專利名稱：一種基于bud譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)分類識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力系統(tǒng)智能監(jiān)測(cè)，尤其是基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識(shí)別技術(shù)領(lǐng)域。
背景技術(shù)：
隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大和各種電力電子設(shè)備、非線性負(fù)荷、沖擊性負(fù)荷的大量投入，導(dǎo)致電能質(zhì)量水平與用戶對(duì)其要求之間的差距日益加大，嚴(yán)重影響工業(yè)產(chǎn)品質(zhì)量和居民日常生活，所帶來(lái)的問(wèn)題已引起了各國(guó)電力工作者的高度重視，暫態(tài)電能質(zhì)量也逐漸成為供電部門和廣大用戶所共同關(guān)心的問(wèn)題?，F(xiàn)有裝置對(duì)暫態(tài)擾動(dòng)的監(jiān)測(cè)識(shí)別存在著十分明顯的局限性，監(jiān)測(cè)的指標(biāo)較少，大多產(chǎn)品只能針對(duì)電壓暫降、電壓暫升和電壓中斷這三種擾動(dòng)進(jìn)行監(jiān)測(cè)識(shí)別，對(duì)脈沖暫態(tài)、振蕩暫態(tài)的監(jiān)測(cè)識(shí)別比較缺乏。因此本發(fā)明主要對(duì)這兩類暫態(tài)擾動(dòng)進(jìn)行識(shí)別研究。 特征提取是暫態(tài)擾動(dòng)識(shí)別的首要步驟，其目的是使不同類別的擾動(dòng)相互能夠得到充分的區(qū)分，有效地減少輸入分類器的向量維數(shù)，提高分類速度和準(zhǔn)確度。目前，常用的特征提取方法有基于多分辨率得到的信號(hào)子頻帶的能量，小波變換系數(shù)的標(biāo)準(zhǔn)差，小波熵，基于S變換得到的各種特征，等等。對(duì)于擾動(dòng)信號(hào)的特征提取，目前尚未找到一種特別適合的方法，各種新方法的使用也在不斷探索中。峭度是隨機(jī)變量的四階累計(jì)量，作為一個(gè)全局性指標(biāo)不能反映特定信號(hào)分量的變化情況，因此，為了克服峭度在工程應(yīng)用中的不足之處，Dwyer首先提出了譜峭度(SpectralKurtosis—SK)方法，并用來(lái)檢測(cè)信號(hào)中的暫態(tài)成分。V. Vrabie定義譜峭度為一個(gè)過(guò)程偏離高斯分布的程度，并在將其應(yīng)用到軸承故障診斷中。J. Antoni系統(tǒng)的定義了譜峭度，提出了基于短時(shí)傅里葉變換(STFT)的譜峭度方法并且在理論上進(jìn)行了證明，論證了其具有檢測(cè)加性噪聲中非平穩(wěn)、非高斯信號(hào)特征的能力。N. Sawalhi提出了基于Morlet小波變換(WT)的譜峭度法,通過(guò)構(gòu)造最優(yōu)Morlet小波濾波器來(lái)診斷回轉(zhuǎn)機(jī)械故障。石鎖林提出基于WVD (ffigner-Ville Distribution)的譜峭度法,并將其應(yīng)用到軸承的故障診斷中。譜峭度能夠表征信號(hào)中的非平穩(wěn)和非高斯成分，并且能夠自動(dòng)抑制白噪聲干擾。本發(fā)明提出一種基于巴特沃斯分布(Butterworth Distribution, BUD)的譜峭度計(jì)算新方法，并將其用來(lái)提取脈沖暫態(tài)和振蕩暫態(tài)兩類擾動(dòng)的特征。通過(guò)仿真分析驗(yàn)證了本發(fā)明方法的可行性和有效性。

發(fā)明內(nèi)容
鑒于現(xiàn)有技術(shù)的以上局限，本發(fā)明的目的是提供一種基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識(shí)別方法。使之對(duì)脈沖和振蕩兩類暫態(tài)擾動(dòng)提取的特征區(qū)別明顯，且有較強(qiáng)的抗噪性能。本發(fā)明實(shí)現(xiàn)其發(fā)明目的所采用的技術(shù)方案是一種基于BUD譜峭度的暫態(tài)電能質(zhì)量分類識(shí)別方法，在電力系統(tǒng)中對(duì)暫態(tài)擾動(dòng)進(jìn)行識(shí)別，其具體作法是
A、提取擾動(dòng)特征信號(hào)設(shè)u(n)為含有擾動(dòng)信號(hào)的輸入電壓信號(hào)，n = 1，2,.. ，N,N為數(shù)據(jù)長(zhǎng)度。將u(n)進(jìn)行小波變換，提取擾動(dòng)特征信號(hào)(n)。B、計(jì)算擾動(dòng)特征信號(hào)譜峭度首先求出擾動(dòng)特征信號(hào)Ur (n)的Butterworth分布為Cur (t, f),再根據(jù)Cur (t, f)的2n階瞬時(shí)譜矩得出2階和4階瞬時(shí)譜距，最后根據(jù)譜峭度的定義，可求得(n)的譜峭度K^uc(f)。C、提取擾動(dòng)特征向量選取譜峭度K^ur(f)的最大值、最小值和均值組成特征向量T。D、PSO優(yōu)化參數(shù)的SVM分類識(shí)別將特征向量和特征向量對(duì)應(yīng)的類別輸入PSO優(yōu)化參數(shù)的SVM進(jìn)行訓(xùn)練，然后對(duì)測(cè)試樣本進(jìn)行分類，得出并向后續(xù)處理設(shè)備輸出所求分類結(jié)果。