ ０ ２ ｉ ａ
维普资讯
第１ ９卷第 １期
２０ ０ ７年 ２月
电 力 系 统 及 其 自 动 化 学 报
Ｐｒ ｃ ｅ ｎｇ ｈｅ ＣＳＵ — ｏ ｅ ｄｉ ｓ ｏｆｔ ＥＰＳＡ
Ｖｏ１ １９ Ｎｏ．１ ． Ｆｅ ２０ ｂ． ０７
基 于 二进 小 波 变换 的 电能质 量 扰动 检 测
Ａｂ ｔ ａ ｔ Ｉ ｏ ｄｅ ｔ ａ ｙ ｅ ｎｄ ｅ ａｌ ｔ ｗ ｅ ｓ ｒ ｃ ： ｎ ｒ ｒ Ｏ ａｎ ｌ ｚ ａ ｖ ｕａ ｅ ｐｏ ｒ ｑｕａｉｙ，ｔ ｓ ｎｅ ｅ ｓ ｒ Ｏ ｄｅ ｅ ｔ ｔ ｇ ｎ— ｎｄ ｔｍ ｅ ｎｄ ｌｔ ｉ ｃ ｓ ａ ｙ ｔ ｔ ｃ ｈｅ ｂｅ ｉ ｅ ｉ ａ ｉ
质量 扰 动 信 号 进 行 了仿 真 ， 样 条 小 波 进 行 二 进 小 波 变 换 ， 测 结 果 表 明 在 分 解 尺 度 一 上 可 以 实 现 较 为 准 确 用 检
的检 测 。
关键 词 ：电能 质 量 ； 动 ；检 测 ； 波 变换 扰 小
中 图 分 类 号 ： Ｍ ７ ｌ ＴＭ７ Ｔ １； ６
ｃ ｎ ｉ ｕ ｎ ｅ ｔｍｅｏ ｏ ｒｑ ａ ｉ ｉｔ ｒ ａ ｃ ｉｈ ａ ｅ ｃ ｎ ｉ ｅ ｅ ｓｉ ｏ ｔ ｎ ｒ ｐ ｒｉ ｓｆ ｒｄ ｓ ｒｂ ｎ ｈ ｏ ｔｎ ａ ｃ ｉ ｆｐ ｗｅ ｕ ｌ ｙ ｄｓ ｕ ｂ ｎ ｅ ｗｈ ｃ ｒ ｏ ｓｄ ｒ ｄ ａ ｍｐ ｒａ ｔ ｏ ｅ ｔｅ ｏ ｅ ｃ ｉ ｉ ｇ ｔ ｅ ｔ ｐ ｄ ｓ ｕ ｂ ｎ ｅ Ｂ ｃ ｕ ｅ ｏ ｈ ｅ ｖ ｅ ｕ ｄ ｎ ｙ ｉ ａ ｃ ｌ ｔ ｎ ａ ｄ ｔ ｅ ｄ ｆｉｕ ｙ ｉ ｉ ｔ ｒ ａ ｃ ｅ ｅ ｔ ｎ ｗｈ ｃ ｉｔ ｒ ａ ｃ ． ｅ ａ ｓ ｆｔ ｅ ｈ ａ ｙ ｒ ｄ ｎ ａ ｃ ｎ ｃ ｌｕ ａ ｉ ｎ ｈ ｉｆ ｌ ｎ ｄ ｓ ｕ ｂ ｎ ｅ ｄ ｔ ｃ ｉ ｉｈ ｏ ｃ ｏ ｎ ｅ ｕ ｌｓ ｍｐ ｅａ ｄ ｒ ｃ ｎ ｔ ｕ ｔ ｄ ｓｇ ａ ｓ ｂ ｎ ｒ ｖ ｌｔｔ ａ ｓ ｏ ｍ ｄ ｐ ｅ Ｏ ｄ ｔ ｃ ｏ ｒｑ ａｉｙ ｂ ｓ ｄ ｅ ｄ ｄ ａ ａ ｌ ｎ ｅ ｏ ｓ ｒ ｃ ｅ ｉ ｎ ｌ ， ｉ ａ ｙ ｗａ ｅｅ ｒ ｎ ｆ ｒ ｉ ａ ｏ ｔ ｄ ｔ ｅ ｅ ｔｐ ｗｅ ｕ ｌ ａ ｅ ｓ ｔ ｏ ｖ ｌ ｔ ｔ ａ ｓ ｏ ｍ ｏ ａ ｎ ｗａ ｅ ｅ ｒ ｎ ｆ ｒ ｌ ｃ ｌ ｍｏ ｕ ｕ ｘ ｍｕ ｔ ｅ ｒ ｗｈ ｃ ｃ ｒ ｅ ｐ ｎ ｓ ｔ ｈ ｉ ｇ ｌ ｒ ｐ ｉ ｔ ｏ ｏ ｒ ｄ ｌ ｓ ｍａ ｉ ｍ ｈ ｏ ｙ， ｉｈ ｏ ｒ ｓ ｏ ｄ Ｏ ｔ ｅ ｓｎ ｕ ａ ｏ ｎ ｆ ｐ ｗｅ ｑ ａｉｙ ｄ ｓ ｕ ｂ ｎ ｅ ｓ ｇ ａ ｎ ａ ｅ ｕ ｅ ｎ ｄ ｓ ｕ ｂ ｎ ｅ ｄ ｔ ｃ ｉ ｎ Ｓ ｍ ｕ ａ ｉ ｎ ｏ ｏ ｒ ｑ ａ ｉ ｉｔ ｒ ａ ｃ ｕ ｌ ｉｔ ｒ ａ ｃ ｉ ｎ ｌａ ｄ ｃ ｎ ｂ ｓ ｄ ｉ ｉｔ ｒ ａ ｃ ｅ ｅ ｔ ． ｉ ｌ ｔ ｆｐ ｗｅ ｕ ｌ ｙ ｄ ｓ ｕ ｂ ｎ ｅ ｔ ｏ ｏ ｔ ｓｇ ａ ｉ ｇ ｖ ｎ ｂ ｌｅ ｎ ｔｖ ｒ ｎ ｉｎ ｒ ｇ ａ （ ｉ ｎ ｌ ｓ ｉ ｅ ｙ ａ ｔ ｒ ａ ｉ ｅ ｔ ａ ｓｅ ｔ ｐ ｏ ｒ ｍ ＡＴＰ） ａ ｄ ｔ ｅ ｓ ｌ ｅ ｗａ ｅ ｅ ｓ ａ ｏ ｔ ｄ ｔ ｋ ｉ ａ ｙ ， ｎ ｈ ｐ ｉ ｖ ｌｔ ｉ ｄ ｐ ｅ Ｏ ｍａ ｅ ｂ ｎ ｒ ｎ ｗａ ｅｅ ｒ ｎ ｆ ｒ ． ｔ ｃ ｉ ｎ ｒ ｓ ｌ ｎ ｉ ａ ｅ ｔ ａ ｅ ａ ｉ ｅ ｅ ａ ｔ ｄ ｔ ｃ ｉ ｎ ｃ ｎ ｂ ｃ ｕ ｒ ｄ ａ ｅ ｏ ｏ ｉｉｎ ｖ ｌｔ ｔ ａ ｓｏ ｍ Ｄｅ ｅ ｔ ｅ ｕ ｔ ｉ ｄ ｃ ｔ ｈ ｔ ｒ ｌ ｔ ｘ ｃ ｅ ｅ ｔｏ ａ ｅ ａ ｑ ｉｅ ｔ ｄ ｃ ｍｐ ｓｔｏ ｏ ｓ ｖ
电力系统电能质量的扰动检测与识别方法研究
电力系统电能质量的扰动检测与识别方法研究摘要电能作为清洁环保，经济高效，易于控制和转换的能源，广泛的应用到生产和生活的各个领域。
电能质量的优劣不仅影响电能用户利益，同样会影响电网的安全运行，所以对电能质量问题的检测具有重要的意义。
针对目前主要的电能质量问题进行分类，并具体分析了各类型的电能质量问题的发生原因及其危害。
根据常见的暂态和稳态电能质量扰动问题的特点，建立扰动数学模型，并分析了目前电能质量扰动的检测方法和分类方法的研究现状。
本文主要工作内容如下：1）采用小波包变换对电能质量扰动信号进行分析，根据扰动信号的特点研究小波包变换的采样频率、小波基函数和分解层数等参数的选取，分析得到各扰动类型的小波包节点的归一化能量分布，提出对能量分布进行处理得到具有明显变化的新小波包能量分布的方法。
在新的能量分布中可以看出，含谐波的扰动和暂态振荡扰动在对应节点上的能量分布较大，可以提取对应节点的新小波包节点能量作为表征这些扰动的特征向量，并通过仿真对利用小波包变换提取扰动特征向量的可行性进行研究。
2）首先，采用HHT变换对各种类型的电能质量扰动信号进行分析，利用分析结果中的瞬时频率对不同扰动类型发生的起止时刻进行估计，并根据瞬时幅值和边际谱提取扰动信号的幅值特征和频率特征；由于HHT变换后特征提取效果不明显，为寻求更有效的提取特征值的方法，又采用S变换对各种类型的电能质量扰动信号进行分析，利用分析结果中的最高频率幅值变化对扰动发生的起止时刻进行估计，并利用基频幅值变化和时间幅值平方和均值变化提取扰动信号的幅值特征和频率特征，具体分析了S变换提取扰动特征向量的过程。
之后，通过对比两种方法的扰动时刻估计和特征提取的效果可以看出，利用S 变换的扰动起止时刻定位较准确，对应特征变化明显，阈值选取方便，方法更易实现。
3）针对单一特征向量不能有效的表征所有的电能质量扰动信号的差异性，分析了不同检测方法特征提取的特点，对电能质量扰动的多特征组合逻辑进行了研究。
特征提取方法在电能质量扰动识别中的应用
参考文献
［１］ 胡铭， 陈 珩 ． 电 能 质 量 及 其 分 析 方 法 综 述［Ｊ］．电网技术，２０００，２４（２）：３６～３８． ［２］ 林海雪．现代电能质量的基本问题［Ｊ］． 电网技术，２００１，２５（１０）：５～１２． ［３］ 肖 湘 宁 ． 电 能 质 量 分 析 与 控 制 ［ Ｍ ］ ． 北 京：中国电力出版社，２００４． ［４］ 徐 永 海 ，肖 湘 宁 ，杨 以 涵 ，等． 