CN111122941A - 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质 - Google Patents

基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质 Download PDF

Info

Publication number
CN111122941A
CN111122941A CN201911225989.5A CN201911225989A CN111122941A CN 111122941 A CN111122941 A CN 111122941A CN 201911225989 A CN201911225989 A CN 201911225989A CN 111122941 A CN111122941 A CN 111122941A
Authority
CN
China
Prior art keywords
window function
kaiser window
voltage sag
characteristic quantity
improved
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
Application number
CN201911225989.5A
Other languages
English (en)
Inventor
徐勇
罗毅
陈宏�
向洁
李建闽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Network Hunan Integrated Energy Service Co Ltd
Original Assignee
National Network Hunan Integrated Energy Service Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Network Hunan Integrated Energy Service Co Ltd filed Critical National Network Hunan Integrated Energy Service Co Ltd
Priority to CN201911225989.5A priority Critical patent/CN111122941A/zh
Publication of CN111122941A publication Critical patent/CN111122941A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Current Or Voltage (AREA)

Abstract

本发明公开了一种基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质，基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的实施步骤包括：获取经过滤波后的被测电压数字信号；根据被测电压数字信号完成离散Kaiser窗函数的构建；进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量；其中一种系统的结构包括电源模块、信号调理电路、低通滤波器、模数转换器和数字信号处理器，信号调理电路的输出端通过低通滤波器、模数转换器和数字信号处理器相连。本发明能够基于Kaiser窗函数改进S变换实现电压暂降特征量的实时检测，具有检测精确、计算量小、易嵌入式实现的优点。

Description

基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系 统及介质
技术领域
本发明涉及电力系统的电能质量检测技术，具体涉及一种基于Kaiser窗函数改进S变换的电压暂降特征量检测方法及系统，用于实现电力系统的电压暂降特征量时频分析。
背景技术
随着新能源大量接入，冲击性、非线性负荷和电力电子设备剧增，电力系统负荷日益复杂化和多样化，导致电网的波动和不对称性日趋严重，引发了一系列的电能质量问题，电压暂降是其中极为重要的影响因素之一。随着各种计算机、微控制器和高性能新型电力电子设备的广泛使用，电压暂降已经成为危害这些设备正常工作的元凶，电压暂降的准确检测已成为治理电能污染、改善电能质量的首要前提。
随着电压暂降问题的日趋严重以及现有分析方法的不足，人们对信号处理方法进行积极的探索和发展。基于时间和频率的联合函数提出了时频分析方法，可提供复杂电能质量扰动信号时域和频域的联合分布信息，并清晰地描述信号频率随时间变化的关系。信号时频分析方法主要有以短时傅里叶变换、小波变换、S变换及其广义变换为主的线性时频表示和以Cohen类、Wigner-Ville变换、Hilbert-Huang变换为主的非线性时频表示。
目前，国内外一些常用的电压暂降检测方法主要包括：
(1)短时傅立叶变换。为解决FFT时域和频域的局部化矛盾，Dennis Gabor于1946年引入了短时傅立叶变换(Short Time Fourier Transform，STFT)，STFT通过对非平稳信号进行滑动加窗得到一系列短时平稳过程的集合，再利用傅里叶变换分析每个短时平稳过程的局部功率谱，在一定程度上解决了傅里叶变换缺乏局部分析能力的不
