具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例的一种基于S变换的SDPQD信号识别方法的第一种实施方式的流程图,由图1可知,该方法包括:
S11:采集变电站上的短时电能质量扰动SDPQD信号,变电站上的SDPQD信号可由设置在该变电站上的至少一个监测设备实时存储。
S12:将采集的SDPQD信号进行离散S变换生成时频矩阵;
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
S13:将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
S14:根据预设的标准时频矩阵确定所述的时频矩阵各行的相似度值。
预设的标准时频域矩阵的生成过程如下:
以电力系统中经常出现的各类SDPQD的平均扰动幅值(幅值变化范围内最大值与最小值的平均数)作为该类SDPQD标准时频矩阵的幅值,生成不含噪声的SDPQD信号,每类SDPQD信号的幅值和持续时间为该类平均扰动幅值和平均持续时间。采用S模矩阵幅值的平方和均值定位SDPQD发生时间和持续时间,并提取S模矩阵中SDPQD发生前1周波至扰动结束后1周波的各行、列元素,各行对应频率值,各列对应采样时间点,作为扰动特征矩阵。将扰动持续期各列时间分量尺度缩放为6周波时间长度,标准时频矩阵的持续时间长度Ts一经确定,频率分辨率fd也随之确定,即如公式(3)所示:
式中:fs为采样频率;Np为每周期采样点数。对各行频率分量按此尺度缩放统一频宽分辨率。扰动特征矩阵经过扰动幅值、时间尺度和频宽分辨率标准化后,即可形成该类SDPQD的标准化全局时频域矩阵。
SDPQD信号的离散S变换结果为一个复时频矩阵,其中包含了信号本身特征的幅值、相位随时间和频率的分布信息,此外,还包含了大量的冗余信息。冗余量过多时,将会干扰甚至淹没SDPQD信号本身的特征信息。因此,在生成时频域矩阵时,可以提取SDPQD信号离散S变换后所得的模时频矩阵的部分行、列信息,即在以SDPQD信号S变换后所得的模时频矩阵全部信息为扰动特征量的基础上,从各类SDPQD信号全局标准时频矩阵中,选出最能表现该类扰动特征的一部分作为标准时频矩阵。
取SDPQD信号的模时频矩阵扰动特征集中的一部分作为其标准化时频矩阵。图6为本发明实施例的一种基于S变换的SDPQD识别方法中预设的标准时频矩阵示意图,由图6可知,标准化时频矩阵包括:电压暂降矩阵、电压暂升矩阵、电压波形缺口矩阵、电压波形尖峰矩阵、振荡暂态矩阵、短时谐波矩阵、电压暂降+谐波矩阵以及电压暂升+谐波矩阵。下面介绍各扰动标准化时频矩阵的频率选取,具体可为:
(1)、电压暂降矩阵和电压暂升矩阵
对于电压暂降和电压暂升的SDPQD信号的特征主要集中在基频附近,因而取全局中1-1200Hz作为其标准化时频矩阵。
(2)、电压波形缺口矩阵与电压波形尖峰矩阵
对于电压波形缺口与电压波形尖峰的SDPQD信号,除了产生暂态分量外,其主要扰动特征为在低频部分等值曲线的变化,因而取全局矩阵中25-100Hz作为其标准化时频矩阵。
(3)、振荡暂态矩阵
对于振荡暂态的SDPQD信号,其主要扰动特征集中在扰动周期内的高频部分,因而取全局时频矩阵中频率600-1200Hz作为其标准化矩阵。
(4)、短时谐波矩阵
对于短时谐波的电能质量扰动信号,其主要扰动特征集中在扰动周期内的中频部分,为了与电压暂降等复合扰动显著区分,因而取全局中频率25-450Hz作为其标准化时频矩阵。
电压暂降加谐波矩阵、电压暂升加谐波矩阵与短时谐波矩阵的标准化矩阵的选取情况相同,不再赘述。
根据上述的各种预设的标准时频域矩阵确定所述的SDPQD信号的各行的相似度值主要通过如下方式实现:
基于数字图像处理中相似度的思想,设MA为某变电站上的SDPQD信号经过S变换和时频尺度缩放后的矩阵,MB为预先设定的某一个标准时频域矩阵。对矩阵MA按照公式(4)计算各行的相似度,得出各层局部时频相似度值。公式(4)如下所示:
