基于最优组合赋权改进S变换的电压暂降检测方法

电压暂降是电能质量问题的一种,为了能更准确快速地对电压暂降进行检测分析,文章提出了一种基于改进S变换的电压暂降信号检测方法,利用基频幅值差分平方向量检测电压暂降信号的起止时刻,通过定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标得到其与改进S变换高斯窗调节因子的关系曲线,应用最优组合赋权法对该五项指标进行赋权,从而得到S变换的最优参数。仿真结果表明,通过文中提出的方法易于得到基频幅值差分平方向量曲线以及突变点曲线,从而更准确地定位暂降发生的起止时刻;相位跳变曲线能够更好地反映电压暂降的相位跳变情况;基频幅值曲线能够更准确地检测出电压暂降的暂降深度;时间幅值平方和均值曲线能更精确地反映电压暂降发生的起止位置。     

基于改进S变换的电压暂降起止时刻检测

电压暂降起止时刻是重要的暂降特征量,在分析改进S变换基础上提出一种改进S变换基频幅值向量和基频差分平方向量相结合的暂降检测方法。首先通过改进S变换基频幅值向量判断信号是否发生暂降,再利用改进S变换基频差分平方向量检测暂降信号起止时刻,最后依据基频幅值向量和暂降起止时刻的检测误差曲线来确定改进S变换高斯窗宽调节因子,达到更优时频分辨率。所提方法能更准确地检测发生在不同持续时间、不同波形点和不同幅值深度的暂降所对应的起止时刻。仿真和实测结果验证了方法的有效性。     

基于复小波变换和有效值算法的电压暂降检测方法

对电压暂降三大特征量即持续时间、相位跳变和幅值的准确检测是实现电压暂降有效补偿的前提。文中提出复小波变换和有效值算法相结合的电压暂降检测方法。详细研究了复小波变换奇异性检测原理及其在电压暂降起止时间检测中的应用,采用具有四阶消失距的复Gaussian小波(Cgau4)能准确检测电压暂降发生、恢复时刻和相位跳变,利用有效值算法实现电压暂降幅值的检测。通过在Matlab中对有无畸变情况下的的电压暂降问题建模仿真,验证了该算法的有效性,实验结果表明该方法能精确检测电压暂降三大特征量。     

基于改进S变换-TT变换的电压暂降特性研究

针对S变换的窗函数固定,以及在检测扰动信号的起止时刻、幅值变化、相位变化时的检测精度不高的问题,在S变换中引入两个调谐因子,得到一种改进的S变换,并对改进的S变换进行傅里叶反变换得到TT变换,将改进的S变换与TT变换相结合应用到主要引起电压暂降的3种暂降源中,并在MATLAB软件上对这3种暂降扰动源信号进行了仿真分析。仿真结果表明,所提的方法比使用S变换方法在检测电压暂降信号上具有更高的检测精度和更好的效果,为更好地提取暂降特征信息以及暂降源的识别打下基础。     

一种改进不完全S变换的电压暂降检测方法

为实现对电压暂降的准确快速检测,提出了一种改进不完全S变换(MIST)的电压暂降检测方法。该方法对从电网中采集到的电压信号进行快速傅里叶变换,获得信号的主要频率点;对各主频点进行改进的S变换,获得信号主频特征分量;利用这些特征分量信息实现对电压暂降扰动特征量的检测。首先描述了改进不完全S变换的原理及其参数选择的原则,然后详细叙述了电压暂降特征量的提取方法,最后对实际信号进行了仿真。仿真结果表明,该方法可有效地提取电压暂降的幅值、持续时间、相位跳变等特征信息,并且准确率高,运算量小,同时具有一定的抗干扰能力。     

基于求导和数字形态变换的电压暂降检测算法

针对目前检测电压暂降的算法存在的问题,提出了一种基于求导和数字形态变换的电压暂降检测方法,即利用求导来代替αβ-dq 变换法中的相位延迟并进行数字形态变换。仿真结果证明,所提方法能够高效实时准确地检测出电压暂降特征量,不仅能检测出相位跳变、减少系统延时,而且还具有很好的抗噪性,具有实际的应用意义。     