足。STFT时频窗口在选定窗函数后固定不变，存在分辨率单一的缺陷，无法同时满足时间分辨率和频率分辨率的要求，缺乏正交展开的离散表达式，难以实现快速运算。
(2)小波变换。小波变换是傅里叶变换研究思想的发展和延拓。小波变换(WaveletTransform，WT)是一种具有多分辨率特性的时频局部化分析方法。与傅里叶变换不同，小波变换面临着如何选取最佳小波基函数的困扰。小波变换能准确检测出电压骤变的起止时刻，但计算量大导致实时性差，严重制约了小波变换的嵌入式实现。
(3)Hilbert-Huang变换(Hilbert-Huang Transform，简称HHT)。HHT是一种适合于分析非平稳信号的时频方法，吸收了小波变换多分辨率的优点，同时克服了小波基选择的困扰，具有良好的时频局部性。HHT是分析电压骤升、骤降、间谐波、谐波以及电压波动等扰动信号的有力工具，可以准确地刻画信号的突变及得到各频率分量和幅度大小，但信号每次都需进行EMD处理，运算量过大。
(4)S变换及其改进算法(改进S变换)。S变换及其改进算法(改进S变换)是一种基于小波变换以及短时傅里叶变换的可逆时频分析方法，具有上述两种算法的诸多优点。S变换使用随频率变化的高斯窗，具有变分辨率的特性，可提取信号各频率分量的幅值随时间变化的分布。S变换适合用于电力系统信号的检测分析，如谐波、电压骤升与骤降、电压波动等单一扰动或者谐波与骤升、谐波与骤降的复合扰动信号。由于S变换中高斯窗的窗口变化趋势固定，不能根据具体应用环境进行调整，缺乏灵活性，进而衍生出广义S变换。通过引入调节因子，使得当频率变化时，高斯窗函数的时频窗口具有不同的变化规律，增加了实用性和灵活性。S变换及其改进算法一直处于不断发展中，但仍具有一些缺陷：首先高斯窗在高频段能量集中性较差，频率分辨不准确；其次与小波变换相比，S变换难以识别出被测信号的奇异点，不能得到准确时间变化信息；再者S变换为更好的刻画信号的时频特性，保留了所有频率分量，因此其运算量巨大，不具备实时性。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质，本发明能够基于Kaiser窗函数改进S变换实现电压暂降特征量的实时检测，具有检测精确、计算量小、易嵌入式实现的优点。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于Kaiser窗函数改进S变换的电压暂降特征量检测方法，实施步骤包括：
1)获取经过滤波后的被测电压数字信号；
2)根据被测电压数字信号完成离散Kaiser窗函数的构建；
3)进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
可选地，步骤1)之前还包括对被测电压模拟信号进行信号预处理的步骤，所述信号预处理包括低通滤波和模数转换。
可选地，步骤2)中完成离散Kaiser窗函数的构建后建立的离散Kaiser窗函数如下式所示：
Figure BDA0002302211820000021
上式中，wK(t)表示时间t对应的离散Kaiser窗函数，β为窗函数形状调节参数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，T为周期，t为时间；所述离散Kaiser窗函数的Kaiser窗为一组由第一类修正零阶贝塞尔函数构成的可调窗函数，其主瓣、旁瓣的能量比可近乎达到最大，且可自由调节主瓣宽度和旁瓣高度的比值；当β＝0，Kaiser窗退化为矩形窗；当β值逐渐增大时，Kaiser窗的时域宽度逐渐减小，频域宽度逐渐变宽，与此同时其旁瓣峰值电平逐渐减少且衰减速率逐渐增加。
可选地，步骤3)的详细步骤包括：
3.1)引入用于实现Kaiser窗函数的时频域变化自适应调节的调节因子α如下式所示，使得Kaiser窗函数的时频域特性能够随着频率f自适应调节；
β(f)＝α·f
上式中，β(f)表示以频率为f自变量的函数，f为频率，α为调节因子；
3.2)用Kaiser窗替代S变换中的核函数，构建基于Kaiser窗函数的改进S变换的函数表达式如下式所示：
Figure BDA0002302211820000031
上式中，SK(τ,f)表示基于Kaiser窗函数的改进S变换，x(t)表示连续时间信号，wK(t-τ,f)表示时间t-τ,f对应的离散Kaiser窗函数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，f为频率，τ为时移因子，α为调节因子，T为周期，t为时间；
3.3)基于Kaiser窗函数的改进S变换进行离散化得到函数表达式如下式所示：
Figure BDA0002302211820000032
上式中，SK(m,k)表示基于Kaiser窗函数的改进S变换的离散化结果，X(k)为采样序列x(n)的离散傅里叶变换，X(k+r)和WK(k)分别为
Figure BDA0002302211820000033
和Kaiser窗函数wk(m,k)的离散傅里叶变换，m和n均为时间变量，k和r均为频率变量，且m,k,r取值范围为0～N-1，其中N为采样长度；
3.4)对采样信号x(n)进行离散基于Kaiser窗函数改进S变换，其结果为一个二维复数矩阵，记为基于Kaiser窗函数改进S变换矩阵，如下式所示：
