CN104730384A - 基于不完全s变换的电能扰动识别与定位方法 - Google Patents
基于不完全s变换的电能扰动识别与定位方法 Download PDFInfo
- Publication number
- CN104730384A CN104730384A CN201510113962.2A CN201510113962A CN104730384A CN 104730384 A CN104730384 A CN 104730384A CN 201510113962 A CN201510113962 A CN 201510113962A CN 104730384 A CN104730384 A CN 104730384A
- Authority
- CN
- China
- Prior art keywords
- signal
- disturbance
- transformation
- incomplete
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了一种基于不完全S变换的电能扰动识别与定位方法,包括以下步骤:设置系统参数、信号低通滤波并采样、不完全S变换、扰动判断以及扰动定位过程。利用本方法,对电能离散信号做特定频率的S变化获取其S向量并取模M,通过设定阈值判断谐波的存在;通过计算扰动过渡中点时刻而确定电能扰动发生与终止的时刻。利用本发明的方法,能够极大简化电能扰动分析所做的计算,在精确度允许的范围内以较快的速度对扰动进行识别与定位,使电力系统出现的电压扰动能够更快更及时的得到处理。
Description
技术领域
本发明涉及电力系统扰动识别与定位方法,尤其是涉及一种基于不完全S变换的电能扰动识别与定位方法。
背景技术
电力电子器件以及其他非线性负荷的广泛使用给电网带来诸如谐波、电压暂升、电压暂降、电压中断和其它高频瞬态扰动等电能质量问题。为保证电力系统的稳定运行,必须对其进行控制与处理。其中,识别并定位扰动方法是业界不断探寻的问题。
目前,电能质量扰动信号分析的主要方法有快速傅里叶变换(FFT)、短时傅里叶变换、神经网络、小波变换。
FFT只能了解信号的全局特性,不能反映信号频率随时间的变化规律,不具有时频局部性,无法全面描述扰动信号的局部时变特征。
短时傅里叶变换Dennis Gabor于1946年建立了短时傅里叶变换(Short Time Fourier Transform,STFT),STFT算法简单,在电网谐波谱分析、电压暂降扰动检测等方面取得了应用。但存在不可克服的缺陷:①同一信号不同窗函数的STFT结果相差很远;②信号分析的时、频分辨率在窗函数选定后无法改变,只能固定分辨率,无法兼顾高频信息和低频信息;③STFT的离散形式没有正交展开,很难实现高效算法。短时傅里叶变换虽然在一定程度上克服了FFT不具有局部分析能力的缺陷,可获得某一时刻的频率信息和某一频率点的信号幅值信息,但其窗函数固定,无法自适应调节信号分析的时域、频域分辨率。
神经网络需要进行网络训练,且需要大量先验信息,算法复杂度高,无法满足实时性电能质量扰动信号分析需要。
S变换:1996年,Stockwell等人将连续WT和STFT结合,提出了S变换时频分析方法,将一维时间信号变成二维包含局部时频谱性质的时间-频率谱。S变换是由小波变换和短时傅里叶结合发展起来的一种新型时频分析方法,以FFT→Gauss窗→IFFT为算法思路建立时频分析变换,S变换利用Gauss窗的高度与频率成正比、宽度随频率的增大而变小的特点,克服了STFT窗固定的缺陷,可获得某一时刻的频率信息和某一频率点的信号幅值信息,实现动态信号的时频特性分析。S变换克服了短时傅里叶变换窗口高度和宽度固定的缺陷,计算复杂度低于小波变换和神经网络,大大提高扰动信号时频分析精度和实用性。近年来,S变换备受重视,但处于发展中的S变换的不足也日渐显现。其中,S变换及其改进算法的时频矩阵信息量非常大,计算繁琐,难以嵌入式实现。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于不完全S变换的电能扰动识别与定位方法。
本发明的目的通过下述技术方案实现:
一种基于不完全S变换的电能扰动识别与定位方法,包括下列步骤:
S1、设置系统参数过程,包括设置待测信号进行谐波分析的最高次数、设置待测信号的采样频率及采样步长、设置用于判定信号扰动的判断阈值;
