基于BAS-SVM的配电网电压暂降源识别

电压暂降是电能质量问题的一种.为提高不同电压暂降扰动源的识别正确率,提出了一种基于天牛须搜索算法(beetle antennae search,BAS)和支持向量机(support vector machine,SVM)的电压暂降源识别方法.应用改进S变换提取不同电压暂降波形的相关幅值曲线和16个特征指标.通过天牛须搜...     

基于最小变异系数的配电网电压暂降源模型识别方法

提出了一种基于最小变异系数的配电网电压暂降源模型识别故障定位方法。该方法通过获得配电网中各个节点短路时监测点所测得的电压暂降特性,建立在不同故障类型条件下的电压暂降源识别模型,根据实际配电网发生故障时监测点所测得的电压暂降数据,用电压不平衡度公式区分出故障类型后,再与相应故障类型的电压暂降源识别模型进行比对,得到最小平均变异系数的区段则具有最大概率为故障区段。该方法将配电网故障选线和配电网故障区段定位融合在一起,经EMTDC仿真验证,有较高的准确性和有效性。     

基于GWO-SVM的电压暂降扰动源识别

针对电压暂降扰动事件发生频繁、扰动种类多样,难以有效识别扰动源的实际情况,结合电压暂降扰动信号的时-频特性、灰狼优化算法(GWO)和支持向量机(SVM)分类模型,提出了一种电压暂降扰动源识别新方法。通过S变换对电压暂降扰动信号进行多分辨率时-频分析,从S变换结果矩阵中提取出信号的特征曲线,建立6类电压暂降混合扰动信号的8个特征量。构建GWO-SVM一对余(OVR)分类器,以提取出的特征量作为输入,对扰动源进行分类识别。基于MATLAB/Simulink构建电压暂降模型,经仿真验证分析,该方法可以有效识别电压暂降扰动源,也为电压暂降扰动治理提供必要的技术支撑。     

基于S变换与多维分形的电压暂降源特征识别

电压暂降源的分类与识别是合理制定电压暂降治理方案,明确事故责任的基础.分析了由系统短路故障、大型感应电动机启动和大容量变压器投运引起的单一暂降信号和复合暂降信号的特征,采用S变换分析暂降信号的基频幅值变化情况,对变换后的模矩阵提取6种特征指标,提出多重分形谱参数广义Hurst指数提高噪声环境下分类识别的准确性,将两者结...     

基于10kV配电网的电压暂降源的定位与识别

提出了一种基于10kV配电网的电压暂降源定位与识别的方法。利用有限的监测点采集的数据,根据电压暂降发生时系统中能量的流动变化,判定电压暂降源相对于监测点的位置;从三相电压是否平衡、暂降深度、有功功率变化和电压总谐波畸变率等方面研究了几种常见电压暂降源的特征;根据各类电压暂降源的特性以及仿真试验提取相应的特征量并设立判据,从而实现了对线路故障、感应电机启动和变压器投运引起的电压暂降的识别。     

基于标签传播半监督学习的电压暂降源识别

针对带标签(类别已知)的电压暂降历史样本数据有限且不易获得的情况,引入基于标签传播半监督学习的电压暂降源识别方法.首先从电压暂降信号中提取了五类暂降信号特征,建立了K-近邻图模型,并实现了图模型上的标签传播.分析了图模型参数k、α对标签传播结果的影响,同时与神经网络、最小二乘支持向量机等监督学习算法的识别结果进行了对比.仿真结果表明,在历史数据较少的情况下,标签传播算法比传统监督学习算法具有更高的识别准确率且实时性好.     

基于距离判别分析的电压暂降源识别方法

为准确识别电网中的各类电压暂降源,并避免其他方法在识别过程中特征提取困难的问题,从最小距离的角度提出了一种基于距离判别分析的电压暂降源识别方法。利用暂降分段法对电压暂降有效值的波形变化特点进行分析,并以粗粒化的有效值波形构建了与电压暂降源类型相对应的六个总体。采用多总体马氏距离判别分析方法,利用训练样本进行学习,建立相应的判别函数及其判别准则对待判样本进行判别,从而实现电压暂降源的识别。通过仿真建模对所提方法进行了验证和对比分析,结果表明该方法的识别准确率和性能较高、交叉误判率低,对噪声鲁棒性好,满足实际应用要求。     

基于RVM和ANF的电压暂降检测识别

提出了一种基于关联向量机和自适应陷波器的电压暂降检测识别方法。通过一自适应陷波器,快速完成电压暂降特征检测（包括持续时间、幅值、相位跳变等）,并从其输出提取出9个暂降关键特征信息。采用关联向量机分类模型对提取的特征信息进行训练与识别。仿真算例证明,该法快速有效完成电压暂降分类,识别出故障、电机启动和变压器激磁引起的三种电压暂降,精度高、实时性好,可应用于电能质量实时监测系统。     

基于RVM和ANF的电压暂降检测识别

提出了一种基于关联向量机和自适应陷波器的电压暂降检测识别方法.通过一自适应陷波器,快速完成电压暂降特征检测(包括持续时间、幅值、相位跳变等),并从其输出提取出9个暂降关键特征信息.采用关联向量机分类模型对提取的特征信息进行训练与识别.仿真算例证明,该法快速有效完成电压暂降分类,识别出故障、电机启动和变压器激磁引起的三种电压暂降,精度高、实时性好,可应用于电能质量实时监测系统.     