基于ｄ ｑ 变 换和ＡＮＮ的电能质量扰动辨识［Ｊ］．电力 系统自动化，２００１，３３（５）：２４～２６． ［５］ 王霄桦，程浩忠，胡丹．基于数学形态学 复合滤波和无时延ｄ － ｑ变换的电压暂态 扰动识别［Ｊ］．继电器，２００７，３５（９）：３２～ ３５． ［６］ 张秀娟，徐永海，肖湘宁．基于ｄｑ变换与 小波变换的电能质量扰动检测与识别 方法［Ｊ］．电力自动化设备，２００５，２５（７）： １～３． ［７］ 欧 阳 森， 王 建 华 ， 宋 政 湘 ， 等． 一种基于 ｄｑ０变换和专家系统的电能质量信号辨 识方法［Ｊ］．电力系统自动化学报，２００３， １５（５）：２１～２３． ［８］ ＨＥＹＤＴ Ｇ Ｔ，ＦＪＥＬＤ Ｐ Ｓ，ＬＩＵ Ｃ Ｃ， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｗｉｎｄｏｗｅｄ ＦＦＴ ｔｏ ｅｌｅｃｔｒｉｃ ｐｏｗｅｒ ｑｕａｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ［Ｊ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐｏｗｅｒ Ｄｅｌｉｖｅｒｙ， １９９９，１４（４）：１４１１～１４１６． ［９］ 唐求，王耀南，郭斯羽，等．基于Ｓ变换与 傅里叶变换的电能质量多扰动分类识 别［Ｊ］． 湖南大学学报（自然科学版）， ２００９，３６（４）：３８～４０． ［１０］ 赵凤展， 杨仁刚． 基于时域、 小波变换和 Ｆ Ｆ Ｔ的 电 能 质 量 扰 动 识 别［ Ｊ ］ ．继 电 器， ２００６，３４（８）：５０～５２． ［１１］张斌，孙静． 基于Ｍａｌｌａｔ算法和快速傅里 叶的电能质量分析方法［Ｊ］． 电网技术， ２００７，３１（１９）：３５～３７． ［１２］刘晓芳，刘会金，柯定芳．基于小波变换 和神经网络的暂态电能质量扰动自动 识别［Ｊ］．继电器，２００５，３３（２３）：４６～４８． ［１３］秦英林，田立军，常学飞．基于3) − cos(wt − 2π / 3) 1/ 2
基于小波和改进S变换的电能质量扰动分类
【 光电工程 ／Ｏ ｐ ｔ ｏ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ 】
基 于小 波 和 改进 Ｓ变 换 的 电能质 量扰 动分 类
江 辉 ，刘顺桂 ，尹远兴 ，田启 东 ，彭建春。
１ ）深圳大学光 电工程学 院，深圳 ５ １ ８ ０ ６ ０ ；２ ）深 圳供 电局有限公司 ，深圳 ５ １ ８ ０ ０ １ ； ３ ）深圳 大学机 电与控 制工程学院 ，深圳 ５ １ ８ ０ ｏ ｖ ｅ ｄ Ｓ － ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ（ Ｉ Ｓ Ｔ ） ．Ｔ ｈ ｅ ｈ ｉ ｇ ｈ ａ ｎ ｄ ｌ ｏ ｗ ｒ ｆ ｅ ｑ ｕ ｅ ｎ ｃ ｙ ｃ ｏ ｍ ｐ ｏ ｎ ｅ ｎ ｔ ｓ ｗ ｅ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｂ ｙ ｗ ａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ｉ ｆ ｒ ｓ ｔ ，
