暂态电能质量的DOST检测方法

针对S变换计算量大、冗余度高、较难实时检测暂态电能质量扰动信号,提出一种基于S变换的离散正交S变换DOST(discrete orthogonal S-transform),该算法通过求取一组正交基函数和时间序列的内积得到类似于S变换的时频矩阵。利用离散正交变换对常见的暂态电能质量扰动信号进行变换,并对变换得到的时频模矩阵进行平方和均值运算,提取幅值突变时刻确定扰动起止时间和信号频率。仿真结果表明,所提算法具有运行速度快、简单明了等优点,并且可以对S变换不能处理的含有谐波的复合扰动信号进行检测。     

基于S变换的暂态电能质量扰动检测与仿真

出了基于S变换的暂态电能质量扰动检测的新方法.介绍了S变换的基本原理和利用S变换的幅值矩阵检测电能质量扰动的实现方法.仿真试验表明该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于电能质量扰动的监测和辨识系统.     

基于S变换的暂态电能质量扰动检测与仿真

提出了基于S变换的暂态电能质量扰动检测的新方法。介绍了S变换的基本原理和利用S变换的幅值矩阵检测电能质量扰动的实现方法。仿真试验表明该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于电能质量扰动的监测和辨识系统。     

电能质量扰动分析中广义S变换算法的改进与实现

基于传统广义S变换的电能质量扰动分析方法计算量大,不利于信号的实时检测与分类,且存在信噪比不高时检测精度仍较低和分类正确率不高的问题。该文对传统广义S变换算法进行改进并应用于电能质量扰动分析。首先,利用快速傅里叶变换估计信号频率,缩小频域分析范围,大幅度节省计算时间;其次,用双高斯窗替代传统高斯窗,解决传统广义S变换检测扰动起止时间的幅值曲线变化缓慢的问题,并通过自适应选择双高斯窗参数,信号变换后得到的模时频矩阵信息更加可靠。最后,借助Matlab R2010b仿真平台引入新的电能质量扰动指标准确估计扰动起止时间信息和依据提取有效特征信息直接分类或借助简单的判别树识别特定扰动,提高了分类效率和正确率。通过对12种电能质量扰动信号的分析结果,验证了文中方法的有效性。     

短时电能质量扰动检测的一种新方法

将DCT(离散余弦变换)变换和差变算法结合起来进行短时电能质量扰动的检测。对含强噪声的短时电能质量扰动采样信号(电压凹陷、电压凸起和电压间断)进行DCT变换,从所得DCT系数中提取出差变信号,通过DCT系数和差变序列检测出扰动的幅值和起止时间。仿真结果表明,用该方法检测扰动,分析过程简单,利用DCT系数的噪声鲁棒性能实现强噪声环境下的扰动信号检测,且检测精度较高。     

基于广义S变换的暂态电能质量检测方法

针对目前暂态电能质量问题检测的问题,本文提出一种基于广义S变换的暂态电能质量检测方法。引入尺度调节系数k,并且通过对比分析选择最佳参数。利用广义S变换得到模时频矩阵,利用其在高频处的时间幅值曲线进行定位分析得到扰动信号发生的起止时刻,再根据最大频谱曲线、基频幅值曲线与定位结果提取4个的扰动特征量,并利用简单的分类规则树方法进行识别。最后给出相应的仿真验证,验证所提方法的有效性。     

短时电能质量扰动检测的一种新方法

将DCT(离散余弦变换)变换和差变算法结合起来进行短时电能质量扰动的检测.对含强噪声的短时电能质量扰动采样信号(电压凹陷、电压凸起和电压间断)进行DCT变换,从所得DCT系数中提取出差变信号,通过DCT系数和差变序列检测出扰动的幅值和起止时间.仿真结果表明,用该方法检测扰动,分析过程简单,利用DCT系数的噪声鲁棒性能实现强噪声环境下的扰动信号检测,且检测精度较高.     

