基于S变换模矩阵的电能质量扰动信号检测与定位

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.     

暂态电能质量的DOST检测方法

针对S变换计算量大、冗余度高、较难实时检测暂态电能质量扰动信号,提出一种基于S变换的离散正交S变换DOST(discrete orthogonal S-transform),该算法通过求取一组正交基函数和时间序列的内积得到类似于S变换的时频矩阵。利用离散正交变换对常见的暂态电能质量扰动信号进行变换,并对变换得到的时频模矩阵进行平方和均值运算,提取幅值突变时刻确定扰动起止时间和信号频率。仿真结果表明,所提算法具有运行速度快、简单明了等优点,并且可以对S变换不能处理的含有谐波的复合扰动信号进行检测。     

一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法

针对暂态电能质量电压多扰动信号的检测与分类问题,提出一种基于广义S变换及模糊SOM神经网络的暂态电能质量检测和识别方法。针对常见的电压多扰动信号,特别是两种扰动叠加的情况,采用广义S变换对扰动信号的时频特征进行提取,并取变换后的时间幅值平方和均值和特征频点作为神经网络的输入样本,采用模糊SOM神经网络进行训练,再用新的多扰动数据进行网络检验。仿真与实验结果表明,广义S变换能有效提高电能质量多扰动特征检测,模糊SOM神经网络能精确对其进行分类,该方法能够较好的解决电压多扰动叠加情况的定性和定量分类问题。     

基于EEMD的HHT在电能质量多扰动分类识别中的应用

现有的电能质量扰动分类识别方法对电能质量多扰动的分类准确性和识别能力较低,本文提出了将基于聚类经验模态分解(EEMD)的希尔伯特—黄变换(HHT)应用于电能质量多扰动的分类识别方法。它依据电能质量多扰动信号就是在电能基波上叠加不同频率和不同幅值波形的特性,首先利用EEMD对含扰动信号分解得到信号的固有模态函数(IMF),滤除残余噪声后,将得到的IMF分量作为特征值对扰动进行分类,再对IMF进行Hilbert变换得到其瞬时频率和瞬时幅值,瞬时频率的突变点反映电能质量扰动的起止时刻,瞬时幅值反映电能质量扰动的幅度,根据对突变点的观测实现对各个扰动的准确识别。Matlab仿真分析结果表明,该方法能够准确的对电能质量多扰动的扰动类型进行分类,并确定电能质量各个扰动信号的时间、幅值和频率。     

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换（EWT）和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交（NDQ）算法和奇异值分解（SVD）算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法（IPSO）优化支持向量机（SVM）的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。     

电能质量扰动分析中广义S变换算法的改进与实现

基于传统广义S变换的电能质量扰动分析方法计算量大,不利于信号的实时检测与分类,且存在信噪比不高时检测精度仍较低和分类正确率不高的问题。该文对传统广义S变换算法进行改进并应用于电能质量扰动分析。首先,利用快速傅里叶变换估计信号频率,缩小频域分析范围,大幅度节省计算时间;其次,用双高斯窗替代传统高斯窗,解决传统广义S变换检测扰动起止时间的幅值曲线变化缓慢的问题,并通过自适应选择双高斯窗参数,信号变换后得到的模时频矩阵信息更加可靠。最后,借助Matlab R2010b仿真平台引入新的电能质量扰动指标准确估计扰动起止时间信息和依据提取有效特征信息直接分类或借助简单的判别树识别特定扰动,提高了分类效率和正确率。通过对12种电能质量扰动信号的分析结果,验证了文中方法的有效性。     

基于EMD去噪和S变换结合的电能质量扰动分析

针对电能质量扰动分析问题,提出了一种基于改进EMD去噪和S变换结合的电能质量分析方法.对所获取信号进行EMD分解,选取其中高频信号IMF分量进行小波阈值去噪,依次重构高频信号IMF分量和原信号,对重构信号做S变换处理,提取电能质量扰动特征,根据S变换的时间、频率、幅值等特征分析电能质量扰动具体情况,判断扰动时间和扰动类型.仿真实验结果表明,通过改进EMD去噪和S变换的结合,可有效去除信号中的噪声分量,提高噪声干扰下电能质量扰动分析的准确率.     

基于奇异值分解和TLS-ESPRIT的电能质量扰动信号检测方法

为了能有效地改善电能质量,准确地对电能质量扰动信号的发生及结束时间以及其特征参数进行检测是其前提。文章提出将奇异值分解与TLS-ESPRIT算法相结合来对暂态电能质量扰动进行检测。首先利用基于奇异值分解的方法对暂态电能质量信号进行定位,可以得到较为准确的定位效果。然后以定位点为界,向前及向后各取一个周期的采样信号,对得到的信号利用TLS-ESPRIT算法进行计算,可以估算得到信号的幅值、频率等特征参数。利用这些参数可进一步对扰动类型进行判别。仿真实验结果表明,该方法仅需较短的采样信号,对电压暂降、电压暂升、频率偏差、谐波、谐波加暂降、暂态振荡等多种电能质量扰动信号有较高精度的检测效果。     

