基于BWD谱峭度的暂态电能质量扰动分类识别

根据暂态电能质量扰动的内在特性和谱峭度的特点,提出一种基于巴特沃斯分布(BWD)的谱峭度计算新方法,并与支持向量机相结合应用于暂态电能质量扰动识别。该算法采用BWD谱峭度方法计算暂态脉冲和暂态振荡2类扰动信号的谱峭度,选取谱峭度的最大值、最小值和均值作为特征量,输入PSO优化参数的SVM进行训练测试。通过PSCAD/EMTDC获得仿真数据,并分析之。结果表明,基于BWD谱峭度方法能够有效提取扰动特征量,且具有良好的抗噪性能。利用SVM分类器在小样本和叠加有其他扰动,能有效识别两类扰动,识别率较高。     

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。     

基于S变换的短时电能质量扰动检测与分类

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.     

结合短时傅里叶变换和谱峭度的电力系统谐波检测方法

针对电能质量分析中的谐波检测问题,提出一种结合短时傅里叶变换和谱峭度的电力系统谐波检测方法。采用短时傅里叶变换作为时频分析工具对采样信号进行时频分解,同时引入频谱标准差和基于短时傅里叶变换的谱峭度作为辅助分析。通过频谱标准差和谱峭度对谐波模态进行识别,并根据识别结果从频谱矩阵中提取出相应的谐波分量,然后采用基于奇异值分解的扰动定位方法对暂态谐波的起止时刻进行准确定位。仿真实验结果验证了算法的有效性,在低信噪比的情况下仍具有较高的检测精度,具有较好的抗噪性和鲁棒性。     

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...     

基于短时傅里叶变换的电压暂降扰动检测

用短时傅里叶变换作为时频信号分析工具，研究在电压暂降扰动下暂降电压幅值检测、扰动时间定位和扰动源识别问题。提出利用暂降后电压信号的基频幅值曲线检测暂降电压幅值，利用暂降发生和结束时产生的高频信号对电压暂降扰动时间定位的方法，并提出根据基频幅值和扰动点个数来识别电压暂降扰动源的方法，该方法可以有效区分由短路故障引起的电压暂降和由感应电机启动引起的电压暂降。仿真试验结果表明该方法对电压暂降扰动检测精度高，同时比以往基于小波变换的方法在抵御谐波和噪声干扰方面更具有优越性。     

基于CWD谱峭度的暂态电能质量扰动识别

针对现有的暂态电能质量扰动识别过程复杂、易受噪声影响的问题,提出基于CWD的谱峭度与有效值相结合的电能质量扰动识别算法。该算法通过CWD谱峭度值将扰动信号分为暂态脉冲、暂态振荡和幅值类扰动3类,将电压暂升、暂降和中断这3种幅值类扰动看作一类,再通过计算幅值类扰动的有效值区分暂升、暂降和中断。该算法不需要使用任何分类器,极大地简化了算法流程,减少了计算时间。仿真结果验证了理论分析的正确性。     

基于S变换图像灰度量化的短时电能质量扰动识别分类

针对短时电能质量扰动分类大多依赖分类器,分类准确率不高这一难题,提出了基于S变换模时频矩阵灰度图像法。首先对常见的几种扰动进行S变换分析,得到模时频矩阵,再应用数字图像灰度方法,将模矩阵各元素值用灰度图方式表示,分析其灰值分布特征,引入灰度期望和灰度方差两指标,量化灰度图像灰值分布,并根据量化结果建立扰动标准判据,实现扰动分类。仿真实验表明,该方法不依赖于分类器,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分类方法。     

基于混合基快速傅里叶变换的数字化电能质量分析系统

针对现有很多电能质量测量的方法太复杂和不实用的问题,提出了硬件频率检测和基于混合基快速傅里叶变换（FFT）相结合的方法,设计了基于 ARM处理器数字化电能质量分析系统。方法简单易实现,并能对电网谐波、电压波动、电压闪变快速准确的测量。试验测试证明,系统实现了实时性强、效率高、精度高的电能质量分析,并能满足 IEC 61000-4-30标准的要求。     

基于改进S变换的电能质量扰动分类

电能质量扰动信号的分类识别对建立电能质量综合评估体系、选择合理的电能质量治理方案,确保电力系统安全稳定运行和用户的合法用电权益具有重要意义。提出了一种基于改进S变换时频模矩阵的电能质量短时扰动分类新方法。该方法首先根据信号的稳态主导频率确定S变换高斯窗的衰减速度,计算所得时频模矩阵作为各电能质量扰动信号的标准模板;通过比较测试信号改进S变换模矩阵的特定频段与各标准模板之间的相似度,实现扰动分类。在相似度的比较过程中,为了凸显异类模板之间的差别,尤其是电压暂降和暂升、电压缺口和尖峰,提出了能量归一化概念以及分频逐行计算相似度的思想,实现异类模板差异最大化。该方法能够充分挖掘各类扰动信号之间的特征差异,通过简单的相似度比较对扰动进行分类,无需添加辅助分类器。仿真和实测数据的分析表明,该方法分类过程简单,可信度高,抗干扰能力强。     

