基于S变换和决策树算法的电能质量扰动识别

提出一种基于S变换和数据挖掘中决策树算法的电能质量扰动识别的方法.该方法首先用S变换对电能质量扰动波形进行时频分析,并使用统计方法提取相关特征量,然后用决策树算法对提取的特征量样本进行分类,并获得明确的分支规则.仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应速度快.     

采用多分辨率广义S变换的电能质量扰动识别

为提高电能质量复合扰动识别能力,提出一种采用多分辨率广义S变换(multiresolution generalized S-transform,GST)的扰动识别方法.首先,将信号频谱分为低频、中频、高频3个频域,分别设定窗宽调整因子,使其在各个频域具有不同的时-频分辨率,满足不同扰动信号识别要求.并针对高频振荡识别问题,设计基于基频傅里叶谱特征的自适应窗宽调整方法.在此基础上,提取6种特征用于构建决策树.最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器.仿真与实测信号实验证明,新方法能够准确识别含5种复合扰动在内的13种扰动.相较于S变换、广义S变换和Hyperbolic S变换,新方法具有更好的特征表现能力,分类效果好,抗噪声干扰能力强.     

基于改进S变换和DSVM的电能质量扰动识别

针对采用S变换和支持向量机(SVM)的电能质量识别扰动信号时存在的受噪声较大及泛化能力低的缺陷,本文结合电能质量扰动信号的特点,在围绕S变换这一时频分析工具上,增加了参数g用于调整时频分辨率,解决了常规S变换受噪声较大的特征提取问题.然后引入直接支持向量机(DSVM)模型,通过典型数值试验,证明DSVM比SVM和LSSVM模型的学习和预测速度更快的优势.最后使用DSVM对扰动信号进行训练,实现电能质量扰动信号自动识别和分类.通过与已有文献的分类结果对比试验表明,该算法不仅求解更简单,且泛化能力也并未降低,拓展了SVM在电能质量扰动中的应用.     

基于小波变换的电能质量扰动分析

小波变换是在傅里叶变换的基础上发展起来的一种时-频域分析方法,通过利用小波变换技术对电能质量问题进行了研究,建立了小波快速算法,并运用该方法实现了对电能质量扰动的检测和定位.     

电能质量暂态扰动的HS变换检测方法

为提高电能质量暂态扰动检测定位能力,设计一种采用Hyperbolic S变换(HS变换)的扰动检测方法.在采用HS变换处理电能质量信号的基础上,通过计算HS变换模矩阵上各采样点不同频率对应的幅值之和未定位扰动起止点.新方法首先通过阈值对幅值和曲线进行预处理;之后,采用峰值点定位扰动起止时间.仿真实验证明,新方法实现了不同参数条件下电压暂降、电压暂升、电压中断、电磁脉冲、电压尖峰、电压切痕、振荡暂态等7种扰动的准确检测.该算法具有较好的鲁棒性与抗噪性,受不同扰动参数影响较小,符合实际环境下的扰动定位要求.     

基于小波变换的电能质量扰动检测与定位

文中针对小波变换模极大值检测原理及其在电压暂降、骤升扰动信号检测中的应用进行了详细研究。介绍了小波变换理论,提出了采用小波多分辨率信号分解的电能质量暂态干扰检测新方法,通过检测小波变换模极大值,实现了对电压暂降扰动发生、恢复时间的精确定位。仿真计算结果表明该检测方法是有效的。     

时频分析方法在电能质量扰动检测与识别中的应用

全面综述了时频分析方法在电能质量扰动分析中的应用。分别对基于小波变换、短时傅里叶变换、S变换和Hilbert-hung变换等几种时频分析方法在电能质量扰动检测与扰动类型识别中的应用加以讨论,并就值得进一步研究的问题及今后的主要研究方向进行了展望。     

小波变换在电能质量扰动检测与定位中的应用

论述小了波多分辨率信号的分解原理,提出了采用小波多分辨率信号分解的电能质量暂态干扰检测新方法.给出了电压下凹、短时断电、冲击信号等电能质量干扰检测与时频分析的仿真实验.结果证明,该方法对暂态电能质量的检测是有效的.     

检测和定位电能质量扰动的小波变换法

由于小波变换能够突出信号局部特征,由此探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了对电网电压跌落及周期脉冲等典型电能质量扰动进行检测与定位的方法.进行了相应的仿真研究,验证了此方法的有效性.结果证实了小波变换能更精确地检测和定位电能质量扰动.     