其中,SABi表示各行向量相似度,W表示矩阵列数,M(i,j)为矩阵中第i行和第j列元素,1≤j≤W。上式分母中根号下部分是矩阵MA、MB元素的平方和,分别表征了矩阵MA和MB对应行向量的能量大小;分子部分是矩阵MA和MB对应行向量元素的乘积,表征了矩阵MA、MB对应行向量之间的相关程度,当MA和MB的接近程度越高时,各层局部时频相似度值SABi越大。
S15:根据所述的各行相似度值确定所述的时频矩阵的平均相似度值。对各行局部时频相似度值SABi求平均值,得出平均相似度,通过公式(5)实现。公式(5)如下所示:
其中,H表示矩阵行数,1≤i≤H。
对于电压暂降矩阵、电压暂升矩阵、电压波形缺口矩阵、电压波形尖峰矩阵、短时谐波矩阵、电压暂降+谐波矩阵以及电压暂升+谐波矩阵,采用步骤S14、S15所述的方法计算平均相似度,识别SDPQD信号的准确率更高。
S16:根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
步骤S15中计算出当前测定的SDPQD信号的时频矩阵与预先设定的标准时频域矩阵的平均相似度后,根据相似度最大原理识别出当前测定的SDPQD信号,即比较所得的平均相似度的大小,选定出平均相似度最大的某一类标准时频域矩阵,则表明当前测定的SDPQD信号与该类标准时频域矩阵最为接近,所以将当前测定的未知的SDPQD信号归为该类标准时频域矩阵对应的那一类SDPQD信号,如此,实现了对未知SDPQD信号的识别。
图2为本发明实施例的一种基于S变换的SDPQD识别方法的第二种实施方式的流程图,由图2可知,该方法包括:
S11:采集变电站上的短时电能质量扰动SDPQD信号,变电站上的SDPQD信号可由设置在该变电站上的至少一个监测设备实时存储。
S12:将采集的SDPQD信号进行离散S变换生成时频矩阵,具体包括:
S121:将所述采集的SDPQD信号进行采样截取;
对实时采集到的SDPQD信号进行采样截取时,采样频率可为5-51.2KHz,采样长度可为SDPQD信号发生前的4个工频周波+SDPQD信号发生时间+SDPQD信号发生后4个工频周波。
S122:将采样截取的SDPQD信号进行离散S变换生成时频矩阵。
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
S13:将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
S14:根据预设的标准时频矩阵确定所述的时频矩阵各行的相似度值,具体包括:
S141:根据由工频信号组成的电压时频矩阵和功率时频矩阵将所述的时频矩阵进行过滤。变电站中采集的SDPQD信号中可能包括了很多垃圾信号数据,因此,需要将这些垃圾数据通过由工频信号组成的电压时频矩阵和功率时频矩阵进行过滤。
S142:根据预设的标准时频矩阵确定所述的过滤后的时频矩阵各行的相似度值。
步骤S15、S16与实施方式一中的步骤S15、S16相同,此处不再赘述。
图3为本发明实施例的一种基于S变换的SDPQD信号识别方法的第三种实施方式的流程图,由图3可知,该方法包括:
S21:采集变电站上的短时电能质量扰动SDPQD信号,变电站上的SDPQD信号可由设置在该变电站上的至少一个监测设备实时存储。
S22:将采集的SDPQD信号进行离散S变换生成时频矩阵;
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
S23:将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
S24:根据预设的标准时频矩阵确定所述的时频矩阵各列的相似度值。
根据上述的各种预设的时频域矩阵确定所述的SDPQD信号的各列的相似度值主要通过如下方式实现:
基于数字图像处理中相似度的思想,设MA为某变电站上的SDPQD信号经过S变换和时频尺度缩放后的矩阵,MB为预先设定的某一个时频域矩阵。对矩阵MA计算各列的相似度,得出各层局部时频相似度值。当MA和MB的接近程度越高时,各层局部时频相似度值越大。
S25:根据所述的各列相似度值确定所述的时频矩阵的平均相似度值,即对各列局部时频相似度值求平均值,得出平均相似度。
对于振荡暂态矩阵,采用步骤S24、S25所述的方法计算平均相似度,识别SDPQD信号的准确率更高。
S26:根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
步骤S25中计算出当前测定的SDPQD信号的时频矩阵与预先设定的标准时频域矩阵的平均相似度后,根据相似度最大原理识别出当前测定的SDPQD信号,即比较所得的平均相似度的大小,选定出平均相似度最大的某一类标准时频域矩阵,则表明当前测定的SDPQD信号与该类标准时频域矩阵最为接近,所以将当前测定的未知的SDPQD信号归为该类标准时频域矩阵对应的那一类SDPQD信号,如此,实现了对未知SDPQD信号的识别。
图4为本发明实施例的一种基于S变换的SDPQD信号识别方法的第四种实施方式的流程图,由图4可知,该方法包括:
S21:采集变电站上的短时电能质量扰动SDPQD信号,变电站上的SDPQD信号可由设置在该变电站上的至少一个监测设备实时存储。
S22:将采集的SDPQD信号进行离散S变换生成时频矩阵,具体包括:
S221:将所述采集的SDPQD信号进行采样截取;
对实时采集到的SDPQD信号进行采样截取时,采样频率可为5-51.2KHz,采样长度可为SDPQD信号发生前的4个工频周波+SDPQD信号发生时间+SDPQD信号发生后4个工频周波。
S222:将采样截取的SDPQD信号进行离散S变换生成时频矩阵。
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
S23:将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
S24:根据预设的标准时频矩阵确定所述的时频矩阵各列的相似度值,具体包括:
S241:根据由工频信号组成的电压时频矩阵和功率时频矩阵将所述的时频矩阵进行过滤。变电站中采集的SDPQD信号中可能包括了很多垃圾信号数据,因此,需要将这些垃圾数据通过由工频信号组成的电压时频矩阵和功率时频矩阵进行过滤。
S242:根据预设的标准时频矩阵确定所述的过滤后的时频矩阵各列的相似度值。
步骤S25、S26与实施方式三中的步骤S25、S26相同,此处不再赘述。
图7是本发明实施例提供的一种基于S变换的SDPQD信号识别系统的结构框图,由图7可知,该系统包括:至少一个监测设备10,用于实时采集变电站上的SDPQD信号;基于S变换的SDPQD识别设备20,用于从所述的监测设备10上采集并识别所述的SDPQD信号。
图8为本发明实施例的一种基于S变换的SDPQD信号识别设备的第一种实施方式的结构框图,由图8可知,所述的基于S变换的SDPQD识别设备20包括:
第一信号采集装置2011,用于采集变电站上的SDPQD信号;
第一信号变换装置2012,用于将采集的SDPQD信号进行离散S变换生成时频矩阵;
第一尺度缩放装置2013,用于将所述的时频矩阵进行尺度缩放;
第一相似度值确定装置2014,用于根据预设的标准时频矩阵确定所述的时频矩阵各行的相似度值;
第一平均相似度值确定装置2015,用于根据所述的各行相似度值确定所述的时频矩阵的平均相似度值;
第一信号识别装置2016,用于根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
第一信号变换装置2012中将采集的SDPQD信号进行离散S变换生成时频矩阵,具体可通过如下方式进行:
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