Figure BDA0002302211820000034
上式中，SK(m,k)表示基于Kaiser窗函数改进S变换矩阵，A(m,k)为基于Kaiser窗函数改进S变换结果的幅值矩阵，称为模矩阵；
Figure BDA0002302211820000035
为基于Kaiser窗函数改进S变换结果的相位矩阵；所述幅值矩阵A(m,k)和相位矩阵
Figure BDA0002302211820000036
的行向量分别表征信号的幅值和相位在某一具体时刻随频率的分布情况，列向量分别表征信号的幅值和相位在某一频率点随时间的分布情况；对被测电压信号进行基于Kaiser窗函数改进S变换，得到基于Kaiser窗函数改进S变换矩阵SK(m,k)，并分离出基于Kaiser窗函数改进S变换矩阵的幅值矩阵A(m,k)和相位矩阵
Figure BDA0002302211820000041
Figure BDA0002302211820000042
从而完成时频矩阵分析；
3.5)根据幅值矩阵A(m,k)得到基波幅值曲线A(m,k0)，查找基波幅值曲线A(m,k0)极小值点，选取该极值点作为中间时间点的一个基波周期的电压采样值，并对这一个周期的采样数据点做傅里叶变换来得到电压暂降后的幅值，进而计算得到电压幅值暂降深度λ；由基波幅值曲线A(m,k0)得到基波幅值差分曲线D(m,k0)，进而得到出电压暂降起止时刻及持续时间；根据相位矩阵
Figure BDA0002302211820000043
提取所有频率点为基波频率点k0，从而得到基波相位矩阵得到基波相位曲线
Figure BDA0002302211820000044
进而计算得到电压暂降相位跳变量
Figure BDA0002302211820000045
此外，本发明还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括：
信号输入程序单元，用于获取经过滤波后的被测电压数字信号；
Kaiser窗函数构建程序单元，用于根据被测电压数字信号完成离散Kaiser窗函数的构建；
改进S变换程序单元，用于进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
此外，本发明还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，该计算机设备被编程或配置以执行所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。
此外，本发明还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，该计算机设备的存储器上存储有被编程或配置以执行所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
此外，本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
此外，本发明还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括电源模块、信号调理电路、低通滤波器、模数转换器和数字信号处理器，所述电源模块的输出端分别与信号调理电路、低通滤波器、模数转换器、数字信号处理器电连接，所述信号调理电路的输出端通过低通滤波器、模数转换器和数字信号处理器相连，所述数字信号处理器被编程或配置以执行所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。
可选地，所述数字信号处理器还分别连接有同步动态随机存储器、闪存存储器、有源晶振、复位模块以及仿真调试接口。
和现有技术相比，本发明具有下述优点：本发明在获取经过滤波后的被测电压数字信号，根据被测电压数字信号完成离散Kaiser窗函数的构建，并进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量，能够基于Kaiser窗函数改进S变换实现电压暂降特征量的实时检测，具有检测精确、计算量小、易嵌入式实现的优点。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例方法的原理示意图。
图3为本发明实施例中Kaiser窗函数自适应调整的曲线对比图。
图4为本发明实施例中的信号时间序列。
图5为本发明实施例中作为对比的S变换仿真结果。
图6为本发明实施例中的基于Kaiser窗函数改进S变换仿真结果。
图7为本发明实施例系统的基本结构示意图。
图8为本发明实施例系统的框架结构示意图。
具体实施方式
如图1和图2所示，本实施例基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的实施步骤包括：
1)获取经过滤波后的被测电压数字信号；
2)根据被测电压数字信号完成离散Kaiser窗函数的构建；
3)进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
本实施例中，步骤1)之前还包括对被测电压模拟信号进行信号预处理的步骤，所述信号预处理包括低通滤波和模数转换，且低通滤波和模数转换的顺序可以按需配置。
