基于典型波形特征与改进DBSCAN的电压暂降同源识别方法

针对电网内单次短路故障可能触发多条母线上的电能质量监测装置记录电压暂降波形,造成电压暂降录波数据冗余、电网电压暂降水平过估计的问题,提出一种基于典型波形特征与改进基于密度的有噪空间聚类(DBSCAN)的电压暂降同源识别方法。首先,提出综合倾斜因子、波形相似度和持续时间三维特征,综合刻画电压暂降同源性;同时,研究电压暂降经多级变压器的传播特性,推导出13种变压器相电压等效传递矩阵,并提出基于Bhattacharyya距离的波形相似度计算方法。其次,利用共享近邻点(SNN)改进DBSCAN,对由三维特征构成的矩阵进行同源聚类,提出基于电网节点总数和监测点总数的聚类参数计算方法,实现电压暂降同源识别。应用实测数据和IEEE 30节点系统仿真数据进行验证,结果证明了所提方法的正确性和有效性。     

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。     

基于轨迹特征关键点匹配的电压暂降同源数据精确检测算法

为弥补现有电压暂降同源检测算法的不足,提高同源检测算法的精度,提出了一种基于轨迹特征关键点匹配的电压暂降同源数据精确检测算法.首先,将电压暂降数据有效值(RMS)波形转换为灰度轨迹图片,基于尺度不变特征转换算法对电压暂降灰度轨迹图片进行分析,提取RMS轨迹的特征关键点;然后,利用特征关键点的梯度方向信息与待检测电压暂降...     

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,将两者结合共同构成电压暂降信号的特征指标。将提取的特征指标作为支持向量机的输入,对不同类型的电压暂降进行训练,并利用无噪声数据和仿真加噪数据分别对其进行测试,从而实现对不同暂降源的分类与识别。实验结果表明,对比传统S变换的电压暂降源识别方法,采用S变换和多重分形相结合的方法构建的特征指标可以更好地识别电压暂降源,有效改善含噪声信号的分类效果,能够应用于实际工程。     

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。     

基于特征选择和贝叶斯判别的电压暂降源识别

电压暂降事件的发生具有不可避免性且严重影响敏感设备的运行状态。为支撑电压暂降的责任划分和治理决策，考虑到现有电压暂降特征提取及其源识别模型中存在的不足，提出基于特征选择和贝叶斯判别法的电压暂降源识别模型。首先，阐述了电压暂降监测数据和仿真数据的来源及其特性；其次，在现有特征提取方法的基础上，提出采用Pearson相关系数进行特征选择，以降低特征间的冗余性和维度；最后，基于贝叶斯判别法建立了电压暂降源识别模型，通过监测和仿真数据对模型性能进行了定量评价，并与现有方法进行对比。结果表明，提出的方法识别效果好，可用于实际工程。     

两种扰动源引起电压暂降的快速检测及特征分析

电压暂降在电网中具有一定的传播性,无论从电网还是用户都迫切需要对电压暂降进行研究和治理。作为解决电压暂降问题的前提,需先对其检测方法进行研究。分析了感应电动机启动和变压器激磁两种扰动情况引起电压暂降的原因,在此基础上采用了基于S变换的短时电能质量扰动检测方法,从S变换的结果中提取出所需数据,并以此来对上述两种扰动情况的暂降深度、相位跳变、持续时间和谐波含量进行分析。仿真结果表明,该方法很好地实现了对电压暂降各特征量的检测;在对暂降录波波形数据进行后续离线分析应用方面具有较高的实用价值。     

基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。     

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线,提取暂降深度、突变点个数、基频幅值上升和下降斜率、二次谐波含有率和暂降时间比六个特征指标.将这些特征指标数据进行归一化处理后输入支持向量机,实现对配电网不同类型电压暂降的识别.最后,仿真结果表明,将基于引入调节因子得到的改进S变换用于特征指标提取,对电压暂降进行分类识别的正确率相比标准S变换更高.     

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。     

基于实测数据的电压暂降特性分析

实测数据是分析事物本质属性的最优资源。以某些大型城市电网电能质量监测系统中电压暂降的实测数据为基础,从典型波形、统计表格、累计概率、暂降相序4个方面对不同电压等级下的暂降事件进行分类统计,总结并分析不同类型暂降事件的统计与描述特性。相关结果表明:根据电压暂降均方根值波形的变化特征,可将其划分为4种类型;考虑不同类型的波形特征,不宜采用现有持续时间与幅值的描述方式,建议采用多暂降域值和持续时间的电压暂降描述方法;建议在IEC61000-2-8与国标的暂降统计表格中,对0.1 s内的持续时间进行更加详细的区间划分;给出的电压暂降幅值与持续时间的累计概率曲线能够分析各特征量的分布特性。     

基于自适应分段云模型的单相用户相别辨识方法

针对低压配电台区拓扑结构中相别关系错误的问题,利用台区配电变压器低压侧相电压序列和用户电压序列的相似性,提出了一种基于自适应分段云模型的单相用户相别辨识方法.首先,利用云模型的数字特征刻画电压序列的数据分布;然后,利用自适应分段云模型算法自适应地确定电压序列的分段总数以及每个分段的起始时刻和结束时刻;最后,计算电压序列...     

基于实测数据的陕西电网电压暂降特征分布分析

以陕西电网大量电压暂降实测数据为基础,从暂降幅值、持续时间、电压等级、暂降相序、发生月份和电压暂降的连续性5个方面对暂降事件进行全面的分类统计,分析电压暂降特征。分析结果表明电压暂降在幅值和持续时间的分布集中度较高,有必要对区间进行进一步细分;不同电压等级电网中的电压暂降分布存在一定的差异;不同电压等级电网中电压暂降的相序分布不同;负荷需求的季节性变化会影响电压暂降的发生频率;连续性电压暂降在不同监测点和月份的分布不一致。     

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...     

基于互近似熵的电压暂降波形匹配方法

随着越来越多电压暂降敏感设备接入电网,因电压暂降干扰带来的直接及间接经济损失日趋严重,这对供电质量提出了更高要求,准确识别暂降源是治理电压暂降问题中必不可少的步骤。文中分析了各类短路故障引起的电压暂降类型及其经变压器传变后暂降波形的变化情况,并根据理论分析建立各类暂降的标准样本波形。提出了一种基于互近似熵原理的电压暂降源辨识方法,通过计算实测波形与样本波形之间的互近似熵,直接进行相似度匹配,实现故障暂降类别的准确识别,并利用电网实测数据对该方法进行验证。结果表明该方法与实际工程相贴合,具有很强的实用性。     

基于优化极限学习机的电压暂降源识别方法

准确识别电压暂降源对暂降责任分摊和治理决策至关重要。文中提出一种基于优化极限学习机的电压暂降源识别方法。通过直接提取电压暂降波形的时域特征和经S变换提取能量熵和奇异熵2种时频域特征,构建基于时域和时频域的特征向量,弥补现有方法仅采用时频变换提取特征,可能丢失仅存在于时域内的重要信息而影响识别精度的不足。针对极限学习机输入权值和隐含层偏置随机产生的不足,采用遗传算法对其进行优化,构建优化极限学习机模型,解决利用模式识别存在模型复杂和耗时较长,难以实现快速识别的问题。应用仿真数据和实测数据验证了所提特征向量和优化极限学习机模型的有效性;并与其他方法相比,证明所提模型简单、训练和分类识别速度快,识别精度更高,适用于边缘计算,可实现电压暂降源的快速准确识别。