CN106548013B - 利用改进不完全s变换的电压暂降源识别方法 - Google Patents

Abstract

本发明公开的利用改进不完全S变换的电压暂降源识别方法，具体为：先对电压暂降信号进行FFT变换，对得到的功率谱进行动态测度提取信号的主要频率点；然后对主要频率分量及其附近的频率点进行改进S变换，对得到的模时频矩阵进行时频尺度缩放，构造各类暂降源的标准模板；对待测电压暂降信号进行同样改进S变换和尺度缩放，计算其与标准模板的平均相似度；最后结合主要频率点信息和相似度最大原理实现暂降源的识别。本发明利用改进不完全S变换的电压暂降源识别方法，对S变换进行改进，避免了对所有频率点的计算，大大提高了计算速度和效率；并且使用模板匹配的分类方法，无需添加分类器，抗干扰能力强。

Description

利用改进不完全S变换的电压暂降源识别方法

技术领域

本发明属于电压暂降检测方法技术领域，涉及一种利用改进不完全S变换的电压暂降源识别方法。

背景技术

电压暂降是电力系统中最严重的电能质量问题之一，电压暂降可能导致程序逻辑控制器误动作、生产过程停止、调速装置失灵、计算机数据丢失等，从而造成巨大的经济损失。其中，输电线路短路故障、异步电机启动、变压器投运是引起电压暂降的主要原因。因此，快速准确地识别引起电压暂降的扰动源对于预防和治理电压暂降十分重要，同时对于明确电能质量责任方和改善电能质量具有重要意义。

目前，国内外学者对电压暂降扰动源识别问题提出很多方法，但主要归结为特征提取和分类器两大类。对于特征提取，常用的特征提取方法有：短时傅里叶变换、小波变换和S变换等；其中，短时傅里叶变换时频分辨率固定，不适用于分析暂态电能质量扰动信号；小波变换虽然具有良好的时频局部化特性，但小波变换易受噪声的影响；S变换具有良好的时频分析能力，但S变换需对所有频率点的FFT值均进行运算，会影响算法的实时性和有效性。对于分类器，现有的分类器主要有：人工神经网络、支持向量机和贝叶斯分类等；人工神经网络分类方法结构简单，能较好地处理噪声数据，但是算法容易产生过拟合，收敛性较差，训练时间较长；支持向量机分类算法结构简单，训练简单，但分类的效果过分依赖于核函数的选择和参数的设置；贝叶斯分类法利用概率推断能力，学习过程简单，不需要搜索，但其计算量较大，所须训练样本较多。

针对现有电压暂降源识别的不足，先对S变换进行改进并利用功率谱包络的动态测度检测出电压暂降信号的主要频率点和暂降信号的模时频矩阵；然后对模时频矩阵进行尺度缩放，构建各类扰动源的标准模板；接着对待测电压暂降信号进行同样改进S变换和尺度缩放，计算出各类待测试暂降信号与其标准模板的平均相似度，最后结合信号的主要频率点和相似度最大原理就能实现暂降源的识别。