本实施例中，步骤2)中完成离散Kaiser窗函数的构建后建立的离散Kaiser窗函数如下式所示：
Figure BDA0002302211820000051
上式中，wK(t)表示时间t对应的离散Kaiser窗函数，β为窗函数形状调节参数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，T为周期，t为时间；所述离散Kaiser窗函数的Kaiser窗为一组由第一类修正零阶贝塞尔函数构成的可调窗函数，其主瓣、旁瓣的能量比可近乎达到最大，且可自由调节主瓣宽度和旁瓣高度的比值；当β＝0，Kaiser窗退化为矩形窗；当β值逐渐增大时，Kaiser窗的时域宽度逐渐减小，频域宽度逐渐变宽，与此同时其旁瓣峰值电平逐渐减少且衰减速率逐渐增加。
参见图2，本实施例中步骤3)的详细步骤包括：
3.1)引入用于实现Kaiser窗函数的时频域变化自适应调节的调节因子α如下式所示，使得Kaiser窗函数的时频域特性能够随着频率f自适应调节；
β(f)＝α·f (2)
上式中，β(f)表示以频率为f自变量的函数，f为频率，α为调节因子；图5为本实施例所采用Kaiser窗函数自适应调整的曲线示意图，其中β表示β(f)；
3.2)用Kaiser窗替代S变换中的核函数(Gaussian窗函数)，构建基于Kaiser窗函数的改进S变换的函数表达式如下式所示：
Figure BDA0002302211820000061
上式中，SK(τ,f)表示基于Kaiser窗函数的改进S变换，x(t)表示连续时间信号，wK(t-τ,f)表示时间t-τ,f对应的离散Kaiser窗函数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，f为频率，τ为时移因子，α为调节因子，T为周期，t为时间；
3.3)基于Kaiser窗函数的改进S变换进行离散化得到函数表达式如下式所示：
Figure BDA0002302211820000062
上式中，SK(m,k)表示基于Kaiser窗函数的改进S变换的离散化结果，X(k)为采样序列x(n)的离散傅里叶变换，X(k+r)和WK(k)分别为
Figure BDA0002302211820000063
和Kaiser窗函数wk(m,k)的离散傅里叶变换，m和n均为时间变量，k和r均为频率变量，且m,k,r取值范围为0～N-1，其中N为采样长度；由于计算机或数字信号处理器只能对离散的、有限长序列进行计算，所以需要通过步骤3.3)把实际模拟信号离散化。式(4)的推导过程如下：由式(1)～式(3)构建的基于Kaiser窗函数改进离散S变换可表示为：
Figure BDA0002302211820000064
上式中，x(n)为离散时间信号，wK(m-n,k)为频率为k的Kaiser窗函数，m和n均为时间变量，k和r均为频率变量，，N为采样长度。由卷积定理可知，基于Kaiser窗函数改进离散S变换还可以表示为式(4)。
3.4)对采样信号x(n)进行离散基于Kaiser窗函数改进S变换，其结果为一个二维复数矩阵，记为基于Kaiser窗函数改进S变换矩阵，如下式所示：
Figure BDA0002302211820000065
上式中，SK(m,k)表示基于Kaiser窗函数改进S变换矩阵，A(m,k)为基于Kaiser窗函数改进S变换结果的幅值矩阵，称为模矩阵；
Figure BDA0002302211820000071
为基于Kaiser窗函数改进S变换结果的相位矩阵；所述幅值矩阵A(m,k)和相位矩阵
Figure BDA0002302211820000072
的行向量分别表征信号的幅值和相位在某一具体时刻随频率的分布情况，列向量分别表征信号的幅值和相位在某一频率点随时间的分布情况；对被测电压信号进行基于Kaiser窗函数改进S变换，得到基于Kaiser窗函数改进S变换矩阵SK(m,k)，并分离出基于Kaiser窗函数改进S变换矩阵的幅值矩阵A(m,k)和相位矩阵
Figure BDA0002302211820000073
Figure BDA0002302211820000074
从而完成时频矩阵分析；
3.5)根据幅值矩阵A(m,k)得到基波幅值曲线A(m,k0)，查找基波幅值曲线A(m,k0)极小值点，选取该极值点作为中间时间点的一个基波周期的电压采样值，并对这一个周期的采样数据点做傅里叶变换来得到电压暂降后的幅值，进而计算得到电压幅值暂降深度λ；由基波幅值曲线A(m,k0)得到基波幅值差分曲线D(m,k0)，进而得到出电压暂降起止时刻及持续时间；根据相位矩阵
Figure BDA0002302211820000075
提取所有频率点为基波频率点k0，从而得到基波相位矩阵得到基波相位曲线
Figure BDA0002302211820000076
进而计算得到电压暂降相位跳变量
Figure BDA0002302211820000077