基于递归复小波变换的电压暂降检测虚拟仪器的设计

分析了检测电压暂降的现有算法,通过分析比较,最终选择了基于递归的复小波作为电压暂降的检测算法,由于复小波分析结果中既包含幅值信息,又包含相位信息,所以无论电压暂降信号是否具有电压幅值跳变,都能成功检测到故障发生或结束时刻。同时,利用信息熵寻找最优的小波尺度,使检测结果更加准确。利用虚拟仪器开发软件LabVIEW建立了电压暂降检测系统,利用复小波变换算法,判断电压暂降发生的起始与终止时间,最终实现了电压暂降故障的实时检测、故障报告的自动生成以及故障报文查询等功能。最后,通过模拟故障实验,验证了电压暂降检测算法的有效性。     

基于S变换的电能质量扰动信号特征分析

针对电网中谐波、电压暂降等电能质量问题,提出了一种基于S变换的扰动信号特征分析法。用Matlab对信号进行时频分解,通过分析各扰动信号经S变换的相关特性曲线,得到扰动的起始时刻、结束时刻、幅值、频率成分以及相位变化等特征。仿真结果表明,S变换能准确检测出各种扰动信号的特征,对电能质量问题的治理有重要意义。     

电压暂降源自适应S变换辨识模型

电压暂降源的准确识别对改善电能质量具有重要意义。提出了一种基于自适应S变换和多级支持向量机的电压暂降源辨识方法,针对S变换时频分辨率有限的缺点,采用自适应窗宽调整因子动态调整S变换的窗函数宽度,满足不同暂降信号对时间与频率分辨率的不同需求。将自适应S变换用于暂降信号的分析,构建S变换模矩阵,将暂降信号分解到不同的时频子空间。提取6种特征构造多级支持向量机分类器,采用粒子群优化算法寻找最优参数,最后通过多级支持向量机实现电压暂降源的识别。仿真实验证明,该方法分类过程简单,识别准确率高。     

基于广义S变换的电压骤降特征量检测方法

为实现电压骤降信号特征量的准确检测,提出并建立了基于广义S变换的电压骤降特征量检测方法。介绍了广义S变换的基本原理,构建了电压骤降特征量的计算模型,给出了电压骤降特征参数的检测流程。对离散电压信号进行广义S变换,通过广义S变换的基波幅值曲线计算电压骤降幅值;由广义S变换的高频频谱幅值和曲线得到电压骤降起始、结束时刻和电压骤降持续时间;利用广义S矩阵的相位矩阵计算得到电压骤降相位跳变值。仿真实验验证了方法的准确性。与现有检测方法相比,基于广义S变换的电压骤降特征量检测方法计算量小,准确度高,抑制噪声干扰与谐波影响效果好。     

基于改进S变换的复合电压暂降源识别特征分析

电压暂降是较常见、影响较大的电能质量问题,识别电压暂降扰动源对改善和治理电压暂降具有重要意义。分析了由线路短路故障、感应电动机启动、变压器投入等单一电压暂降扰动源和复合电压暂降扰动源引起的电压暂降现象,提出采用改进S变换分析复合电压暂降扰动源识别特征。根据基频幅值曲线和2~5倍基频幅值和曲线,从统计量、熵和能量等方面构建电压暂降识别特征指标,将这些特征指标作为支持向量机的输入实现对不同类型电压暂降扰动源的分类识别。仿真结果表明,采用改进S变换构建电压暂降识别特征指标比标准S变换在电压暂降扰动源分类识别上效果更好。     

基于BAS-SVM的配电网电压暂降源识别

电压暂降是电能质量问题的一种.为提高不同电压暂降扰动源的识别正确率,提出了一种基于天牛须搜索算法(beetle antennae search,BAS)和支持向量机(support vector machine,SVM)的电压暂降源识别方法.应用改进S变换提取不同电压暂降波形的相关幅值曲线和16个特征指标.通过天牛须搜...     

