[发明专利]基于小波变换的电能质量扰动识别方法在审

专利信息
申请号: 201811372239.6 申请日: 2018-11-16
公开(公告)号: CN109583337A 公开(公告)日: 2019-04-05
发明(设计)人: 车辚辚;孔英会 申请(专利权)人: 华北电力大学(保定)
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京市商泰律师事务所 11255 代理人: 黄晓军
地址: 071003 河*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 小波变换 特征向量 特征提取 算法 随机性 电能质量检测 电能质量扰动 分布边界 分布特性 高维数据 局部距离 配电系统 扰动参数 提取信号 小波能量 信号模型 噪声影响 最近邻点 核函数 原数据 分类 准确率 低维 构建 降维 向量 运算 信息量 输电 压缩 引入
【说明书】:

发明提供了一种基于小波变换的PQD识别方法,以解决现有技术中输电和配电系统中电能质量检测效率低的问题。所述方法包括如下步骤:构建PQD信号模型;基于MVU选取MVU算法对小波变换提取到的PQD特征提取参数并进行压缩。本发明将MVU方法引入到基于小波变换的PQD特征提取中,考虑扰动参数随机性和噪声影响,在提取信号小波能量向量的基础上通过MVU进行特征向量降维。得到的低维PQD特征向量很好地保持了原数据的分布边界,且信息量更集中。MVU算法缩减了特征向量个数并满足k‑最近邻点间局部距离不变的约束,在选取核函数时充分考虑了高维数据集的分布特性,减轻了后续PQD的分类压力,减少了分类运算时间,提高了PQD识别准确率。

技术领域

本发明属于电力系统检测与分析领域,具体涉及一种基于小波变换的电能质量扰动识别方法。

背景技术

随着大量的非线性负载和电力电子设备接入电网中,为了保障电能质量满足用户的性能要求,有必要对输电和配电系统中的电能质量进行有效检测和分析。其中,电能质量扰动(power quality disturbance,PQD)信号是分析电能质量的重要参数,PQD识别技术已成为电能质量分析领域的一个重要研究方向。PQD识别的目的是从海量的电能质量数据中将PQD快速准确地定位和识别。PQD识别过程包括特征提取和模式识别两部分。而PQD特征提取则是PQD识别的关键所在,好的PQD特征能有效地提高识别准确度和减少计算复杂度。

PQD特征提取是通过映射变换提取到能反映扰动信号波形特征的特征量。目前,常用的特征提取方法包括:傅里叶变换、小波变换、希尔伯特-黄变换等。其中,傅里叶变换着重反映分析信号的整体信息,但是由于忽略了信号的局部特性,且对于非平稳信号不具备时间局部性,因此不满足时频分析要求。虽然小波变换已被广泛应用于PQD特征提取,该变换从各层小波分解系数中提取特征向量,适用于平稳和非平稳信号进行分析,可获得较好的效果,但是现有技术中的小波变换算法复杂度较高。

发明内容

为了提高PQD识别的准确度,克服输电和配电系统中电能质量检测效率低的问题,本发明提供一种基于小波变换的电能质量扰动识别方法,将最大方差展开(maximumvariance unfolding,MVU)非线性流行学习算法引入小波变换中,在提取信号小波能量向量的基础上通过MVU进行特征向量降维,以很好地保持原数据的分布边界且使信息量更集中,缩减特征向量个数并满足k-最近邻点间局部距离不变的约束,减轻后续PQD的分类运算时间,提高PQD识别准确率。

为了实现上述目的,本发明采取了如下技术方案。

一种基于小波变换的PQD识别方法,所述方法包括如下步骤:

步骤S1,构建PQD信号模型;

步骤S2,基于MVU对小波变换提取到的PQD特征向量进行压缩。

进一步地,所述步骤S1中所构建的PQD信号模型中,包括电压凸起、电压凹陷、电压间断、谐波、电压脉冲暂态和电压振荡暂态六种PQD信号。

进一步地,所述步骤S2进一步包括:

步骤S21,PQD的小波变换得到PQD原始特征集;

步骤S22,引入MVU算法进行MVU特征提取得到PQD特征向量;

步骤S23,选取MVU算法对小波变换提取到的PQD特征提取参数并进行压缩。

进一步地,所述步骤S22进一步包括:

步骤S221,选择合适的近邻数k来进行构建邻接矩阵WN×N,若xi是xj的k近邻,则Wij=1,否则Wij=0,其中xi为相空间数据点,N为相空间内数据点个数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学(保定),未经华北电力大学(保定)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811372239.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top