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｒａ ｐ ｉ ｄ ａ ｎ ｄ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｌ ａ ｓ ｓ ｉ ｉ ｆ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｐ ｏ ｗｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｓ ｉ ｇ ｎ ａ ｌ ｓ ａ ｒ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｕ ｌ ａ ｒ ｌ ｙ
第３ １ 卷 第１ 期
２ ０ １ ４年 １ 月
深圳大学学报理工版
Ｊ ＯＵ ＲＮＡＬ ＯＦ Ｓ ＨＥＮ Ｚ ＨＥ Ｎ ＵＮＩ ＶＥ ＲＳ Ｉ Ｔ Ｙ Ｓ ＣＩ Ｅ ＮＣ Ｅ ＡＮ Ｄ ＥＮＧ Ｉ ＮＥ ＥＲ Ｉ Ｎ Ｇ
Ｖｏ １ ． ３ １ Ｎｏ ． １
Ｊ ａ ｎ ．２ ０ １ ４
摘
要 ：针 对 电能质 量分析 中的 电能质 量扰动 信 号快 速精 确检 测及 分 类 重要 内容 ，提 出基 于 小波 变换
基于小波变换的电能质量扰动信号的检测
基于小波变换的电能质量扰动信号的检测
储珺;马建伟
【期刊名称】《电力系统保护与控制》
【年(卷),期】2009(037)005
【摘要】为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位.针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测.研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性.
【总页数】4页(P34-36,64)
【作者】储珺;马建伟
【作者单位】河南科技大学电子信息工程学院,河南,洛阳471003;河南科技大学电子信息工程学院,河南,洛阳471003
【正文语种】中文
【中图分类】TM71
【相关文献】
1.采用嵌入式Haar小波变换算法检测电能质量扰动信号 [J], 宋敏
2.采用嵌入式Haar小波变换算法检测电能质量扰动信号 [J], 宋敏
3.采用Meyer小波变换的电能质量扰动信号的检测与时频分析 [J], 何顺忠
4.采用Meyer小波变换的电能质量扰动信号的检测与时频分析 [J], 何顺忠
5.基于离散余弦变换和小波变换的电能质量扰动信号检测方法 [J], 刘安定;肖先勇;邓武军
因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波包能量谱的电能质量短期扰动检测和分类方法
基于小波包能量谱的电能质量短期扰动检测和分类方法
李天云;陶春静;齐辉
【期刊名称】《吉林电力》
【年(卷),期】2004(000)001
【摘要】针对电能质量扰动问题,通过介绍几种基于变换理论的电能质量扰动检测和分类方法,对比分析各种方法之利弊,提出了基于小波包能量谱的电能质量短期扰动检测与分类新方法.仿真结果表明,该方法取得了明显优于其他检测和分类方法的效果.