基于改进S变换的复合电压暂降源识别特征分析

电压暂降是较常见、影响较大的电能质量问题,识别电压暂降扰动源对改善和治理电压暂降具有重要意义。分析了由线路短路故障、感应电动机启动、变压器投入等单一电压暂降扰动源和复合电压暂降扰动源引起的电压暂降现象,提出采用改进S变换分析复合电压暂降扰动源识别特征。根据基频幅值曲线和2~5倍基频幅值和曲线,从统计量、熵和能量等方面构建电压暂降识别特征指标,将这些特征指标作为支持向量机的输入实现对不同类型电压暂降扰动源的分类识别。仿真结果表明,采用改进S变换构建电压暂降识别特征指标比标准S变换在电压暂降扰动源分类识别上效果更好。     

电压暂降源异质堆叠集成学习识别法

电压暂降源分类识别存在可获得信息不完备的问题。针对现有单一识别法弱学习特点和组合识别法一致性强的问题,提出一种基于异质堆叠集成学习的暂降源识别方法,提升识别模型的泛化能力和鲁棒性。把线路故障分为普通故障和雷击故障,以10类单一电压暂降源的识别为目标,选取9个表征特征差异的波形统计参数,构建27维识别特征向量。引入堆叠集成算法,以5种差异性强的单一识别法为基分类器,用随机森林法作元分类器,建立异质堆叠集成识别模型。通过PSCAD仿真数据和实测数据验证,并与现有6种识别法比较,结果表明,该方法识别精度高,噪声鲁棒性良好,具有良好的工程实用性。     

引入调节因子改进S变换电压暂降源识别

配电网电压暂降的正确分类识别对抑制和缓解电压暂降具有重大意义.分析了分别由三种不同相的接地短路故障、感应电动机启动和变压器投运引起的五种电压暂降现象及其典型特征,在标准S变换的高斯窗函数上添加幅度调节系数和指数调节系数两个调节因子得到改进的S变换.采用改进S变换的方法得到不同类型电压暂降信号的基频幅值曲线和频率幅值包络...     

基于多分类支持向量机的电压暂降源识别

S变换具有很好的时频分析能力,能精确提取突变信号的关键特征信息.在分析S变换原理基础上,提出一种基于多分类支持向量机的电压暂降源识别方法.用S变换对电压暂降信号进行时频分析,提取各类暂降特征;用多分类支持向量机对特征进行训练与识别.通过仿真算例验证,该方法能有效识别电压暂降源,可应用于电能质量监测系统.     

基于多分类支持向量机的电压暂降源识别

S变换具有很好的时频分析能力,能精确提取突变信号的关键特征信息。在分析S变换原理基础上,提出一种基于多分类支持向量机的电压暂降源识别方法。用S变换对电压暂降信号进行时频分析,提取各类暂降特征;用多分类支持向量机对特征进行训练与识别。通过仿真算例验证,该方法能有效识别电压暂降源,可应用于电能质量监测系统。     

电压暂降特征探析

文章针对电压暂降现象,分析了国内外研究现状及相关标准化动态;结合IEC、IEEE、GB标准化组织和CIGRE相关电压暂降标准规定或研究成果,针对电压暂将特征、分类及其判断方法展开了讨论;采用实测暂降数据分析了现有暂降分类判断方法存在的问题。     

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换（HHT）和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解（EMD）,得到一个固有模态函数（IMF）集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang（HH）谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。     

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。     

电压暂降事件分类及短路类型识别研究

随着现代化敏感电力电子设备的广泛应用以及新型电力负荷的迅速发展,电能质量问题日益受到关注,其中最为突出的就是电压暂降。为了更好地研究电压暂降对电力系统的影响,文中首先根据来源电压暂降事件进行分类,主要来源包括短路故障、大型电机启动和雷电等。接下来对短路故障引起电压暂降进行识别,使电压暂降系统能够根据监测到的暂降波形识别出短路故障类型。最后通过江苏电网电压暂降监测系统中的数据波形的案例分析,归类到4种典型短路故障分类,验证了文中算法的可行性。     

基于感知哈希序列的电压暂降事件同源识别

针对现有方法未能充分利用电压采样值信息且对特殊录波情况适应性较差的问题,提出基于感知哈希序列相似性的电压暂降事件同源识别方法。首先,提出一种基于突变点检测和录波情况识别的暂降数据段提取方法,将对录波文件中暂降事件的识别转化为对完整和不完整暂降数据段的分别识别。其次,利用格拉姆角场(Gramian angular field, GAF)将提取后的暂降数据段从一维时间序列形式转化为二维图像,并利用感知哈希算法将其转化为哈希序列。然后,通过欧氏距离刻画相似性,并根据选取的阈值完成电压暂降同源识别。最后,利用IEEE30节点系统生成的仿真数据以及北京、福建地区的实测数据进行验证,证明了该方法具有识别精度高、适应性好等优势。     

基于BAS-BP分类器模型的电压暂降源识别

为提高不同电压暂降扰动源的识别正确率,对电压暂降进行有效治理,提出一种利用天牛须搜索(BAS)算法和反向传播(BP)神经网络构建BAS-BP分类器模型的电压暂降源识别方法。文中应用改进S变换提取16个特征指标,组成电压暂降源识别指标体系,为消除冗余信息对分类结果的影响,利用组合赋权法筛选出9个指标作为分类器的输入量。通过BAS算法对BP神经网络的初始权值和阈值寻优,构建BAS-BP分类器模型,实现对配电网不同类型电压暂降源的识别。仿真结果表明,该分类器模型具有一定的抗噪能力与适用性,并且与常规分类器模型相比,具有更好的分类效果。