基于二维离散平稳小波变换的短时电能质量扰动检测方法

基于二维离散平稳小波变换，提出了一种精确定位短时电能质量扰动起止时刻的检测方法。利用二维小波变换将信号分解在3个不同的高频方向，用水平高频系数精确定位发生在工频相位过零点的电压凹陷的起止时刻，用垂直高频与斜线高频系数之和精确定位发生在工频相位非过零点的电压凹陷的起止时刻。该方法只需采用最简单的小波函数db1对信号进行1层小波变换，简单易行且对噪声不敏感。运用Matlab6.5进行仿真实验，验证了该方法的有效性、准确性和鲁棒性。     

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。     

采用TT变换的电能质量扰动检测与分类方法

针对电能质量扰动的检测与分类问题,提出一种基于TT变换和规则树的检测与识别方法。首先依据TT变换矩阵对角线元素的离散傅里叶变换所得的频率特性曲线和TT变换模矩阵对角线元素序列,提取3个特征量,初步判断是否含有谐波;然后对不含谐波的扰动,通过TT变换模矩阵对角线序列定位扰动起止时刻并计算扰动幅度;对于含有谐波的扰动,运用二次TT变换模矩阵行均值曲线突变点检测扰动时刻,运用一次TT变换模矩阵列均值曲线计算扰动幅度;最后,运用简单的规则树实现扰动分类。仿真结果验证了所提方法的可行性和有效性。     

基于二进小波变换的电能质量扰动检测

电能质量扰动起止时刻和持续时间是描述扰动的重要属性,为了对电能质量进行分析与评估,需要对其进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。连续小波变换的计算量大,存在较大冗余,而多分辨率分析的方法由于进行了二抽取,难以直接根据变换结果进行检测,需要重构信号,因此,采用了二进小波变换对电能质量扰动进行检测。使用电磁暂态分析程序ATP仿真软件对电能质量扰动信号进行了仿真,用样条小波进行二进小波变换,检测结果表明在分解尺度一上可以实现较为准确的检测。     

基于SVD的电压跌落持续时间检测新方法

针对电压跌落持续时间检测问题,提出了一种利用Hankel矩阵奇异值分解（ SVD）理论检测电压跌落起止时刻新方法,并对不同跌落幅值、谐波和噪声三种干扰下的信号进行适用性仿真分析,并提出对含噪声电压跌落信号选择合适的SVD分量进行信号重构,对重构信号进行SVD检测电压跌落起止时刻。通过 Matlab7．0平台仿真验证所提方法有效性,结果表明该检测方法原理简单,检测精度较高,适用性较强。     

基于S变换和时域分析的电能质量扰动识别

提出了一种基于S变换(S-Transform,ST)和时域分析的电能质量扰动自动识别方法,该方法利用信号的S变换幅值矩阵和时域信息快速提取与各类电能质量扰动相应的特征,并借助简单的规则树识别特定的扰动,避免了因训练样本不足引起的较大误差,提高了识别效率。仿真试验结果表明,该方法识别率高,抗噪能力强,适用于电能质量扰动监测和辨识系统。     

基于广义S变换的短时电能质量扰动的模糊模式识别

针对电能质量的短时扰动的分类问题,提出了一种基于广义S变换和模糊模式识别的短时电能质量的分类方法。先对扰动信号作广义S变换得到模时频矩阵,再从该矩阵中提取4种统计量特征值,然后利用模糊模式识别方法的最大隶属度原则对扰动信号进行归类,从而实现对短时电能质量扰动信号的自动分类。仿真测试结果表明,该方法识别正确率高且对噪声不敏感,适用于实际应用。     