基于广义S变换的主频率分析

基于常规的主参数分析原理,从高精度时频分析的角度出发,采用广义S变换进行计算,提出了一种新的基于广义S变换的主频率分析方法。该方法采用窗函数可变的广义S变换进行计算,不仅具有一定的抑制噪声的能力,而且充分利用了广义S变换分辨薄层的能力。实际资料的计算结果表明,该方法得到的主频率剖面不仅有效地突出了弱反射同向轴,有利于反射同向轴的对比追踪,而且具有很强的分辨薄层的能力,得到的主频率剖面具有很高的纵向分辨率,有利于地震资料的精细处理和解释。     

短时电能质量扰动变尺度标杆相似度识别

利用S变换模矩阵相似度识别持续时间不同的电能质量扰动信号,需要建立维数不同的标准模板.应用双线性插值法对S变换模时频矩阵进行尺度变换,对不同持续时间的同类扰动可建立统一的标杆模板,减少了标准模板数.根据最大相似度原理,通过简单的四则运算对扰动进行分类,无需添加任何分类器,分类过程简洁有效.仿真证明,该方法对噪声不敏感,能较好地解决不同持续时间的电能质量扰动分类问题.     

优化核参数的SVM在电能质量扰动分类中的应用

针对短时电能质量变化和暂态扰动现象的不同特点,建立常见电能质量扰动的数学模型.运用小波变换对暂态电能质量扰动现象的内在特征进行提取,将扰动电压变化率绝对值、扰动能量变化量作为暂态电能质量扰动的特征向量.根据支持向量机的基本原理,给出一种推广误差上界估计判据,利用此判据进行最优核参数的自动选取,利用支持向量机进行训练和测...     

基于广义S变换的时相调制时频聚集性能优化

为了提高时相调制(TPM)信号S变换的时频聚集性能,将广义S变换(GST)应用于TPM信号的时频分析中.GST在标准S变换窗函数的基础上,增加了可控参量,利用优化新增参量的算法,优化时频域各频率点处的时窗宽度,从而达到提高时频聚集性能的目的.仿真结果表明,广义S变换方法与标准S变换相比,能有效提高TPM信号的时频聚集性能,同时保持了TPM信号用于携带信息相位突变的特性,有利于下一步的信号检测.     

基于多分辨率分析的电能质量扰动信号的检测

本文提出了基于时-频技术的小波分析对电力系统暂态和畸变信号的识别方法,采用了具有无限可导性、双正交性和没有频带混叠现象的Meyer小波基函数.该方法可以很精确地检测畸变信号产生的时刻和持续时间.给出了几个电能质量畸变信号的仿真试验,证实了该方法的准确性.     

基于PCA降维和优化核参数SVM的电能质量扰动分类

首先对采样信号用db4小波进行10层的多分辨分解,提取扰动信号各层能量与标准信号的能量差作为特征向量;然后用PCA对特征向量进行降维,取3维数据作为分类的特征向量,并将训练集采用交叉验证的方法自适应选择最优参数,并构造训练集模型;最后将测试集数据代入训练集模型进行分类测试.测试结果表明,在PCA降维后可以实现扰动的分类:分辨率高;抗噪能力强;适用于电能质量扰动的分类.     

基于LabVIEW的电能质量监测系统研究

针对传统的电能质量分析仪以硬件为核心、功能单一、成本高、数据处理慢等问题,设计了一种基于虚拟仪器平台LabVIEW的电能质量监测系统,采用多线程处理技术实现了对电压电流8路采集信号的并行处理,采用FFT和小波变换实现对稳态参量和暂态参量的计算,最终达到对电能质量的5项指标进行实时监测与分析.经测试,系统性能稳定、操作简单、可扩展性强、并达到国家电能质量检测A级仪器标准.     

基于分布式电网电能质量监测装置的研制

针对分布式电网中存在的高次谐波以及电能质量参数需要进行长期实时监测和分析的状况,设计了一种以TMS320C6747芯片为核心处理器,以STM32F103芯片为数据管理器,并结合高速同步数据采集卡(内置A/D转换芯片)、双口RAM等硬件的新型电能质量监测装置.通过Linux操作系统实现了对数据采集模块的操作控制,以及监测数据的显示、管理、通讯等功能.与其他同类装置相比,本系统具有数据处理能力强、精度高、集成硬件资源丰富等特点,可实现实时监测的要求,大大提高了监控系统的可靠性.     

电能质量评估体系分析

在电力市场环境下,电能质量将影响电能的价格,不同的电力用户对电能质量有不同的需求,因此需要对电能质量进行科学评估.以电力市场为出发点,阐述了电能质量评估的现状、评估体系的建立与意义等,分析了评估在电能质量建设中的重要性.     

基于电力载波通信的电能质量监测系统设计

提出了一种基于电力载波通信的电能质量监测系统,该系统通过传感器测量电能参数及计算谐波频谱,其测得数据信息经电力载波通信单元汇集至集中器,集中器在ARM控制器构建Linux服务器,整个通信网络使用Modbus现场总线协议,PC客户端可以登录该服务器查看信息。该产品可进行电能监测,有助于提高电网稳定性。