发明内容

本发明的目的在于提供一种利用改进不完全S变换的电压暂降源识别方法，能快速准确地识别引起电压暂降的扰动源。

本发明所采用的技术方案是，利用改进不完全S变换的电压暂降源识别方法，具体按照以下方法实施：

步骤1、先采集线路电压暂降期间三相电压u_φ(k)，k＝0,1,2,......N-1，其中，φ＝A,B,C；然后对三相电压进行FFT变换；

步骤2、利用经步骤1FFT变换后的功率谱进行动态测度检测信号所含有的主要频率成分f_k，k＝(2,3,4)；

步骤3、经步骤2后，利用改进S变换和时频尺度缩放，建立电压暂降信号的标准模板；

步骤4、待步骤3完成后，计算各类待测试暂降信号与各标准模板的平均相似度S_EF，按照相似度最大原理实现电压暂降源的识别。

本发明的特点还在于：

设定h(k)，k＝(0,T_s...N-1)为任意输入信号且h(k)≥0，则将各采样点的数值看作是各点的高度；其中，N为采样点数，T_s为采样间隔；

定义1：两点之间的路径；

i、j是信号h(k)上不同的两点，则这两个点之间的部分称作路径l(i,j)，具体表达式如下：

l(i,j)＝(h(i),h(i+1),...,h(j)) (1)；

定义2：路径的动态测度；

路径l(i,j)的动态测度定义为最高点与最低点的高度差，具体表达式如下：

D_yn[l(i,j)]＝max(|l_m-l_n|)，l_m,l_n∈l(i,j) (2)；

定义3：极小点的动态测度；

设K为h(k)的一个极小值点，若在K的两侧都存在比K值更低的极小点，则极小点K的D_yn测度等于由点K通向同高度的所有路径中最小的路径D_yn测度；

由动态测度的定义得到：动态测度能反映信号所有极值点的特征，识别信号的主要极值点。

在步骤3中，改进S变换，具体按照以下方法实施：

信号g(t)的改进S变换具体如下：

式(3)中：f表示频率；a、b为尺度缩放因子；e常数；τ表示平移因子；t表示时间。

对通过FFT变换后的功率谱进行动态测度，提取信号的主要频率点，对主要频率点进行改进S变换，经这样处理后的改进S变换的离散形式具体如下：

在式(4)中：N为总采样点数；T为采样间隔；g(k)(k＝0,1,...,N-1)为g(t)离散时间序列；j为时间采样点；n为频率采样点；n_m为通过FFT变换后的信号进行动态测度所提取的主要频率点。

在步骤3中，时频尺度缩放，具体按照以下方法实施：

在式(5)中：a、b为尺度缩放因子；x、y为原始图像上的点；x₁、y₁为缩放后图像的点；

对原始图像上的点x、y所相邻的四个整数点的灰度值分别作两次双线性插值求出x、y点的灰度值，具体按照以下算法实施：

式(6)中：α、β表示缩放因子；

对于发生频率突变的电压暂降源是通过步骤2中的动态测度检测得到，因此只要建立单相短路故障、异步电机启动和故障类型变化的这三类电压暂降扰动源。

在步骤3中，电压暂降标准模板的建立，具体按照以步骤实施：

步骤a、通过基频幅值斜率变化曲线来定位扰动的发生时间和持续时间，提取各类电压暂降源发生前1周期至扰动结束后1周期、频率范围为20Hz～80Hz的各行各列元素，构成特征矩阵；

步骤b、经步骤a后，将各类电压暂降持续时间内的各列时间分量按双线性插值法，尺度缩放为11个周期；

步骤c、经步骤b后，对各行的频率分量按此尺度统一频率分辨率；各类电压暂降源的特征矩阵经时间尺度和频率分辨率的标准化以后便形成该类扰动的标准化全局模板；

步骤d、经步骤c后，在各类电压暂降源的标准化模板中选出最能表现该类电压暂降特征部分作为标准模板，以突出模板间的相似性。

步骤4具体按照以下方法实施：

平均相似度S_EF的计算，具体按照以下算法实施：

在式(7)中：H代表行数，L代表矩阵的列数；E(i,j)、F(i,j)分别为待测试样本信号的局部模板与某类电压暂降标准模板中第i和j所对应元素的幅值；其中，平均相似度S_EF的值反映两个矩阵的相关程度，其值越大表明两个矩阵的相似程度越大；

为了实现同类电压暂降相似度值最大化，异类电压暂降相似度值最小化，采用分频逐行计算相似度和能量归一化的思想，具体按照以下方法实施：

设定是第i行的平均值，经过频谱平移后矩阵各行的元素变为如下形式：

式(8)中：E′(i,j)表示频谱平移后的矩阵；E(i,j)表示频谱平移前的矩阵；表示矩阵中第i行的均值；

对频谱平移后的矩阵分频逐行计算相似度，则第i行的相似度为：

在式(9)中：L代表矩阵的列数；

对矩阵各行的相似度求取平均值，即得某类电压暂降信号与标准模板的相似度为：

在式(10)中：H代表矩阵的行数；

若待测试的电压暂降信号与某一类电压暂降信号标准模板的相似度最大，则认为待测试的电压暂降信号的类型与该标准模板的暂降类型相同，从而实现电压暂降源的分类。

本发明的有益效果在于：

(1)本发明利用改进不完全S变换的电压暂降源识别方法，先是对电压暂降信号进行FFT变换，对得到的功率谱进行动态测度提取信号的主要频率点；然后对主要频率分量及其附近的频率点进行改进S变换，对得到的模时频矩阵进行时频尺度缩放，构造各类暂降源的标准模板；接着对待测电压暂降信号进行同样改进S变换和尺度缩放，计算其与标准模板的平均相似度；最后结合主要频率点信息和相似度最大原理实现暂降源的识别。

