基于ITD和K均值聚类的电能质量扰动分析与识别

将固有时间尺度分解ITD(intrinsic time-scale decomposition)与K均值聚类算法相结合,提出一种新的电能质量扰动分析与识别方法。首先,对电能质量扰动信号作ITD分解,得到各内禀尺度分量ISC(intrinsic scale component),然后提取能量最大的前3个ISC的能量比重值及ISC能量熵值作为扰动信号的特征向量,最后基于特征向量采用K均值聚类算法对扰动信号进行分类。对常见电能质量扰动信号的仿真分析结果表明,ITD能够有效分析和提取扰动信号特征,并具有较强的抗噪能力,K均值聚类算法分类正确率高,该方法具有良好的工程应用前景。

Analysis and Identification for Power Quality Disturbance Signals Based on ITD and K-mean Clustering Algorithm