基于S变换的电能质量扰动信号特征分析

针对电网中谐波、电压暂降等电能质量问题,提出了一种基于S变换的扰动信号特征分析法。用Matlab对信号进行时频分解,通过分析各扰动信号经S变换的相关特性曲线,得到扰动的起始时刻、结束时刻、幅值、频率成分以及相位变化等特征。仿真结果表明,S变换能准确检测出各种扰动信号的特征,对电能质量问题的治理有重要意义。     

基于提升复小波的暂态电能质量扰动的检测与定位

针对暂态电能质量扰动信号的检测与定位,提出一种基于第2代小波变换的提升复小波的提升算法。通过Euclidean分解算法得到复小波提升方案;利用该方案对常见的几种扰动信号进行提升变换,将变换后的幅值和相位信息用于暂态电能质量扰动的定位检测及扰动幅度估计;并与第1代小波变换进行比较。仿真结果表明,所提算法具有简单、运行速度快、检测精度高等优点,能够准确定位暂态电能质量扰动信号和计算扰动信号的变化幅度。     

Detection and classification of power quality disturbances using S-transform and modular neural network

This paper presents an S-transform based modular neural network (NN) classifier for recognition of power quality disturbances. The excellent time—frequency resolution characteristics of the S-transform makes it an attractive candidate for the analysis of power quality (PQ) disturbances under noisy condition and has the ability to detect the disturbance correctly. On the other hand, the performance of wavelet transform (WT) degrades while detecting and localizing the disturbances in the presence of noise. Features extracted by using the S-transform are applied to a modular NN for automatic classification of the PQ disturbances that solves a relatively complex problem by decomposing it into simpler subtasks. Modularity of neural network provides better classification, model complexity reduction and better learning capability, etc. Eleven types of PQ disturbances are considered for the classification. The simulation results show that the combination of the S-transform and a modular NN can effectively detect and classify different power quality disturbances.     

Power quality analysis using S-transform

This paper presents a new approach for power quality analysis using a modified wavelet transform known as the S-transform. The local spectral information of the wavelet transform can, with slight modification, be used to perform local cross spectral analysis with very good time resolution. The "phase correction" absolutely references the phase of the wavelet transform to the zero time point, thus assuring that the amplitude peaks are regions of stationary phase. The excellent time-frequency resolution characteristic of the S-transform makes it an attractive candidate for analysis of power system disturbance signals. Several power quality problems are analyzed using both the S-transform and discrete wavelet transform, showing clearly the advantage of the S-transform in detecting, localizing, and classifying the power quality problems.     

基于S变换的电能质量扰动支持向量机分类识别

采用s变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展，S变换引入了宽度与频率成反向变化的高斯窗，具有与频率相关的分辨率。由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。     

电能质量复合扰动分类识别

电能质量扰动的分类分为信号特征提取和分类器2个阶段,采用S变换和支持向量机构造电能质量复合扰动的分类识别方案.利用S变换进行扰动信号特征提取,构造支持向量机静态分类树,再通过基于Mercer核的聚类方法对静态分类树进行动态扩展,形成动态分类树,实现对复合扰动的识别.给出了电能质量复合扰动分类算法的4个步骤:构建静态分类树;用基于Mercer核的聚类方法进行聚类分析;构建动态分类树;对新发现的扰动确定其具体类型,并给其命名.算例表明该方法不仅可以有效分类识别电压突降、电压突升、电压中断、暂态振荡、电压尖峰、电压缺口和谐波等7种电能质量扰动,还可以识别由其组合而成的电能质量复合扰动.     

基于S变换和时域分析的电能质量扰动识别

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。     

基于小波变换和Prony算法的振荡瞬变和电压波动检测

近年来,电能质量扰动信号的检测已成为国内外研究的一个热点。就振荡瞬变与电压波动这两种电能质量现象提出了新的检测方法。对于振荡瞬变现象,现有的方法往往只能实现扰动定位检测,难以提供振荡频率、幅值、持续时间等必要特性参数。提出了基于小波变换和Prony算法的检测方法,利用小波奇异性检测特性实现扰动定位检测,同时还利用Prony算法直接求取其特征参数。对于电压波动,IEC推荐的闪变仪不适合分析时变的或含多种调制频率的波动信号,并且只能提供基于统计评价的闪变值。提出的基于小波变换的检测方法,利用小波奇异性检测特性检测出波动的起止时刻：利用小渡多分辨分析理论测量出波动分量含有的各调制频率及对应幅值,最后计算出闪变值。基于Matlab和Simulink／PSB软件的仿真结果都表明了提出的两种检测方法的有效性。     

基于小波包和S变换的电火花机床用电负荷信号处理

电火花机床工况下的用电负荷是电网中带有突变性质的电能形式之一,提取其突变特性是研究这类电能特性的重要问题。文章采用不同小波基函数、阀值对电火花用电负荷特性进行去噪处理,并提出一种基于S变换的脉冲电能质量突变信息识别方法。分析结果表明,该方法提取准确率高。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。