(2)本发明利用改进不完全S变换的电压暂降源识别方法，与其他配电网电压暂降源识别原理相比，具有以下显著优点：通过改进不完全S变换提取电压暂降扰动信号所含有的主要频率点，避免了对所有频率点的计算，大大提高了算法的计算速度和效率；利用改进不完全S变换的电压暂降源识别方法，采用模板匹配的分类方法，无需添加分类器，原理简单，能快速准确地识别引起电压暂降的扰动源。

附图说明

图1是本发明利用改进不完全S变换的电压暂降源识别方法的流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明利用改进不完全S变换的电压暂降源识别方法，其方法流程如图1所示，具体按照以下步骤实施：

步骤1、先采集线路电压暂降期间三相电压u_φ(k)，k＝0,1,2,......N-1，其中，φ＝A,B,C；然后对三相电压进行FFT变换；

步骤2、利用经步骤1FFT变换后的功率谱进行动态测度检测信号所含有的主要频率成分f_k，k＝(2,3,4)，即：

设定h(k)，k＝(0,T_s...N-1)为任意输入信号且h(k)≥0，则将各采样点的数值看作是各点的高度；其中，N为采样点数，T_s为采样间隔；

定义1：两点之间的路径；

i、j是信号h(k)上不同的两点，则这两个点之间的部分称作路径l(i,j)，具体表达式如下：

l(i,j)＝(h(i),h(i+1),...,h(j)) (1)；

定义2：路径的动态测度；

路径l(i,j)的动态测度定义为最高点与最低点的高度差，具体表达式如下：

D_yn[l(i,j)]＝max(|l_m-l_n|)，l_m,l_n∈l(i,j) (2)；

定义3：极小点的动态测度；

设K为h(k)的一个极小值点，若在K的两侧都存在比K值更低的极小点，则极小点K的D_yn测度等于由点K通向同高度的所有路径中最小的路径D_yn测度；

由动态测度的定义得到：动态测度能反映信号所有极值点的特征，识别信号的主要极值点。

步骤3、经步骤2后，利用改进S变换和时频尺度缩放，建立电压暂降信号的标准模板，具体方法如下：

改进S变换，具体按照以下方法实施：

信号g(t)的改进S变换具体如下：

式(3)中：f表示频率；a、b为尺度缩放因子；e常数；τ表示平移因子；t表示时间。

对通过FFT变换后的功率谱进行动态测度，提取信号的主要频率点，对主要频率点进行改进S变换，经这样处理后的改进S变换的离散形式具体如下：

在式(4)中：N为总采样点数；T为采样间隔；g(k)(k＝0,1,...,N-1)为g(t)离散时间序列；j为时间采样点；n为频率采样点；n_m为通过FFT变换后的信号进行动态测度所提取的主要频率点。

时频尺度缩放，具体按照以下方法实施：

在式(5)中：a、b为尺度缩放因子；x、y为原始图像上的点；x₁、y₁为缩放后图像的点；

对原始图像上的点x、y所相邻的四个整数点的灰度值分别作两次双线性插值求出x、y点的灰度值，具体按照以下算法实施：

式(6)中：α、β表示缩放因子；

对于发生频率突变的电压暂降源是通过步骤2中的动态测度检测得到，因此只要建立单相短路故障、异步电机启动和故障类型变化的这三类电压暂降扰动源。

电压暂降标准模板的建立，具体按照以步骤实施：

步骤a、通过基频幅值斜率变化曲线来定位扰动的发生时间和持续时间，提取各类电压暂降源发生前1周期至扰动结束后1周期、频率范围为20Hz～80Hz的各行各列元素，构成特征矩阵；