采用如上的方法，通過(guò)求取兩類暫態(tài)擾動(dòng)信號(hào)的譜峭度，提取各自特征向量，輸入粒子群(Particle Swarm Optimization, PS0)優(yōu)化參數(shù)的支持向量機(jī)(Support VectorMachine, SVM)，對(duì)兩類暫態(tài)擾動(dòng)信號(hào)進(jìn)行分類，用來(lái)提取脈沖暫態(tài)和振蕩暫態(tài)兩類擾動(dòng)的特征，對(duì)脈沖和振蕩兩類暫態(tài)擾動(dòng)提取的特征區(qū)別明顯，且有較強(qiáng)的抗噪性能。PSO優(yōu)化參數(shù)的SVM具有較強(qiáng)的小樣本學(xué)習(xí)能力，模型推廣能力強(qiáng)，適合于暫態(tài)擾動(dòng)信號(hào)的識(shí)別。本發(fā)明的優(yōu)點(diǎn)還包括I、本發(fā)明所采用的譜峭度方法屬于高階統(tǒng)計(jì)方法的范疇，譜峭度是一個(gè)四階累積量，理論上能夠完全抑制白噪聲，表征信號(hào)中的非平穩(wěn)和非高斯信號(hào)，并且能夠確定其在頻帶上的位置。譜峭度方法自身具有良好的性質(zhì)。2、本發(fā)明的所采用的基于BUD的譜峭度計(jì)算方法，繼承了 BUD較高的時(shí)頻聚焦性和抑制交叉項(xiàng)干擾的能力，且滿足Kernel類時(shí)頻分布的大多數(shù)時(shí)頻分布性質(zhì)，能夠更清晰、更準(zhǔn)確地表征信號(hào)中包含的非平穩(wěn)和非高斯成分。3、本發(fā)明所提取的擾動(dòng)特征量使不同類別的擾動(dòng)相互能夠得到充分的區(qū)分，且受噪聲干擾小，有效地減少輸入分類器的向量維數(shù)，提高分類速度和準(zhǔn)確度。為便于理解，將本發(fā)明的具體各部再作詳述如下上述A步提取擾動(dòng)特征信號(hào)的具體做法是設(shè)u(n)為含有擾動(dòng)信號(hào)的輸入電壓信號(hào)，n = 1，2，...，N，N為數(shù)據(jù)長(zhǎng)度。將u(n)
進(jìn)行小波變換。
權(quán)利要求
1.一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)分類識(shí)別方法，在電力系統(tǒng)中對(duì)暫態(tài)擾 動(dòng)進(jìn)行識(shí)別，其主要步驟是 A、提取擾動(dòng)特征信號(hào) 輸入含有擾動(dòng)信號(hào)的輸入電壓信號(hào)u (n)，n = 1，2，. . .，N，N為數(shù)據(jù)長(zhǎng)度，將u(n)進(jìn)行小波變換，提取擾動(dòng)特征信號(hào)(n)； B、計(jì)算擾動(dòng)特征信號(hào)譜峭度 由A獲得的擾動(dòng)特征信號(hào)Ur (n)求算其Butterworth分布Cur (t, f),再根據(jù)Cu1Xt, f)的2n階瞬時(shí)譜矩得出2階和4階瞬時(shí)譜距，最后根據(jù)譜峭度的定義，求得ujn)的譜峭度Kllr(Z)； C、提取擾動(dòng)特征向量選取譜峭度(.(/)的最大值、最小值和均值組成特征向量T，表示 為T = (Kmax, Kmin, Kavg) (10) 其中Kmax為譜峭度的最大值，Kfflin為譜峭度的均值，Kavg為譜峭度的均值； D、PSO優(yōu)化參數(shù)的SVM分類識(shí)別 將特征向量和特征向量對(duì)應(yīng)的類別輸入PSO優(yōu)化參數(shù)的SVM進(jìn)行訓(xùn)練，然后對(duì)測(cè)試樣本進(jìn)行分類，得出并向后續(xù)處理設(shè)備輸出所求分類結(jié)果。
2.如權(quán)利要求I所述的一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)分類識(shí)別方法，其特征在于所述A步計(jì)算擾動(dòng)特征信號(hào)譜峭度的具體作法為 Al、擾動(dòng)特征信號(hào)Ur (n)，計(jì)算其Butterworth分布，結(jié)果為Cu1^t, f),
全文摘要
本發(fā)明為一種基于BUD譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)分類識(shí)別方法。該方法該算法采用BUD譜峭度方法計(jì)算暫態(tài)脈沖和暫態(tài)振蕩兩類擾動(dòng)信號(hào)的譜峭度，選取譜峭度的最大值、最小值和均值作為特征量，輸入PSO優(yōu)化參數(shù)的SVM進(jìn)行訓(xùn)練測(cè)試。通過(guò)PSCAD/EMTDC獲得仿真數(shù)據(jù)，用該方法進(jìn)行分析。結(jié)果表明，基于BUD譜峭度方法能夠有效提取擾動(dòng)特征量，且具有良好的抗噪性能；利用SVM分類器在小樣本和疊加有其他擾動(dòng)時(shí)，有效識(shí)別兩類擾動(dòng)，識(shí)別率較高。
文檔編號(hào)G06K9/62GK102750543SQ20121017434
公開日2012年10月24日 申請(qǐng)日期2012年5月31日 優(yōu)先權(quán)日2012年5月31日
發(fā)明者劉志剛, 張巧革, 陳剛 申請(qǐng)人:西南交通大學(xué)