采用时频矩阵奇异值分解和多级支持向量机的雷电及操作过电压识别

雷电及操作过电压的识别,对改进和提高电力系统绝缘配合水平具有重要意义.提出了一种基于时频矩阵奇异值分解(singular value decomposition,SVD)和多级支持向量机(support vector machine,SVM)的雷电及操作过电压识别方法,通过对过电压信号的小波分解,构建多尺度时频矩阵,利用 SVD 对该矩阵进行奇异值分解,将信号分解到不同的时频特征子空间,然后获取过电压信号的奇异谱,并计算奇异谱的特征量,将这些特征量作为多级 SVM 的输入,实现雷电及操作过电压的辨识.对变电站实测5种过电压信号的计算表明:提取的特征量维数低,对过电压信号的电磁干扰具有相对稳定性;采用的识别方法训练次数少,识别率高,能够实现雷电及操作过电压的准确分类.     

S变换模矩阵和最小二乘SVM在雷电及操作过电压识别中的应用

提出一种基于S变换模矩阵和最小二乘支持向量机(SVM)的雷电及操作过电压识别方法。通过对零序过电压信号的S变换模矩阵进行奇异值分解,将过电压信号的特征信息分解到不同的时频特征子空间,提取奇异值的5类统计特征参量作为过电压识别的特征向量,并将其输入最小二乘SVM分类器,实现雷电及操作过电压的类型识别。过电压实测数据表明:所提特征方法的特征量维数低,抗干扰能力强;采用的识别方法训练次数少,识别率高,可较好地应用于雷电及操作过电压的识别。     

采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法

配电开关振动信号具有非线性非平稳特性,蕴含有机械状态信息。提出一种采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法,对振动信号做希尔伯特-黄变换以进行带通滤波,构造其时频矩阵,对该矩阵进行奇异值分解,可将振动信号的特征信息分解到不同的时频子空间,以得到的时频矩阵奇异值作为振动信号的特征量,用于表征配电开关的机械状态。对配电开关在正常及卸掉A相触头绝缘拉杆、机械结构卡涩、底座螺丝松动等3种典型故障情况下实测振动信号的时频矩阵奇异值做模糊c均值聚类,结果表明该特征量能够准确、有效地表征配电开关的机械状态。     

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。     

基于短时傅里叶变换的电能质量扰动识别与采用奇异值分解的扰动时间定位

提出了用短时傅里叶变换作为时频信号分析工具研究电能质量扰动识别问题,同时提出了用奇异值分解技术研究扰动时间定位问题。从扰动电压信号短时傅里叶变换后得到的二维频谱幅值矩阵中提取出4个特征序列,生成频谱峰值曲线、基频幅值曲线、高频幅值曲线和幅值标准差曲线,这些曲线用6个特征量来表征。当6个特征量中的某几个满足一定的取值组合...     

基于自适应S变换与截断紧致奇异值分解的局部放电源复杂染噪特征提取方法

针对局部放电（PD）源信号复杂染噪,导致PD源特征提取较为困难的问题,提出一种基于自适应S变换与截断紧致奇异值分解（TCSVD）的PD源复杂染噪特征提取方法。首先,对S变换进行了优化改进,应用于PD源获取时频域矩阵,自适应的滤除窄带干扰信号,提取局部放电有用时频信号;其次,利用紧致奇异值分解对提取的时频矩阵进行分解;然后,提出拟合求导法寻找到奇异值阈值参数并对奇异值进行截断,从而滤除PD源中的白噪声信号;最后,通过理论仿真与现场测试对该文所提出的PD源特征提取方法进行了验证分析。实验结果表明,该特征提取方法对复杂染噪的PD信号有很好的特征提取能力,能够有效地提取局部放电信号的有用信息。     