步骤b、经步骤a后，将各类电压暂降持续时间内的各列时间分量按双线性插值法，尺度缩放为11个周期；

步骤c、经步骤b后，对各行的频率分量按此尺度统一频率分辨率；各类电压暂降源的特征矩阵经时间尺度和频率分辨率的标准化以后便形成该类扰动的标准化全局模板；

步骤d、经步骤c后，在各类电压暂降源的标准化模板中选出最能表现该类电压暂降特征部分作为标准模板，以突出模板间的相似性。

步骤4、待步骤3完成后，计算各类待测试暂降信号与各标准模板的平均相似度S_EF，按照相似度最大原理实现电压暂降源的识别，具体按照以下方法实施：

平均相似度S_EF的计算，具体按照以下算法实施：

在式(7)中：H代表行数，L代表矩阵的列数；E(i,j)、F(i,j)分别为待测试样本信号的局部模板与某类电压暂降标准模板中第i和j所对应元素的幅值；其中，平均相似度S_EF的值反映两个矩阵的相关程度，其值越大表明两个矩阵的相似程度越大。

为了能提高电压暂降信号分类识别的准确率，即实现同类电压暂降相似度值最大化，异类电压暂降相似度值最小化，采用分频逐行计算相似度和能量归一化的思想，具体按照以下方法实施：

设定E_i是第i行的平均值，经过频谱平移后矩阵各行的元素变为如下形式：

式(8)中：E′(i,j)表示频谱平移后的矩阵；E(i,j)表示频谱平移前的矩阵；表示矩阵中第i行的均值；

对频谱平移后的矩阵分频逐行计算相似度，则第i行的相似度为：

在式(9)中：L代表矩阵的列数；

对矩阵各行的相似度求取平均值，即得某类电压暂降信号与标准模板的相似度为：

在式(10)中：H代表矩阵的行数；

若待测试的电压暂降信号与某一类电压暂降信号标准模板的相似度最大，则认为待测试的电压暂降信号的类型与该标准模板的暂降类型相同，从而实现电压暂降源的分类。

本发明利用改进不完全S变换的电压暂降源识别方法，其创新之处是能快速准确地识别引起电压暂降的扰动源。本发明利用改进不完全S变换的电压暂降源识别方法是：先对电压暂降信号进行FFT变换，对得到的功率谱进行动态测度提取信号的主要频率点；然后对主要频率分量及其附近的频率点进行改进S变换，对得到的模时频矩阵进行时频尺度缩放，构造各类暂降源的标准模板；对待测电压暂降信号进行同样改进S变换和尺度缩放，计算其与标准模板的平均相似度；最后结合主要频率点信息和相似度最大原理实现暂降源的识别。本发明利用改进不完全S变换的电压暂降源识别方法能准确可靠地识别引起电压暂降的扰动源且分类简单，计算量小、无需添加分类器，抗干扰能力强。

Claims (5)

1.利用改进不完全S变换的电压暂降源识别方法，其特征在于，具体按照以下步骤实施：

步骤1、先采集线路电压暂降期间三相电压u_φ(k)，k＝0,1,2，…，N-1，其中，φ＝A,B,C；然后对三相电压进行FFT变换；

步骤2、利用经步骤1FFT变换后的功率谱进行动态测度检测信号所含有的主要频率成分f_k，k＝(2,3,4)；

步骤3、经步骤2后，利用改进S变换和时频尺度缩放，建立电压暂降信号的标准模板；

所述步骤3中，改进S变换，具体按照以下方法实施：

信号g(t)的改进S变换具体如下：

式(3)中：f表示频率；a、b为尺度缩放因子；e常数；

τ表示平移因子；t表示时间；

对通过FFT变换后的功率谱进行动态测度，提取信号的主要频率点，对主要频率点进行改进S变换，经这样处理后的改进S变换的离散形式具体如下：

在式(2)中：N为总采样点数；T为采样间隔，即T_s；g(k)为g(t)离散时间序列，其中k＝(0,1,2，…,N-1)；j为时间采样点；n为频率采样点；n_m为通过FFT变换后的信号进行动态测度所提取的主要频率点；