S2、信号低通滤波并采样过程,将待测信号进行低通滤波,并根据设定的采样频率和采样步长对经过低通滤波的待测信号进行采样,得到待测信号h(n);
S3、不完全S变换过程,首先构建离散高斯窗,对待测信号h(n)进行不完全S变换,求解得到特定谐波的幅值M(n);
S4、扰动判断过程,将上述特定谐波的幅值M(n)与所述判断阀值进行比较,检测特定谐波是否发生信号扰动,若检测到存在特定谐波发生信号扰动,则转至下一步骤S5,若各特定谐波均没有发生信号扰动,则结束此处扰动判断检测。
S5、扰动定位过程,确定信号扰动的发生时刻与终止时刻。
优选的,所述不完全S变换只计算2K+1次谐波,以上谐波的频率为B*(2K+1)Hz,其中,K=0,1,2,…,并且2K+1≤所述待测信号进行谐波分析的最高次数,B为基准频率。
优选的,所述步骤S5扰动定位过程具体包括:
S51、获取基频模向量M0,进行信号除噪处理以获得较平滑的信号幅值曲线;
S52、判断所述信号幅值曲线是否存在凸起或者凹陷以判断是否存在电压暂升或暂降;
S53、若发生电压信号的暂升或暂降,设所述信号幅值曲线凸起的凸值或者凹下的凹值为Peak,正常值为Standard,找出所述信号幅值曲线上对应值为(Peak+Standard)/2的两个时间点,首次对应的时间点记为发生时刻,另一对应的时间点记为终止时刻。
优选的,所述基准频率B取值为50Hz。
优选的,所述判断阀值的取值为信号采集数据幅度的100+A%或者100-A%,其中,A为判断阀值的取值幅度比例系数,A的取值区间为[8,15]。
优选的,所述判断阀值的取值幅度比例系数A=10。
本发明相对于现有技术具有如下的优点及效果:
1)本发明提出的基于改进不完全S变换的电能扰动识别与定位方法,能够极大简化电能扰动分析所做的计算。
2)具有计算量少,效率高和实用性强的特点,在精确度允许的范围内以较快的速度对扰动进行识别与定位,使电力系统出现的电压扰动能够更快更及时的得到处理。
附图说明
图1是本发明中基于不完全S变换的电能扰动识别与定位方法流程图;
图2是实例例中特定谐波扰动判断的步骤流程图;
图3是实施例中暂升电压扰动信号的基频模向量及原始波形图;
图4是实施例中暂升电压扰动信号加入3、5、7次谐波的变换结果图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
请参见图1,图1是本实施例中一种基于不完全S变换的电能扰动识别与定位方法流程图。图1所示的基于不完全S变换的电能扰动识别与定位方法,主要应用于电力系统中电能质量扰动信号分析领域。
下面具体介绍一种基于不完全S变换的电能扰动识别与定位方法,该方法主要由以下步骤组成:
1、设置系统参数
1)确定待测信号进行谐波分析的最高次数和对应的设置低通滤波器的电阻电容取值。
2)确定待测信号的采样频率(周期),采样步长(即每一次采样所需的数据长度),用于判定信号扰动的判断阈值(即根据此值判断信号扰动属于何种类型)。
判断阀值通常取值为信号采集数据幅度的100+A%(电压暂升阈值)或者100-A%(电压骤降阈值),其中,A为判断阀值的取值幅度比例,A的取值区间为[8,15]。本实施例中取值为信号采集数据幅度的100+10%。如电压采样数据的幅值为100KV,则阈值设置为110KV。
2、信号低通滤波并采样
将待测信号进行低通滤波,并根据设定的采样频率和采样步长对经过低通滤波的待测信号进行采样,得到数字的待测信号h(n)。
3、改进的不完全S变换
构建离散高斯窗,对待测信号h(n)进行改进的不完全S变换,求解得到各次谐波的模,获得对应特定频率的时域特性和频域特性。
3.1、高斯窗函数
在信号处理中,窗函数(window function)是一种除在给定区间之外取值均为0的实函数。譬如:在给定区间内为常数而在区间外为0的窗函数被形象地称为矩形窗。任何函数与窗函数之积仍为窗函数,所以相乘的结果就像透过窗口“看”其他函数一样。窗函数在频谱分析、滤波器设计、波束形成、以及音频数据压缩(如在Ogg Vorbis音频格式中)等方面有广泛的应用。
高斯窗是一种指数窗。高斯窗谱无负的旁瓣,第一旁瓣衰减达-55dB。高斯窗频谱的主瓣较宽,故而频率分辨力低。高斯窗函数常被用来截断一些非周期信号,如指数衰减信号等。
本实施例中的离散高斯窗式中n对应频率采样点数。
3.2、改进的不完全S变换
改进的不完全S变换的方法包括以下步骤:
(1)FFT运算:将采样好的待测信号h(n)通过FFT运算求得到信号频谱。
S变换的连续信号的计算公式如下:
式中,w(τ-t,f)为高斯窗函数,其宽度频率自适应调整,t,τ为时移因子;f为频率,x(t)为连续形式的待测信号。其离散形式如下
式中,N为采样点数;k、m、n、r取值分别为0,1,2,…,N-1;Ts为采样时间间隔;X(k/NTs)为信号x(nTs)的离散傅里叶频谱;G(r,k)为高斯窗的傅里叶频谱;
本方法的最终目的是对电能扰动进行识别和定位,所以为了能在精确度允许的范围内以较快的速度对扰动进行识别与定位,本方法对S变换提出改进,提出一种不完全S变换的方法,在对目标信号进行S变换时,并不完全计算所有频率,而采用以下方法:只计算2K+1次谐波,其中,K=0,1,2,…,并且2K+1≤待测信号进行谐波分析的最高次数,具体待测信号进行谐波分析的最高次数可根据需要自行调整设定。以上谐波的频率分别为B*(2K+1)Hz,其中,B为基频,B取值为50Hz。
在本实施例中,选定需要进行分析的最高谐波次数为7,则此时K=0,1,2,3。K值越大说明对高次谐波的关注度高,高次谐波对该电网的影响大。
(1)确定频率采样点n求出谐波频率,包括3次谐波、5次谐波、7次谐波等。对应计算公式如下:
N为采样点个数,T为采样时间间隔
(2)计算对应频率采样点n的高斯窗G(n,m),其中
(3)将H(m)移位到H(m+n),计算得到
H(n,m)=H(m+n)G(n,m)。
(4)将H(n,m)进行反傅里叶变换,得到对应采样点n的S向量S(j,n)。此处,S向量为复向量,并且
(5)对S向量取模M(2K+1),即求出2K+1次谐波的幅值,其中,K=0,1,2,3;此处M(2K+1)为S向量对应的模。
4、扰动判断
将上述步骤求得的特定谐波的幅值M(n)与选定的判断阀值比较(其中,n=2K+1,并且K=0,0,1,2,3;),检测特定谐波是否发生信号扰动。若检测到存在谐波发生信号扰动,则转至下一步骤,若各次谐波均没有发生信号扰动,则结束此处扰动检测。其中,本实施例中,判断阈值以幅值的10%确定,如电压采用数据的幅值为100KV,则阈值设置为110KV。具体的判断的流程步骤,如图2所示。
5、扰动定位
该步骤用于确定信号扰动(即电压信号扰动)的发生与终止时刻。具体流程如下:
(1)获取基频模向量M0,进行信号除噪处理以获得较平滑曲线。
(2)判断是否存在凸起或者凹陷以判断是否存在电压暂升或暂降。
(3)若发生电压信号的暂升或暂降,设曲线凸起且凸值(或者凹下且凹值)为Peak,正常值为Standard,则电压暂升或暂降发生及结束的时间按照以下方法计算:
找出曲线上对应值为(Peak+Standard)/2的两个点,两点对应时间记为发生与终止时刻。
将该方法应用于具体的电压信号,图3为原始的电压暂升基频模向量及原始波形,图4为加入3、5、7次谐波的变换结果,将该原始的电压信号经过以下步骤:
参照附图,本方法包括以下步骤:
1、设置系统参数,包括确定待测信号进行谐波分析的最高次数为7次和确定待测信号的采样频率、采样步长、用于判定信号扰动的判断阈值。
具体仿真所用参数:信号采样周期0.001s,采样点数N=1000,信号赋值=(实际电压),电压暂升阈值=1.1倍实际电压,电压骤降阈值=0.9倍实际电压,最高谐波次数为7。
2、信号低通滤波并采样
3、改进的不完全S变换
(1)确定频率采样点n求出谐波频率,包括3次谐波、5次谐波、7次谐波等。对应计算公式如下:
N为采样点个数,T为采样时间间隔
(2)计算对应频率采样点n的高斯窗G(n,m),其中
(3)将H(m)移位到H(m+n),计算得到
H(n,m)=H(m+n)G(n,m)。
(4)将H(n,m)进行反傅里叶变换,得到对应采样点n的S向量S(j,n)。此处,S向量为复向量,并且
(5)对S向量取模M(K),即求出各次谐波的幅值,此处M(K)为S向量对应的模。
4、扰动判断
将上述步骤求得的各次谐波的幅值M(K)与选定的判断阀值比较,检测各次谐波是否发生信号扰动。若检测到存在谐波发生信号扰动,则转至下一步骤,若各次谐波均没有发生信号扰动,则结束此处扰动判断。
5、扰动的识别与定位
该步骤用于确定信号扰动(即电压信号扰动)的发生与终止时刻。具体流程如下:
(1)获取基频模向量M0,进行信号除噪处理以获得较平滑的信号幅值曲线。
(2)判断信号幅值曲线是否存在凸起或者凹陷以判断是否存在电压暂升或暂降。
(3)若发生电压信号的暂升或暂降,设信号幅值曲线凸起的凸值或者凹下的凹值为Peak,正常值为Standard,则电压暂升或暂降发生及结束的时间按照以下方法计算:
找出信号幅值曲线上对应值为(Peak+Standard)/2的两个时间点,首次对应的时间点记为发生时刻,另一对应的时间点记为终止时刻。
对于图3,图中曲线为基频特性。可见,存在凸起部分可判断为电压暂升。根据计算(Peak+Standard)/2的结果,得到对应时间点为0.435和0.627,表明对应的电压暂升发生在0.435时刻,结束于0.627时刻。对比原始信号,可以肯定该算法的正确性。
对于图4,50Hz对应基频信号,达到幅值,而150Hz、250Hz、350Hz对应3、5、7次谐波,在图中也较大,通过设置阈值可以迅速识别并且进行定位,确定电压扰动信号的起始和终止时刻。
本发明方法极大简化电能扰动分析所做的计算,在精确度允许的范围内以较快的速度对扰动进行识别与定位,为实时高效的解决电力系统出现的电压扰动问题提供一种便捷有效的途径。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于不完全S变换的电能扰动识别与定位方法,其特征在于,包括下列步骤:
S1、设置系统参数过程,包括设置待测信号进行谐波分析的最高次数、设置待测信号的采样频率及采样步长、设置用于判定信号扰动的判断阈值;
S2、信号低通滤波并采样过程,将待测信号进行低通滤波,并根据设定的采样频率和采样步长对经过低通滤波的待测信号进行采样,得到待测信号h(n);
S3、不完全S变换过程,首先构建离散高斯窗,对待测信号h(n)进行不完全S变换,求解得到特定谐波的幅值M(n);
S4、扰动判断过程,将上述特定谐波的幅值M(n)与所述判断阀值进行比较,检测特定谐波是否发生信号扰动,若检测到存在特定谐波发生信号扰动,则转至下一步骤S5,若各特定谐波均没有发生信号扰动,则结束此处扰动判断检测;
S5、扰动定位过程,确定信号扰动的发生时刻与终止时刻。
2.根据权利要求1所述的基于不完全S变换的电能扰动识别与定位方法,其特征在于,
所述不完全S变换只计算2K+1次谐波,以上谐波的频率为B*(2K+1)Hz,其中,K=0,1,2,…,并且2K+1≤所述待测信号进行谐波分析的最高次数,B为基准频率。
3.根据权利要求1所述的基于不完全S变换的电能扰动识别与定位方法,其特征在于,
所述步骤S5扰动定位过程具体包括:
S51、获取基频模向量M0,进行信号除噪处理以获得较平滑的信号幅值曲线;
S52、判断所述信号幅值曲线是否存在凸起或者凹陷以判断是否存在电压暂升或暂降;
S53、若发生电压信号的暂升或暂降,设所述信号幅值曲线凸起的凸值或者凹下的凹值为Peak,正常值为Standard,找出所述信号幅值曲线上对应值为(Peak+Standard)/2的两个时间点,首次对应的时间点记为发生时刻,另一对应的时间点记为终止时刻。
4.根据权利要求2所述的基于不完全S变换的电能扰动识别与定位方法,其特征在于,
所述基准频率B取值为50Hz。
5.根据权利要求1至4任一所述的基于不完全S变换的电能扰动识别与定位方法,其特征在于,
所述判断阀值的取值为信号采集数据幅度的100+A%或者100-A%,其中,A为判断阀值的取值幅度比例系数,A的取值区间为[8,15]。
6.根据权利要求5所述的基于不完全S变换的电能扰动识别与定位方法,其特征在于,
所述判断阀值的取值幅度比例系数A=10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113962.2A CN104730384A (zh) | 2015-03-16 | 2015-03-16 | 基于不完全s变换的电能扰动识别与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113962.2A CN104730384A (zh) | 2015-03-16 | 2015-03-16 | 基于不完全s变换的电能扰动识别与定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104730384A true CN104730384A (zh) | 2015-06-24 |
Family
ID=53454470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510113962.2A Pending CN104730384A (zh) | 2015-03-16 | 2015-03-16 | 基于不完全s变换的电能扰动识别与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730384A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970265A (zh) * | 2017-03-29 | 2017-07-21 | 湖南工业大学 | 一种采用多时间尺度不完全s变换估计谐波参数的方法 |
CN107832777A (zh) * | 2017-10-12 | 2018-03-23 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN111308234A (zh) * | 2019-12-09 | 2020-06-19 | 国网青海省电力公司 | 布莱克曼窗与窗宽比的s变换电能质量扰动特征提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445620A (zh) * | 2011-11-21 | 2012-05-09 | 东北大学 | 一种暂态电能质量检测装置和方法 |
CN103245832A (zh) * | 2013-05-16 | 2013-08-14 | 湖南大学 | 基于快速s变换的谐波时频特性参数估计方法及分析仪 |
CN103308804A (zh) * | 2013-06-17 | 2013-09-18 | 湖南大学 | 基于快速k-s变换电能质量扰动信号时频参数提取方法 |
CN103323702A (zh) * | 2013-05-28 | 2013-09-25 | 西南交通大学 | 复合电能质量扰动信号识别方法 |
JP2014010073A (ja) * | 2012-06-29 | 2014-01-20 | Mitsubishi Electric Corp | 劣化検査装置および劣化検査方法 |
CN103995178A (zh) * | 2014-05-20 | 2014-08-20 | 江苏大学 | 一种基于时频聚集特性准则s变换的电压暂降检测方法 |
-
2015
- 2015-03-16 CN CN201510113962.2A patent/CN104730384A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445620A (zh) * | 2011-11-21 | 2012-05-09 | 东北大学 | 一种暂态电能质量检测装置和方法 |
JP2014010073A (ja) * | 2012-06-29 | 2014-01-20 | Mitsubishi Electric Corp | 劣化検査装置および劣化検査方法 |
CN103245832A (zh) * | 2013-05-16 | 2013-08-14 | 湖南大学 | 基于快速s变换的谐波时频特性参数估计方法及分析仪 |
CN103323702A (zh) * | 2013-05-28 | 2013-09-25 | 西南交通大学 | 复合电能质量扰动信号识别方法 |
CN103308804A (zh) * | 2013-06-17 | 2013-09-18 | 湖南大学 | 基于快速k-s变换电能质量扰动信号时频参数提取方法 |
CN103995178A (zh) * | 2014-05-20 | 2014-08-20 | 江苏大学 | 一种基于时频聚集特性准则s变换的电压暂降检测方法 |
Non-Patent Citations (3)
Title |
---|
张杨等: "一种基于时频域多特征量的电能质量混合扰动分类新方法", 《中国电机工程学报》 * |
易吉良: "基于S变换的电能质量扰动分析", 《中国优秀博士学位论文全文数据库工程科技Ⅱ辑》 * |
易吉良等: "采用不完全S变换的电能质量扰动检测方法", 《高压电技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970265A (zh) * | 2017-03-29 | 2017-07-21 | 湖南工业大学 | 一种采用多时间尺度不完全s变换估计谐波参数的方法 |