基于时频矩阵相似度的输电线路暂态保护方法

为提高传统暂态保护方法的可靠性,综合运用宽频带暂态信号在时域和频域上的故障信息,提出一种输电线路保护新方法。该方法利用S变换提取宽频带暂态信号在不同时段不同频带下的故障信息,通过构造时频矩阵来反映暂态信号的时频变化特性;利用奇异值分解提取时频矩阵的时频特征,并减少矩阵冗余量;将奇异值矩阵与样本库矩阵进行时频特征匹配,计算矩阵相似度;根据矩阵相似度判别区内外故障。仿真结果表明,该暂态保护方法能准确快速识别区内外故障。     

一种基于LCD-Hilbert变换和奇异谱熵的配电网暂时过电压类型识别方法

针对当前电力系统配网领域的过电压识别问题,提出一种基于时频分布特征的配电网暂时过电压分类识别方法。在暂时过电压中,单相金属性接地过电压的三相电压能量分布均匀度最低,间歇性弧光接地零序电压的直流分量最高,铁磁谐振零序电压信号在幅值和频率集中频带上存在很大差异。计算零序电压能量贡献率、零序电压平均值和三相电压奇异谱熵,提取过电压信号的时域能量分布特征;采用局部特征尺度分解(LCD)和Hilbert变换结合带通滤波算法计算零序电压重心频带,提取过电压信号的频域能量分布特征;结合阈值判别法实现暂时过电压类型识别。该方法不需要分类器,算法简单,计算时间少。仿真和实验表明该识别方法在不同故障条件下均有更高的识别率。     

利用S变换局部奇异值的同调机组识别方法

文中提出一种利用S变换局部奇异值的同调机组识别方法.将广域测量系统(Wide Area MeasurementSystem,WAMS)采集到的系统发电机功角信息进行S变换,得到每台发电机的时频信息模值矩阵,将矩阵分割成块,计算各个子块的最大奇异值,利用时频信息模值矩阵中各个子块最大奇异值构造机组特征矩阵,采用分布聚类法对特征矩阵进行聚类分群.IEEE-39节点系统算例表明,该方法能够有效提取功角信息特征,具有很强的抗噪性,能够在不同故障类型下准确识别同调机组.     

局部放电奇异值特征及其混合噪声的自适应抑制

为了抑制局部放电信号中混杂的窄带干扰和白噪声,文中首先分析了典型局部放电、窄带干扰和白噪声信号的Hankel矩阵奇异值的分布特征;提出了确定窄带干扰和典型局放奇异值有效阶次的自适应方法;将信号Hankel矩阵的有效阶次奇异值作为其特征量,在染噪信号中去除窄带干扰后重构信号,截取局部重构信号从中提取局放。通过对模拟和实测染噪信号的处理,验证了文中方法去除窄带干扰和白噪声的有效性。     

基于奇异值总体最小二乘法的间谐波估计算法

通过分析噪声误差,提出采用奇异值总体最小二乘(singular value decomposition total least squares,SVDTLS)算法进行间谐波频率估计,即同时考虑矩阵方程两边的噪声干扰,采用SVDTLS算法求解该情况下的最小范数解,通过对增广矩阵进行奇异值分解(singular value decomposition,SVD),采用简单实用的与信噪比相关的主奇异值个数确定方法对分解的右奇异矩阵进行存储计算,得到了较精确的间谐波频率估计结果。仿真结果表明,该算法具有良好的抗噪性能和数值稳定性,在低信噪比情况下可准确提取信号的频率。     

基于 CWD 及分块 SVD 的配电开关故障诊断方法

通常,配电开关分合闸操作产生的振动信号中蕴含有体现机械状态的重要信息。提出一种基于振动信号分析的新型配电开关故障诊断方法。首先对振动信号求取乔-威廉斯分布获得二维时频矩阵,然后对时频矩阵作分块奇异值分解,用于表征不同机械状态的时频特性,最后结合极限学习机算法对4类实测振动信号的特征向量进行训练和测试。所提方法的优点是有效提取了配电开关振动信号时频域的特征,并且可以在较少样本的情况下训练诊断模型。基于实测数据的实验表明,该方法具有较高的识别精度和较快的收敛速度。     

