共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
基于S变换的短时电能质量扰动检测与分类 总被引:3,自引:0,他引:3
提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法.介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性.结果表明,该方法可以准确地确定扰动发生时刻和持续时间,并能简单、直观地对扰动进行分类和幅度确定. 相似文献
4.
基于S变换模矩阵的电能质量扰动信号检测与定位 总被引:8,自引:0,他引:8
针对电能质量扰动信号的检测和定位问题,提出了一种基于S模矩阵幅值平方和均值的扰动定位算法,并对常见的几种扰动信号进行S变换仿真,应用S模矩阵幅值平方和均值定位扰动发生时间和持续时间,分析谐波成分等.仿真结果表明,所提算法简洁有效,能够准确分析谐波成分和定位扰动信号,可以估计电压暂降、电压暂升以及电压中断等扰动信号的变化幅度. 相似文献
5.
基于广义S变换的短时电能质量扰动信号分类 总被引:2,自引:2,他引:2
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。 相似文献
6.
提出利用S变换下的模时频矩阵对电能质量扰动检测与识别。其核心利用S变换模时频矩阵提取电能质量扰动特征,根据模时频矩阵幅值的概率密度分布建立各种扰动的标准模板,通过计算扰动信号的模时频矩阵与标准模板的欧几里德距离确定扰动信号与各种扰动标准模板的接近程度,进而实现对扰动信号的正确识别,并通过模时频矩阵检测扰动信号的时频域特征。仿真结果表明,该方法具有较好的抗干扰性,且在信噪比较低的情况下仍能达到满意的识别效果,同时检测扰动信号的时频特征具有较高的精度。 相似文献
7.
提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法。介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性。结果表明,该方法可以准确地确定扰动发生时刻和持续时间,并能简单、直观地对扰动进行分类和幅度确定。 相似文献
8.
提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法.介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性.结果表明,该方法可以准确地确定扰动发生时刻和持续时间,并能简单、直观地对扰动进行分类和幅度确定. 相似文献
9.
10.
基于S变换的暂态电能质量扰动检测与仿真 总被引:1,自引:0,他引:1
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. 相似文献
11.
12.
13.
利用S变换与变尺度模板标准化的短时电能质量扰动分类 总被引:1,自引:0,他引:1
提出一种利用S变换与变尺度模板标准化的短时电能质量扰动分类方法。首先利用S变换对扰动信号进行时频分析;然后以最小二乘法选取最佳缩放尺度,通过变尺度方法标准化不同持续时间、幅值的扰动特征,在此基础上建立唯一的、时间尺度和频宽分辨率统一的各类扰动标准模板,作为识别扰动类型的直接判据;最后通过模板匹配的方法实现扰动分类。该方法不使用任何人工智能分类器,分类原理简单,过程明确,且可用于不同时间长度的扰动分类。Matlab仿真和实际试验结果显示,该方法能准确地对扰动进行分类且对噪声不敏感,是一种有效的短时电能质量扰动分类方法。 相似文献
14.
基于S变换和时域分析的电能质量扰动识别 总被引:6,自引:6,他引:6
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。 相似文献
15.
16.
17.
基于S变换和最小二乘支持向量机的电能质量扰动识别 总被引:2,自引:0,他引:2
采用S变换和最小二乘支持向量机相结合,构建了一种电能质量扰动识别的新方法.首先利用S变换对电能质量扰动信号进行时频分解;然后,从扰动信号S变换的结果中,提取扰动信号的特征向量,组成训练样本和测试样本;最后,使用最小输出编码的最小二乘支持向量机对扰动信号进行训练,实现电能质量扰动信号自动分类和识别.仿真结果表明,该方法识别准确率高,抗噪能力强,且训练时间很短,适用于电能质量扰动辨识系统. 相似文献