CN107832777A (zh) * | 2017-10-12 | 2018-03-23 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN107832777B (zh) * | 2017-10-12 | 2021-01-26 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN111308234A (zh) * | 2019-12-09 | 2020-06-19 | 国网青海省电力公司 | 布莱克曼窗与窗宽比的s变换电能质量扰动特征提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103245832B (zh) | 基于快速s变换的谐波时频特性参数估计方法及分析仪 | |
Abdelsalam et al. | Characterization of power quality disturbances using hybrid technique of linear Kalman filter and fuzzy-expert system | |
CN108469560B (zh) | 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法 | |
CN103308804B (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
CN103675617A (zh) | 一种用于高频局部放电信号检测的抗干扰方法 | |
CN103033567B (zh) | 一种基于导波的管道缺陷信号识别方法 | |
CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
CN102230951B (zh) | 一种电力系统单一或多重电能扰动事件在线监测与识别方法 | |
Jain et al. | An adaptive time-efficient technique for harmonic estimation of nonstationary signals | |
CN105486938B (zh) | 一种变电站混合噪声分离方法 | |
CN106546818A (zh) | 一种基于差分非线性模式分解的谐波信号检测方法 | |
CN105572501A (zh) | 一种基于sst变换和ls-svm的电能质量扰动识别方法 | |
CN103198184A (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
Chen et al. | Improved VMD-FRFT based on initial center frequency for early fault diagnosis of rolling element bearing | |
CN104111405A (zh) | 一种基于阻尼转矩分析法的电力系统低频振荡源定位方法 | |
CN108535613A (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
CN106154037A (zh) | 一种基于校验的同步相量自适应计算方法 | |
CN105893976B (zh) | 一种行波信号的参数化识别方法 | |
CN106501602A (zh) | 一种基于滑窗频谱分离的基波参数测量方法 | |
CN106250904A (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
CN104730384A (zh) | 基于不完全s变换的电能扰动识别与定位方法 | |
CN105891625A (zh) | 基于能量流的电力系统次同步振荡扰动源辨别方法 | |
de la Rosa et al. | An application of the spectral kurtosis to characterize power quality events | |
CN103207931A (zh) | 基于mm和arma算法的次同步振荡模态辨识方法 | |
Parsi et al. | Optimised time for travelling wave fault locators in the presence of different disturbances based on real-world fault data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150624 |