第一尺度缩放装置2013中将所述的时频矩阵进行尺度缩放具体通过如下方式进行:
图5为本发明实施例的一种基于S变换的SDPQD识别设备中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
第一相似度值确定装置2014中根据预设的标准时频矩阵确定所述的时频矩阵各行的相似度值,具体通过如下方式进行:
基于数字图像处理中相似度的思想,设MA为某变电站上的SDPQD信号经过S变换和时频尺度缩放后的矩阵,MB为电能质量分析平台20中预先设定的某一个标准时频域矩阵。对矩阵MA按照公式(4)计算各行的相似度,得出各层局部时频相似度值。公式(4)如下所示:
其中,SABi表示各行向量相似度,W表示矩阵列数,M(i,j)为矩阵中第i行和第j列元素,1≤j≤W。上式分母中根号下部分是矩阵MA、MB元素的平方和,分别表征了矩阵MA和MB对应行向量的能量大小;分子部分是矩阵MA和MB对应行向量元素的乘积,表征了矩阵MA、MB对应行向量之间的相关程度,当MA和MB的接近程度越高时,各层局部时频相似度值SABi越大。
第一平均相似度值确定装置2015,用于根据所述的各行相似度值确定所述的时频矩阵的平均相似度值。对各行局部时频相似度值SABi求平均值,得出平均相似度,通过公式(5)实现。公式(5)如下所示:
其中,H表示矩阵行数,1≤i≤H。
对于电压暂降矩阵、电压暂升矩阵、电压波形缺口矩阵、电压波形尖峰矩阵、短时谐波矩阵、电压暂降+谐波矩阵以及电压暂升+谐波矩阵,采用第一相似度确定装置、第一平均相似度确定装置计算平均相似度,识别SDPQD信号的准确率更高。
第一信号识别装置2016,用于根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
第一平均相似度值确定装置2015计算出当前测定的SDPQD信号与电能质量分析平台中预先设定的标准时频域矩阵的平均相似度后,根据相似度最大原理识别出当前测定的SDPQD信号,即比较所得的平均相似度的大小,选定出平均相似度最大的某一类标准时频域矩阵,则表明当前测定的SDPQD信号与该类标准时频域矩阵最为接近,所以将当前测定的未知的SDPQD信号归为该类标准时频域矩阵对应的那一类SDPQD信号,如此,实现了对未知SDPQD信号的识别。
图9为本发明实施例的一种基于S变换的SDPQD识别设备的第二种实施方式的结构框图,由图9可知,所述的基于S变换的SDPQD识别设备20包括:
第一信号采集装置2011,用于采集变电站上的SDPQD信号;
第一信号变换装置2012,用于将采集的SDPQD信号进行离散S变换生成时频矩阵,具体包括:
第一采样装置20121,用于将所述采集的SDPQD信号进行采样截取。对实时采集到的SDPQD信号进行采样截取时,采样频率可为5-51.2KHz,采样长度可为SDPQD信号发生前的4个工频周波+SDPQD信号发生时间+SDPQD信号发生后4个工频周波。
第一矩阵生成装置20122,用于将采样截取的SDPQD信号进行离散S变换生成时频矩阵。
第一矩阵生成装置20122中将采集的SDPQD信号进行离散S变换生成时频矩阵,具体可通过如下方式进行:
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
第一尺度缩放装置2013,用于将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
第一相似度值确定装置2014,用于根据预设的标准时频矩阵确定所述的时频矩阵各行的相似度值,具体包括:
第一矩阵过滤装置20141,用于根据由工频信号组成的电压时频矩阵和功率时频矩阵将所述的时频矩阵进行过滤。变电站中采集的SDPQD信号中可能包括了很多垃圾信号数据,因此,需要将这些垃圾数据通过由工频信号组成的电压时频矩阵和功率时频矩阵进行过滤。