下文将对本实施例基于Kaiser窗函数改进S变换的电压暂降特征量检测方法进行进一步的仿真实现，仿真实验为针对一组频率随时间波动且包含交叉项的信号进行。针对一组频率随时间波动且包含交叉项的信号进行仿真实验。整个信号时间段内存在频率交叉，仿真过程中在原始信号中加入信噪比(Signal Noise Ratio,SNR)为20dB的高斯白噪声。采样频率fs＝512Hz，采样长度N＝512，仿真实验结果如图4～图6所示，其中，图4为信号的时间序列图形；图5、图6分别为S变换与基于Kaiser窗函数改进S变换的仿真实验结果。参照图4～图6可知，信号在0～0.2s间存在两个频率分量，0.2s～0.3s频率分布存在交叉，0.3s后两个频率分量开始分离。信号经本实施例基于Kaiser窗函数改进S变换所得结果无论是低频段还是高频段均优于S变换，尤其在高频段表现优异。因此，仿真实验结果表明，本实施例基于Kaiser窗函数改进S变换具有更高的能量聚集度，且抗噪性优于S变换，因而更利于电压暂降信号特征量的检测。
此外，本实施例还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括：
信号输入程序单元，用于获取经过滤波后的被测电压数字信号；
Kaiser窗函数构建程序单元，用于根据被测电压数字信号完成离散Kaiser窗函数的构建；
改进S变换程序单元，用于进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
此外，本实施例还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，该计算机设备被编程或配置以执行前述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。
此外，本实施例还提供一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，该计算机设备的存储器上存储有被编程或配置以执行前述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
此外，本实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行前述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
如图7和图8所示，本实施例基于Kaiser窗函数改进S变换的电压暂降特征量检测系统(电压暂降分析仪)包括电源模块1、信号调理电路2、模数转换器3和数字信号处理器4，所述电源模块1的输出端分别与信号调理电路2、模数转换器3、数字信号处理器4电连接，所述信号调理电路2的输出端通过模数转换器3和数字信号处理器4相连，所述数字信号处理器4被编程或配置以执行本实施例前述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。本实施例基于Kaiser窗函数改进S变换的电压暂降特征量检测系统(电压暂降分析仪)具有结构简单、布局合理的优点。
本实施例中，信号调理电路2将被测电压信号中进行低通滤波处理，根据被测信号时频分辨率要求，确定模拟低通滤波器的电阻电容取值以及模数转换器的采样率和位数。
模数转换器3用于对被测电压信号进行高速模数转换，将被测信号转换为数字信号。本实施例中，模数转换器3采用ADI公司生产的AD73360L。
数字信号处理器4被编程或配置以执行本实施例前述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。本实施例中，数字信号处理器4的CPU采用TI公司生产的TMS320VC5502，主要参数选择如下：(1)采样速率：8kHz；(2)傅里叶变换数据的采样长度N＝1024。采样长度N是进行一次基于Kaiser窗函数改进S变换的数据长度，采样长度N可根据信号检测精度和计算机或嵌入式系统设备的运行速度综合考虑确定。
如图4所示，数字信号处理器4还分别连接有同步动态随机存储器(SDRAM)5、闪存存储器6、有源晶振7、复位模块8以及仿真调试接口9。本实施例中，仿真调试接口9具体采用JTAG仿真调试接口，此外也可以根据需要采用其他类型的仿真调试接口。本实施例中，采用本实施例基于Kaiser窗函数改进S变换的电压暂降特征量检测系统(电压暂降分析仪)所得的电压暂降检测结果示例如表1所示。
表1：电压暂降分析仪检测的相对误差结果。
Figure BDA0002302211820000091
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于Kaiser窗函数改进S变换的电压暂降特征量检测方法，其特征在于实施步骤包括：
1)获取经过滤波后的被测电压数字信号；
2)根据被测电压数字信号完成离散Kaiser窗函数的构建；
3)进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
2.根据权利要求1所述的基于Kaiser窗函数改进S变换的电压暂降特征量检测方法，其特征在于，步骤1)之前还包括对被测电压模拟信号进行信号预处理的步骤，所述信号预处理包括低通滤波和模数转换。
3.根据权利要求1所述的基于Kaiser窗函数改进S变换的电压暂降特征量检测方法，其特征在于，步骤2)中完成离散Kaiser窗函数的构建后建立的离散Kaiser窗函数如下式所示：
Figure FDA0002302211810000011