基于广义S变换的短时电能质量扰动信号分类

提出一种基于广义S变换的短时电能质量扰动信号分类方法。首先对短时电能质量扰动信号进行广义S变换,得到模矩阵,再从模时频矩阵中提取5种统计量特征值,然后利用决策树对扰动信号进行归类,从而实现对短时电能质量扰动信号的自动分类。仿真结果表明,该方法识别正确率高,且对噪声不敏感,适用于实际电网电能质量扰动信号的分析。     

应用能量算子和改进MODWT的孤岛检测算法研究

针对传统孤岛检测法定位精度差、抗噪性能不强的问题,提出了一种应用能量算子和改进最大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)的孤岛检测算法。为了有效解决MODWT算法的边界效应问题,在传统MODWT算法的基础上,采用环形边界系数更新原来的小波系数,并通过滑动窗口分析其能量。再将该算法应用于孤岛检测,用处理得到的细节系数和近似系数能量分析孤岛状态下公共耦合点的电压扰动信号特征。仿真结果表明,该算法可准确检测电压扰动信号的起始时刻和幅值变化,且在实际信号检测中不受母小波和分解层数影响、抗噪能力强且时延偏差小。     

基于广义S变换模时频矩阵的局部放电特高频信号去噪方法

为有效抑制局部放电特高频信号中的噪声干扰,提出一种基于广义S变换模时频矩阵的去噪方法。基于二维模时频矩阵,采用区域最大能量法提取周期性窄带干扰的特征量,并通过矩阵逆向分离将其去除;采用奇异值分解去噪方法抑制信号中的高斯白噪声。使用该方法对仿真信号和实验室实测信号进行去噪处理,并与传统方法去噪结果进行对比。结果表明,所提方法能有效抑制局部放电信号特高频信号中的噪声,同时更好地保留了原始局部放电信号特征。对现场实测信号进行去噪处理,与传统方法相比,该方法具有较高的噪声抑制比和较低的幅值衰减比,可以有效提取局部放电超高频信号。     

基于S变换和IWOA-SVM的复合电能质量扰动识别

针对目前复合电能质量扰动（PQD）信号特征冗余,分类识别准确率低的问题,提出了一种基于S变换和改进鲸鱼算法支持向量机（IWOA-SVM）的复合电能质量扰动识别方法。首先,利用S变换对7种单一电能质量扰动和生成的13种复合扰动信号进行时频分析,使复杂扰动信号的特征得以凸显。设计特征提取方法,从实频矩阵中尽可能地获取便于分类的信号特征信息;其次,引入自适应权重因子和随机差分变异策略对WOA进行优化,提升其搜索能力;最后建立IWOA-SVM分类预测模型,优化SVM高斯核函数参数,以获得更好的鲁棒性和泛化能力,对提取的特征样本进行自动分类和识别。实验结果表明,所提方法分类识别准确率高,能有效识别多种复合PQD信号,有助于评估与治理电能质量问题。     

Power quality disturbance classificationbased on time-frequency domain multifeatureand decision tree

Accurate classification of power quality disturbance is the premise and basis for improving and governing power quality. A method for power quality disturbance classification based on time-frequency domain multi-feature and decision tree is presented. Wavelet transform and S-transform are used to extract the feature quantity of each power quality disturbance signal, and a decision tree with classification rules is then constructed for classification and recognition based on the extracted feature quantity. The classification rules and decision tree classifier are established by combining the energy spectrum feature quantity extracted by wavelet transform and other seven time-frequency domain feature quantities extracted by S-transform. Simulation results show that the proposed method can effectively identify six types of common single disturbance signals and two mixed disturbance signals, with fast classification speed and adequate noise resistance. Its classification accuracy is also higher than those of support vector machine (SVM) and k-nearest neighbor (KNN) algorithms. Compared with the method that only uses S-transform, the proposed feature extraction method has more abundant features and higher classification accuracy for power quality disturbance.     

基于S变换的电能质量扰动支持向量机分类识别

采用s变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展，S变换引入了宽度与频率成反向变化的高斯窗，具有与频率相关的分辨率。由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。