第一确定装置20142,用于根据预设的标准时频矩阵确定所述的过滤后的时频矩阵各行的相似度值。
实施方式二中的第一平均相似度值确定装置2015、第一信号识别装置2016与实施方式一中的第一平均相似度值确定装置2015、第一信号识别装置2016相同,此处不再赘述。
图10为本发明实施例的一种基于S变换的SDPQD识别设备的第三种实施方式的结构框图,由图10可知,所述的基于S变换的SDPQD识别设备20包括:
第二信号采集装置2021,用于采集变电站上的SDPQD信号;
第二信号变换装置2022,用于将采集的SDPQD信号进行离散S变换生成时频矩阵;
第二尺度缩放装置2023,用于将所述的时频矩阵进行尺度缩放;
第二相似度值确定装置2024,用于根据预设的标准时频矩阵确定所述的时频矩阵各列的相似度值;
第二平均相似度值确定装置2025,用于根据所述的各列相似度值确定所述的时频矩阵的平均相似度值;
第二信号识别装置2026,用于根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
第二信号变换装置2022中将采集的SDPQD信号进行离散S变换生成时频矩阵,具体可通过如下方式进行:
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
第二尺度缩放装置2023中将所述的时频矩阵进行尺度缩放具体通过如下方式进行:
图5为本发明实施例的一种基于S变换的SDPQD识别设备中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
第二相似度值确定装置2024中根据预设的标准时频矩阵确定所述的时频矩阵各列的相似度值,具体通过如下方式进行:
基于数字图像处理中相似度的思想,设MA为某变电站上的SDPQD信号经过S变换和时频尺度缩放后的矩阵,MB为预先设定的某一个标准时频域矩阵。对矩阵MA计算各列的相似度,得出各层局部时频相似度值。
第二平均相似度值确定装置2025,用于根据所述的各列相似度值确定所述的时频矩阵的平均相似度值。对各列局部时频相似度值求平均值,得出平均相似度。
对于振荡暂态矩阵,采用第二相似度值确定装置、第二平均相似度值确定装置计算平均相似度,识别SDPQD信号的准确率更高。
第二信号识别装置2026,用于根据所述的时频矩阵的平均相似度值识别所述的SDPQD信号。
第二平均相似度确定装置2025计算出当前测定的SDPQD信号与电能质量分析平台中预先设定的时频域矩阵的平均相似度后,根据相似度最大原理识别出当前测定的SDPQD信号,即比较所得的平均相似度的大小,选定出平均相似度最大的某一类标准时频域矩阵,则表明当前测定的SDPQD信号与该类标准时频域矩阵最为接近,所以将当前测定的未知的SDPQD信号归为该类标准时频域矩阵对应的那一类SDPQD信号,如此,实现了对未知SDPQD信号的识别。
图11为本发明实施例的一种基于S变换的SDPQD识别设备的第四种实施方式的结构框图,由图11可知,所述的基于S变换的SDPQD识别设备20包括:
第二信号采集装置2021,用于采集变电站上的SDPQD信号;
第二信号变换装置2022,用于将采集的SDPQD信号进行离散S变换生成时频矩阵,具体包括:
第二采样装置20221,用于将所述采集的SDPQD信号进行采样截取。对实时采集到的SDPQD信号进行采样截取时,采样频率可为5-51.2KHz,采样长度可为SDPQD信号发生前的4个工频周波+SDPQD信号发生时间+SDPQD信号发生后4个工频周波。
第二矩阵生成装置20222,用于将采样截取的SDPQD信号进行离散S变换生成时频矩阵。
第二矩阵生成装置20222中将采集的SDPQD信号进行离散S变换生成时频矩阵,具体可通过如下方式进行:
离散S变换的表现形式如公式(1)所示:
其中,m是时间点,与采样频率对应;n是频率点,由采样窗口决定。经过S变换后形成模时频矩阵S(m,n),矩阵的行和列分别与时间、频率对应。时间长度为SDPQD信号前后各一个工频周期+扰动发生时间,频率点覆盖1~1200Hz。
第二尺度缩放装置2023,用于将所述的时频矩阵进行尺度缩放;
图5为本发明实施例的一种基于S变换的SDPQD识别方法中的尺度缩放示意图,由图5可知,对上述经过离散S变换的模时频矩阵S(m,n)的行向量进行尺度缩放,每行将增加新的元素。尺度缩放可采用双线性插值法来实现,即根据图5中的点(u,v)的四个相邻整数点的灰度值作两次线性插值计算出点(u,v)的灰度值f(u,v),具体公式如公式(2)所示:
f(u,v)=(1-α)(1-β)f([u],[v])+α(1-β)f([u]+1,[v])
+(1-α)βf([u],[v]+1)+αβf([u]+1,[v]+1) (2)
其中,[S]表示值不超过S的最大整数。
第二相似度值确定装置2024,用于根据预设的标准时频矩阵确定所述的时频矩阵各列的相似度值,具体包括:
第二矩阵过滤装置20241,用于根据由工频信号组成的电压时频矩阵和功率时频矩阵将所述的时频矩阵进行过滤。变电站中采集的SDPQD信号中可能包括了很多垃圾信号数据,因此,需要将这些垃圾数据通过由工频信号组成的电压时频矩阵和功率时频矩阵进行过滤。
第二确定装置20242,用于根据预设的标准时频矩阵确定所述的过滤后的时频矩阵各列的相似度值。
实施方式四中的第二平均相似度值确定装置2025、第二信号识别装置2026与实施方式三中的第二平均相似度值确定装置2025、第二信号识别装置2026相同,此处不再赘述。
下面结合具体的实施例详细介绍本发明的技术方案。对基于S变换的SDPQD信号识别设备中预先设定的8类标准时频域矩阵,每类标准时频域矩阵随机采集到100个信号样本,总计800个信号样本,计算这800个信号样本经过S变换和时频尺度缩放后的各扰动特征矩阵与8类标准时频域矩阵的相似度。表二列出了在40dB、30dB和20dB的噪声水平下,每类标准时频域矩阵的100个信号样本与这8类标准时频域矩阵的平均相似度,行对应测试样本的类别,列对应标准时频域矩阵的类别。
表2
由表2可知,在40dB、30dB和20dB噪声环境下,本发明提供的一种基于S变换的SDPQD识别方法、设备以及系统能够将持续任意时间的SDPQD信号进行正确分类,且分类准确率高。
下面介绍在变电站现场实际测得的四个SDPQD信号的识别过程。将实际测得的四个SDPQD信号与标准时频矩阵中的8类标准时频矩阵分别计算平均相似度,如表3所示。
表3
标准时频矩阵类别 |
实测数据平均相似度 |
正确分类数量 |
电压暂降 |
0.9070 |
4 |
电压暂升 |
0.8263 |
0 |
电压波形缺口 |
0.8065 |
0 |
电压波形尖峰 |
0.7554 |
0 |
振荡暂态 |
0.7347 |
0 |
短时谐波 |
0.6794 |
0 |
暂降谐波 |
0.6322 |
0 |
暂升谐波 |
0.5829 |
0 |
由表3可知,本发明提供的一种基于S变换的SDPQD识别方法、设备以及系统能够将持续任意时间的实测SDPQD信号进行正确分类,且分类准确率高。
需要指出的是,本发明提供的基于S变换的SDPQD信号识别设备中预先设定的标准时频域矩阵不仅可以为全局标准时频域矩阵,也可以为局部标准时频域矩阵,采用局部标准时频域矩阵计算平均相似度不仅减少了计算量,而且具有更好的抗噪声干扰能力。
总上所示,本发明实施例提供的一种基于S变换的SDPQD识别方法、设备以及系统,解决了现有技术中的识别方法只能对简单扰动信号进行识别,无法识别诸如暂态振荡、短时谐波等复杂扰动信号的问题,实现了在噪声环境下,对持续任意时间的SDPQD信号的正确识别和分类,且准确率高,识别过程简单,具有工程应用价值。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。