基于时域特征分析的电能质量扰动分类

在分析电能质量扰动信号的时域特征的基础上,提取了4个用于分类电能质量扰动的特征量,并且提出了一种电能质量扰动分类方法。所提取的扰动分类特征量具有较为明确的物理意义,因此,有利于对各种电能质量扰动进行估值;某一特征量或某几个特征量能唯一确定一种扰动,使扰动判断不再具有或然性;任一扰动的特征量不因其他扰动的存在而改变其值,因此,可以准确辨别出混合扰动。MATLAB仿真和分析表明,该方法能有效地分类更多的单一和混合电能质量扰动,并且计算耗时更少。     

基于dq变换和ANN的电能质量扰动辨识

提出了一种利用dq变换提取信号特征，并结合神经网络来识别电能质量扰动信号类型的方法。该方法通过对测量的某一相电压由单相延迟构造三相，进行dq变换提取扰动的特征量，作为人工神经网络(ANN)的输入，从而对电能质量扰动信号类型进行识别。所提出的方法可用于电能质量扰动的实时监测与统计分析。仿真分析验证了该方法的有效性。     

几种短时电能质量扰动分类和检测的双小波分析法

提出了短时电能质量扰动分类和检测的双小波分析法。利用双小波（db1和db24）各自的优点，把电能质量5种扰动（电压凹陷、电压凸起、电压间断、暂态脉冲和暂态振荡）有效地从含有噪声的采样信号中鉴别出来，并能实现扰动的各项指标测定。该方法弥补了以往小波检测方法中，当噪声污染严重或扰动发生、终止在工频相角为0或π附近时，可能检测不到或误判断的不足。仿真计算结果表明，该方法对扰动的分类简单、有效，对扰动各项指标测定尤其是电压凹陷、凸起和间断的时刻及幅度的确定，精度甚高。     

基于相空间重构和支持向量机的电能扰动分类方法

电能扰动的分类需要信号特性提取和分类器构造2个阶段，文中采用相空间重构和支持向量机的组合，提出了一种全新的电能扰动信号的分类方法。首先利用相空间重构方法构造扰动信号轨迹，通过编码获得二进制轨迹图像。针对该图像定义了4类具有区别性的指标，以表征不同扰动类型的特性。然后将特性指标作为支持向量机分类器的输入矢量，实现自动分类识别。算例表明该方法计算量少，正确率高，所需训练样本少，可以有效分类识别电压暂降、电压瞬升、电压中断、脉冲振荡、谐波、闪变等6种电能扰动。