基于ST-SVD与WOA-SVM模型的变压器绕组松动故障诊断方法

为了深入研究变压器振动信号包含的大量故障信息,提出了一种基于S变换奇异值分解(ST-SVD)与鲸鱼优化支持向量机(WOA-SVM)模型的变压器绕组松动故障诊断方法。首先,基于变压器故障模拟试验平台采集变压器绕组处于不同状态下的振动信号。其次,对变压器振动信号进行S变换获取其时频矩阵。再次,计算出时频矩阵对应的幅值矩阵进行SVD,并定义特征向量。最后,采用鲸鱼优化算法优化SVM模型参数,并输入特征向量完成故障诊断。试验结果表明,所提方法故障识别准确率高于传统方法模型,适用于变压器绕组松动故障诊断。     

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法

为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy, TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine, ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

为了满足对电网非平稳扰动信号快速、准确分析的要求,提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰,并通过奇异值梯度求取扰动指示信号,得到初步定位结果。提出无参自适应阈值,进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单,无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明,所提算法定位准确、抗干扰能力强,对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析,进一步验证了所提算法的有效性。     

基于DTCWT-DBN的配电网内部过电压类型识别

提出一种基于双树复小波变换(DTCWT)-深度信念网络(DBN)的配电网内部过电压识别方法。将10 kV母线三相过电压信号进行双树复小波变换,再通过奇异值分解降维,将所得奇异值作为特征值输入训练好的深度信念网络分类器,实现对7种典型的内部过电压的类型识别。利用ATP/EMTP仿真数据和物理实验平台上的故障波形对所提算法进行训练和测试,并将之与其他分类算法进行对比。结果表明,相较于所列举的其他方法,所提算法具有更强的特征提取能力和更高的识别准确率。     

一种改进EMD-SVD算法的暂态电能质量扰动信号消噪研究

针对小波变换在暂态电能质量消噪方面对高频有用信号误滤除,造成消噪后信号失真严重,或毛刺过多现象,提出一种结合经验模态分解(EMD)的改进奇异值分解(SVD)降噪方法,该方法采用EMD将噪声信号进行初步滤除,通过构造Hankel矩阵,利用左右奇异向量确定奇异矩阵,根据奇异值的分布规律,提出一种改进的奇异值差分方法来确定有效奇异矩阵阶次,从而完成消噪后信号的重构.结果 显示该方法去噪效果较好,特别对电压暂降和电压中断的效果最为明显,其信噪比分别提高了2.9 dB和7.3 dB以上,验证了所述方法的有效性.     

基于DD-PCA的可靠性水印改进算法

针对基于奇异值分解(SVD)算法常有的高虚警问题,提出了基于双重分解主成分分析DD-PCA的可靠性图像水印改进技术.算法对水印图像采用SVD方法进行主成分提取,然后将提取的水印图像主成分嵌入到载体图像的SVD变换的奇异值中,创新性地对嵌入主成分后的奇异值进行二次奇异值分解,进行ISVD (inverse-SVD)变换即可得到嵌入水印的图像.通过该方法使得提出的算法具有较好的水印不可见性,通过进行加噪、压缩、模糊、几何变形攻击,验证了算法具有较好的鲁棒性.     

基于随机奇异值分解的局部放电脉冲提取及去噪技术

针对低信噪比下局部放电信号易漏检与传统奇异值分解算法在进行局放脉冲提取时计算量大的问题,提出一种基于随机奇异值分解的局部放电脉冲提取及去噪方法。该方法能有效提取局放脉冲及去除白噪声,且相较于传统SVD脉冲提取计算所需时间更短,更具工程实用价值。首先,利用滑动短时数据窗截取原始局放信号片段,采用随机奇异值分解法计算最大奇异值,并与全局最优奇异值阈值进行比较,确定脉冲信号的起止点;然后,利用奇异值分解法结合局部最优奇异值阈值,去除提取信号的白噪声。通过对典型局放模拟脉冲进行实验,验证了该算法在脉冲提取时的执行效率优越性。在工频电压下对实验室模拟电缆缺陷进行局放测试,分别采用所提方法、离散小波变换及自适应双阈值方法进行对比性实验,结果表明,所提方法局放信号漏检率低,去噪效果好。