Transmission line distance relaying using a variable window short-time Fourier transform

This paper presents a new approach for transmission line protection using a variable window short-time Fourier transform known as S-transform. The S-transform (ST) is a time–frequency spectral localization method, similar to short-time Fourier transform (STFT), but with a Gaussian window whose width scales inversely, and whose height scales linearly with the frequency. The change in spectral energy of the ST of the current and voltage signals provide the information regarding fault detection. After the fault detection, the impedance to the fault point is calculated using the estimated phasors of the faulted current and voltage signals which provide accurate results even with noisy conditions. Also, the fault location is calculated using polynomial curve fitting technique with a devised index obtained from the ratio of spectral energy of the voltage and current signals, respectively.     

利用S变换时频等值线图与幅值包络向量实现电压凹陷的分类

提出了一种基于S变换的电压凹陷分类方法.该方法基于各种电压凹陷在三相幅值凹凸性、凹陷持续阶段特定谐波成分以及幅值突变次数等方面的不同特征,通过应用具有良好时频分析能力的S变换提取这些特征,并采用修正一阶中心矩、时频等值线图、相位变化曲线等环节实现对电压凹陷的分类.分类过程简明,可对故障、故障自清除、感应电动机起动以及变压器励磁等多种原因引起的电压凹陷进行正确分类.仿真验证了该方法的有效性.     

基于改进能量集中度的S变换与随机森林的电能质量扰动识别

鉴于S变换的窗口函数对不同频带信号的自适应能力差,提出一种新型的改进S变换(Modified S-Transform,MST),该方法通过引入四个辅助参数,优化高斯窗函数尺度因子的自适应能力,使改进S变换的能量集中度最大化,获得了更出色的时频分辨能力。建立了基于扰动信号幅值和相位的特征值评价体系,采用随机森林(Random Forest,RF)算法对包括标准信号和电压暂降、电压暂升、高次谐波、暂态振荡等10种扰动信号共11类电能质量信号分类识别。与已有文献采用的决策树、支持向量机和神经网络分类结果进行了对比分析,仿真试验结果表明,该方法分类准确率高,抗干扰能力强,且在训练样本少、低信噪比(Signal-to-Noise Radio,SNR)条件下分类结果优势明显。     

基于优化极限学习机的电压暂降源识别方法

准确识别电压暂降源对暂降责任分摊和治理决策至关重要。文中提出一种基于优化极限学习机的电压暂降源识别方法。通过直接提取电压暂降波形的时域特征和经S变换提取能量熵和奇异熵2种时频域特征,构建基于时域和时频域的特征向量,弥补现有方法仅采用时频变换提取特征,可能丢失仅存在于时域内的重要信息而影响识别精度的不足。针对极限学习机输入权值和隐含层偏置随机产生的不足,采用遗传算法对其进行优化,构建优化极限学习机模型,解决利用模式识别存在模型复杂和耗时较长,难以实现快速识别的问题。应用仿真数据和实测数据验证了所提特征向量和优化极限学习机模型的有效性;并与其他方法相比,证明所提模型简单、训练和分类识别速度快,识别精度更高,适用于边缘计算,可实现电压暂降源的快速准确识别。     

复杂电能信号谐波时频域特征分析及其对电能计量影响

为准确分析复杂电能信号谐波时频域特性对电能计量的影响,提出了一种零值搜索-短时傅里叶变换时频域电压、电流信号幅度和相位分析算法,利用信号波形过零特征,自适应调整短窗傅里叶变换的时域窗宽,解决了电网频率波动导致的相位累积效应对相位分析的影响,算法的幅值分析误差为10-3、相位分析误差小于1°;建立了复杂电能信号时频域数据表征模型和4类时频域全局化特征矩阵提取算法,解决了时频域特性表征与提取的问题;以典型非线性动态负荷中频炉为分析案例,分析给出了其4类时频域全局化特征,并建立了畸变波形动态电能测试信号特征模型,通过辅助实验验证了4个时频域全局化特征对电能表动态超差的影响,提出了对国际和国内标准修改的建议。