【总页数】4页(P10-13)
【作者】李天云;陶春静;齐辉
【作者单位】东北电力学院,吉林,吉林,132012;东北电力学院,吉林,吉林,132012;东北电力学院,吉林,吉林,132012
【正文语种】中文
【中图分类】TM712
【相关文献】
1.基于EMD的电能质量扰动检测与分类方法 [J], 武荣华;王天施;侯宝明
2.基于扰动功率法的短期电能质量扰动源判定 [J], 严居斌
3.基于扰动功率法的短期电能质量扰动源判定 [J], 严居斌;张正炜
4.基于瞬时无功功率理论的电能质量扰动检测、定位与分类方法 [J], 魏磊;张伏生;耿中行;张柏林;李宁;刘沛津
5.基于数学形态学的动态电能质量扰动的检测与分类方法 [J], 凌玲;徐政
因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波变换与PSO-BP神经网络的电能质量扰动分类
种基于 Ｐ Ｏ算法 优化 Ｂ Ｓ Ｐ算 法 的 网 络 （ Ｓ Ｐ Ｏ－
Ｂ Ｐ神经 网 络 ） 从 而 避 免 Ｂ ， Ｐ算 法 的 固 有 缺 陷 ，
充分 发 挥 二者 的优 势 ， 到更 好 的 优化 效 果 。 达
图 １ 出 了基 于小波 变换 和 Ｐ （ Ｂ 给 Ｓ） Ｐ神 经 网 ＿
Ｖｏ ． ４ Ｎｏ ３ １２ ．
２Ｏ１ １
２ 基 于 Ｐ Ｏ算 法 的 Ｂ Ｓ Ｐ网络学 习算法
２ １ Ｓ 算 法 ． Ｐ ０
修正， 使得误差 函数 沿梯度方 向下 降 。 随着 “ 信息 的 顺传 播”和“ 差 的逆传播 ” 误 过程交 替反 复进行 ， 可 以使总 的误差 向减小方 向变化 ， 最终 使误差 达到 预 期 目标 ￡ 为止 。 采用上述两个步 骤反复训练 ， 即可求 得神经 网络 的最佳权值和最优 阈值 。 基于 Ｐ Ｏ 算法 优化 Ｂ 算法 的步 骤 ： 随机 Ｓ Ｐ ① 产生 初 始 微 粒 群 （ 微 粒 群 由 多 维 实 数 向 量 组 该
动信号 在各 频段 上 的 能量 分 布 ， 动 发 生 的 时间 扰 不 同其 能量 分布没 பைடு நூலகம்太大 变化 。不 同种 类 的扰动
在 各频段 上 的能 量 分布 是 不 同 的 ， 以此 作为 区分 各 扰动 的依 据 。
络 的电能质 量扰 动分类 的过程示 意 图 。
收稿 日期 ： ０ １ ０ —２ ． ２１－ ３ ９ 基 金 项 目 ： 南 省 科 技 重 大专 项 ， 目编 号 ：０ ９ ｊ０ ４ 湖 项 ２ ０ Ｆ１ １ ． 作者简介 ： 李 晓（９ ５ ） 女 ， １ ７ － ， 湖南省株洲市人 ， 硕士 ， 讲师 ， 研究 方 向： 电力 系统 微机保 护 、 电能质量分 析与控 制
- 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)。
Ｆ Ｒ ＶＭ 对 特 征 量 进 行 分 类 ， 进 而实现基 于小波变换和 Ｆ Ｒ ｖＭ 的 电 能 质 量 扰 动 分 类 新 方 法 。 实验 仿 真验 证 了 该 方 法
能 够 对 各 类 电能 质 量 扰 动 信 号 进 行 分 类 ， 并 且 其 分 类 效 率 和 准确 率 均 优 于传 统 的相 关 向 量机 分 类 方 法 。 关 键 词 电能 质 量 ， 快速相关向量机 ， 扰 动 分 类 中 图法 分 类 号 Ｔ Ｐ ２ ７ ４ ． ３ 文献 标 识 码 Ａ Ｄ ＯＩ １ ０ ． １ １ ８ ９ ６ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ２ — １ ３ ７ ） （ ． ２ ０ １ ５ ． ５ ． ０ ４ ７
第４ ２卷 第 ５期 ２ ０ １ ５年 ５月
计
算
机
科
学
Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ
Ｖｏ １ ． ４ ２ Ｎｏ ． ５ Ｍａ ｖ ２ ０１ ５
基 于小 波 变 换 和 Ｆ ＲＶ Ｍ 的 电 能质 量 扰 动分 类
马苹苹 黄 文清 （ 湖南 大学 电气 与信 息工程 学 院 长 沙 ４ １ ０ Ｏ ０ ６ ）
摘 要 针对相关向量机 （ ＲＶ Ｍ） 计算 复杂度 大、 训练 时间长的 问题 ， 提 出一种 基 于快速相 关向量机 （ Ｆ Ｒ ＶＭ） 的优 化
算法 ， 其 大 大减 少 了相 关 向 量机 的 训 练 时 间 ， 提 高 了分 类 的 精 度 。将 它 应 用 于 电 能 质 量 扰 动 分 类 中 ， 首 先 对 电 能 质 量 扰 动信 号进 行 基 于 小 波 变换 的 时频 分 析 ， 提 取 小 波 变 换 各 层 信 号 的 能 量 与 标 准 信 号 的 能量 之 差组 成 特 征 向 量 ； 然后 用
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔｏ ｒ ｅ ｄ ｕ ｃ ｅ ｔ ｈ ｅ ｃ ｏ ｍｐ ｕ ｔ ａ ｔ ｉ ｏ ｎ ａபைடு நூலகம்ｌ ｃ ｏ ｍｐ ｌ ｅ ｘ ｉ ｔ ｙ ａ ｎ ｄ ｌ ｏ ｎ ｇ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｔ ｉ ｍｅ ｉ ｎ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｃ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ｍａ ｃ ｈ ｉ ｎ ｅ （ ＲＶＭ ） ， ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｎ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｆ ａ ｓ ｔ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｃ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ｍａ ｃ ｈ ｉ ｎ ｅ （ Ｆ ＲＶＭ ） ， ｗｈ ｉ ｃ ｈ ｎ ｏ ｔ ｏ ｎ ｌ ｙ ｇ ｒ ｅ ａ ｔ ｌ ｙ ｒ ｅ ｄ ｕ ｃ ｅ ｓ ｔ ｈ ｅ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｔ ｉ ｍｅ ｏ ｆ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｃ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ｍａ ｃ ｈ ｉ ｎ ｅ ， ｂ ｕ ｔ ａ ｌ ｓ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｓ ｉ ｔ ｓ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ． Ｔｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｐ ｏ ｗｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｓ ． Ｆｉ ｒ ｓ ｔ ｌ ｙ ， ｔ ｈ ｅ ｗａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｒ ｎ ｉ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｔ ｈ ｅ ｔ ｉ ｍｅ － ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ ｆ ｅ ａ —
ａ ｎ ｄ ｔ ｈ ｅ ｓ ｔ ａ ｎ ｄ ａ ｒ ｄ ｓ ｉ ｇ ｎ ａ ｌ ｅ ｎ ｅ ｒ ｇ ｙ ｉ ｓ ｕ ｓ ｅ ｄ ａ ｓ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ． Ｓ ｅ ｃ ｏ ｎ ｄ ｌ ｙ ， ＦＲＶＭ ｉ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｙ ｔ ｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ｔ ｏ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｐ ｏ ｗｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｅ ｅ ｓ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｗａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ａ ｎ ｄ ＦＲＶ１ Ｖ Ｌ Ｔｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｖ ｅ ｒ ｉ ｆ ｉ ｅ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ — ｏ ｄ ｃ ａ ｎ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｙ ａ ｌ ｌ ｋ ｉ ｎ ｄ ｓ ｏ ｆ ｐ ｏ ｗｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｓ ， ａ ｎ ｄ ｈ ａ ｓ ｈ ｉ ｇ ｈ ｅ ｒ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ａ ｎ ｄ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｔ ｈ ａ ｎ ｔ ｈ ｅ ｃ ｌ ａ ｓ —
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎｅ ｅ ｒ ｉ ｎ ｇ， Ｈｕ ｎ ａ ｎ Ｕｎｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｃｈａ ｎ ｇｓ ｈ ａ ４ １ ０ ０ ０ ６， Ｃｈｉ ｎ ａ ）
Ｃｌ ａ ｓ ｓ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｐ ｏ ｗｅ ｒ Ｑｕ ａ ｌ ｉ ｔ ｙ Ｄｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｓ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｗａ ｖ ｅ ｌ ｅ ｔ Ｔｒ ｎｓ ａ ｆ ｏ ｒ ｍ ｎｄ ａ Ｆ ＲＶＭ
Ｍ Ａ Ｐｉ ｎ ｇ － ｐ ｉ ｎ ｇ ＨＵＡＮＧ Ｗｅ ｎ － ｑ ｉ ｎ ｇ
ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｐ ｏ ｗｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｓ ， ａ ｎ ｄ ｔ ｈ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｏ ｆ ｔ ｈ ｅ ｅ ｎ ｅ ｒ ｇ ｙ ｏ ｆ ｔ ｈ ｅ ｗａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ｓ ｉ ｇ ｎ ａ ｌ ｉ ｎ ｅ ａ ｃ ｈ ｌ ａ ｙ ｅ ｒ