步骤4、待步骤3完成后，计算各类待测试暂降信号与各标准模板的平均相似度S_EF，按照相似度最大原理实现电压暂降源的识别。

2.根据权利要求1所述的利用改进不完全S变换的电压暂降源识别方法，其特征在于，在所述步骤2中：

设定h(k)，k＝(0，1，2，…，N-1)为任意输入信号且h(k)≥0，则将各采样点的数值看作是各点的高度；其中，N为采样点数，T_s为采样间隔；

定义1：两点之间的路径；

i、j是信号h(k)上不同的两点，则这两个点之间的部分称作路径l(i,j)，具体表达式如下：

l(i,j)＝(h(i),h(i+1),...,h(j))(3)；

定义2：路径的动态测度；

路径l(i,j)的动态测度定义为最高点与最低点的高度差，具体表达式如下：

D_yn[l(i,j)]＝max(|l_m-l_n|)，l_m,l_n∈l(i,j)(4)；

定义3：极小点的动态测度；

设K为h(k)的一个极小值点，若在K的两侧都存在比K值更低的极小点，则极小点K的D_yn测度等于由点K通向同高度的所有路径中最小的路径D_yn测度；

由动态测度的定义得到：动态测度能反映信号所有极值点的特征，识别信号的主要极值点。

3.根据权利要求1所述的利用改进不完全S变换的电压暂降源识别方法，其特征在于，在所述步骤3中，时频尺度缩放，具体按照以下方法实施：

在式(5)中：a、b为尺度缩放因子；x、y为原始图像上的点；x₁、y₁为缩放后图像的点；

对原始图像上的点x、y所相邻的四个整数点的灰度值分别作两次双线性插值求出x、y点的灰度值，具体按照以下算法实施：

E(x,y)＝S(j,k)(1-α)(1-β)+S(j,k+1)(1-α)β+S(j+1,k)α(1-β)+S(j+1,k+1)αβ (6)；

式(6)中：α、β表示缩放因子；

对于发生频率突变的电压暂降源是通过步骤2中的动态测度检测得到，因此只要建立单相短路故障、异步电机启动和故障类型变化的这三类电压暂降扰动源。

4.根据权利要求3所述的利用改进不完全S变换的电压暂降源识别方法，其特征在于，在所述步骤3中，电压暂降标准模板的建立，具体按照以步骤实施：

步骤a、通过基频幅值斜率变化曲线来定位扰动的发生时间和持续时间，提取各类电压暂降源发生前1周期至扰动结束后1周期、频率范围为20Hz～80Hz的各行各列元素，构成特征矩阵；

步骤b、经步骤a后，将各类电压暂降持续时间内的各列时间分量按双线性插值法，尺度缩放为11个周期；

步骤c、经步骤b后，对各行的频率分量按此尺度统一频率分辨率；各类电压暂降源的特征矩阵经时间尺度和频率分辨率的标准化以后便形成该类扰动的标准化全局模板；

步骤d、经步骤c后，在各类电压暂降源的标准化模板中选出最能表现该类电压暂降特征部分作为标准模板，以突出模板间的相似性。

5.根据权利要求4所述的利用改进不完全S变换的电压暂降源识别方法，其特征在于，所述步骤4具体按照以下方法实施：

平均相似度S_EF的计算，具体按照以下算法实施：

在式(7)中：H代表行数，L代表矩阵的列数；E(i,j)、F(i,j)分别为待测试样本信号的局部模板与某类电压暂降标准模板中第i和j所对应元素的幅值；其中，平均相似度S_EF的值反映两个矩阵的相关程度，其值越大表明两个矩阵的相似程度越大；

为了实现同类电压暂降相似度值最大化，异类电压暂降相似度值最小化，采用分频逐行计算相似度和能量归一化的思想，具体按照以下方法实施：

设定E_i是第i行的平均值，经过频谱平移后矩阵各行的元素变为如下形式：

式(8)中：E′(i,j)表示频谱平移后的矩阵；E(i,j)表示频谱平移前的矩阵；表示矩阵中第i行的均值；

对频谱平移后的矩阵分频逐行计算相似度，则第i行的相似度为：

在式(9)中：L代表矩阵的列数；

对矩阵各行的相似度求取平均值，即得某类电压暂降信号与标准模板的相似度为：

在式(10)中：H代表矩阵的行数；

若待测试的电压暂降信号与某一类电压暂降信号标准模板的相似度最大，则认为待测试的电压暂降信号的类型与该标准模板的暂降类型相同，从而实现电压暂降源的分类。