基于S变换模时频矩阵相似度的短时电能质量扰动分类

提出了一种基于S变换模时频矩阵相似度的短时电能质量扰动分类方法。首先,建立各种扰动的标准模时频矩阵,然后计算扰动信号模时频矩阵与标准模时频矩阵的相似度,按照相似度最大的原则将扰动分类。该方法直接利用S变换结果,而不用增加其它算法或变换,原理简单、计算方便。仿真结果显示,该分类方法在不同噪声水平下均能达到满意的分类正确率,是一种有效的短时电能质量扰动分类方法。     

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VMD初始化S变换的混合动力系统电能质量扰动检测与分类

针对分布式能源(distributed energy,DG)接入配电网时电能质量(power quality,PQ)的监测问题,该文采用变分模态分解(variational mode decomposition,VMD)初始化S变换技术,对接入配电网的DG类型以及因操作事件改变而产生的不同特征PQ扰动进行检测并分类识别。首先,从PQ扰动信号中提取F1、F2特征量,作为接入混合动力系统分布式能源分类的标准;其次通过VMD初始化S变换,从S变换矩阵中提取F3～F7特征量作为模糊C均值(fuzzy c-means,FCM)聚类算法的输入,对每种分布式能源接入条件下由于操作事件改变引起的PQ扰动进行分类。在所提方法和现有方法之间进行百分比准确性比较,验证所提算法的有效性;最后提出电能质量评价指标,并在该指标下对9类扰动情况的电能质量影响因子进行评估。     

基于S变换模时频矩阵局部相似度的短时电能质量扰动分类

采用基于S变换下的模时频矩阵局部相似度对短时电能质量扰动进行分类。首先,由时频尺度缩放将各类持续时间不同的扰动特征标准化,按照各扰动特征选取其模时频矩阵特定部分,以此建立矩阵大小不一且特征明显的各类扰动标准化模板;然后计算未知扰动各局部模时频矩阵与各类扰动标准化模板之间的相似度,按照相似度最大原则将扰动进行分类。由于各类扰动在不同的时频区域高度聚合了自身特征,采用局部时频区域相似度原理大大提高了同类扰动的相似度,建立的各类扰动标准化模板之间差异明显,不使用辅助性分类器而直接实现扰动分类,且分类过程简单明确,可用于不同时间长度的扰动分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力比采用全局相似度强。仿真结果表明了很好的短时电能质量扰动分类效果。     

基于小波变换与傅里叶变换相结合的电能质量监测方法

介绍了至今为止国家标准中规定的各项电能质量指标的计算方法,提出了一种将小波变换与短时傅里叶变换相结合的方法对电能质量的暂态和稳态问题监测的方法,其中小波变换选用Mallat算法,短时傅里叶变换窗函数选用Hanning窗。利用小波变换Mallat算法对暂态电能质量问题进行实时监测,并且区分稳态扰动与暂态扰动,再对各频段进行短时傅里叶变换去分析,从而能够很好的对时域和频域进行分析。MATLAB的仿真结果验证了该方法的准确性和有效性     

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

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。     

基于短时傅里叶变换的电压间谐波分析

文章介绍了将一种常用的信号处理手段——短时傅里叶变换(STFT)应用于电压间谐波的时频分析方法。与传统的傅里叶变换分析方法相比较,该方法能获得更精确的间谐波时频特性,为间谐波的频率检测提供了理论基础。在Matlab软件下,通过选取适当的窗函数,用STFT对含有间谐波的电压信号进行分析,使其时频分辨率得到较大提高。该方法有助于去除电压信号中的间谐波,以进一步改善电能供电质量。     

基于短时傅里叶变换的变压器绕组故障分析

绕组故障是变压器最主要故障类型之一,是造成变压器损坏和威胁电网安全运行的重要原因。本文通过分析目前常用的变压器绕组故障检测方法的弊端,提出了基于短时傅里叶变换的变压器绕组故障分析方法,并通过软件仿真进一步验证了该方法的正确性,为进一步提升变压器绕组故障检测方法提供有力的依据。     

基于Hilbert变换和分类树的电能质量扰动分类辨识

提出了一种基于Hilbert变换和分类树相结合的暂态扰动分类方法。首先运用Hilbert变换对暂态扰动信号进行时域分析,然后提取扰动信号的特征量,最后生成用于对暂态扰动信号进行分类的决策树分类辨识方法,以此来实现暂态扰动信号的分类辨识。仿真计算结果表明,该方法能够对暂态扰动信号进行有效的分类辨识,分类树简单、易于实现且准确度高。