上式中，wK(t)表示时间t对应的离散Kaiser窗函数，β为窗函数形状调节参数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，T为周期，t为时间；所述离散Kaiser窗函数的Kaiser窗为一组由第一类修正零阶贝塞尔函数构成的可调窗函数，其主瓣、旁瓣的能量比可近乎达到最大，且可自由调节主瓣宽度和旁瓣高度的比值；当β＝0，Kaiser窗退化为矩形窗；当β值逐渐增大时，Kaiser窗的时域宽度逐渐减小，频域宽度逐渐变宽，与此同时其旁瓣峰值电平逐渐减少且衰减速率逐渐增加。
4.根据权利要求1所述的基于Kaiser窗函数改进S变换的电压暂降特征量检测方法，其特征在于，步骤3)的详细步骤包括：
3.1)引入用于实现Kaiser窗函数的时频域变化自适应调节的调节因子α如下式所示，使得Kaiser窗函数的时频域特性能够随着频率f自适应调节；
β(f)＝α·f
上式中，β(f)表示以频率为f自变量的函数，f为频率，α为调节因子；
3.2)用Kaiser窗替代S变换中的核函数，构建基于Kaiser窗函数的改进S变换的函数表达式如下式所示：
Figure FDA0002302211810000012
上式中，SK(τ,f)表示基于Kaiser窗函数的改进S变换，x(t)表示连续时间信号，wK(t-τ,f)表示时间t-τ,f对应的离散Kaiser窗函数，I0(x)为针对对象x的第一类修正零阶贝塞尔函数，f为频率，τ为时移因子，α为调节因子，T为周期，t为时间；
3.3)基于Kaiser窗函数的改进S变换进行离散化得到函数表达式如下式所示：
Figure FDA0002302211810000021
上式中，SK(m,k)表示基于Kaiser窗函数的改进S变换的离散化结果，X(k)为采样序列x(n)的离散傅里叶变换，X(k+r)和WK(k)分别为
Figure FDA0002302211810000022
和Kaiser窗函数wk(m,k)的离散傅里叶变换，m和n均为时间变量，k和r均为频率变量，且m,k,r取值范围为0～N-1，其中N为采样长度；
3.4)对采样信号x(n)进行离散基于Kaiser窗函数改进S变换，其结果为一个二维复数矩阵，记为基于Kaiser窗函数改进S变换矩阵，如下式所示：
Figure FDA0002302211810000023
上式中，SK(m,k)表示基于Kaiser窗函数改进S变换矩阵，A(m,k)为基于Kaiser窗函数改进S变换结果的幅值矩阵，称为模矩阵；
Figure FDA0002302211810000024
为基于Kaiser窗函数改进S变换结果的相位矩阵；所述幅值矩阵A(m,k)和相位矩阵
Figure FDA0002302211810000025
的行向量分别表征信号的幅值和相位在某一具体时刻随频率的分布情况，列向量分别表征信号的幅值和相位在某一频率点随时间的分布情况；对被测电压信号进行基于Kaiser窗函数改进S变换，得到基于Kaiser窗函数改进S变换矩阵SK(m,k)，并分离出基于Kaiser窗函数改进S变换矩阵的幅值矩阵A(m,k)和相位矩阵
Figure FDA0002302211810000026
Figure FDA0002302211810000027
从而完成时频矩阵分析；
3.5)根据幅值矩阵A(m,k)得到基波幅值曲线A(m,k0)，查找基波幅值曲线A(m,k0)极小值点，选取该极值点作为中间时间点的一个基波周期的电压采样值，并对这一个周期的采样数据点做傅里叶变换来得到电压暂降后的幅值，进而计算得到电压幅值暂降深度λ；由基波幅值曲线A(m,k0)得到基波幅值差分曲线D(m,k0)，进而得到出电压暂降起止时刻及持续时间；根据相位矩阵
Figure FDA0002302211810000028
提取所有频率点为基波频率点k0，从而得到基波相位矩阵得到基波相位曲线
Figure FDA0002302211810000029
进而计算得到电压暂降相位跳变量
Figure FDA00023022118100000210
5.一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，其特征在于包括：
信号输入程序单元，用于获取经过滤波后的被测电压数字信号；
Kaiser窗函数构建程序单元，用于根据被测电压数字信号完成离散Kaiser窗函数的构建；
改进S变换程序单元，用于进行基于所述的Kaiser窗函数的改进S变换得到电压暂降特征量。
6.一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～4中任意一项所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。
7.一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，包括计算机设备，其特征在于，该计算机设备的存储器上存储有被编程或配置以执行权利要求1～4中任意一项所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～4中任意一项所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的计算机程序。
9.一种基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，其特征在于，包括电源模块(1)、信号调理电路(2)、模数转换器(3)和数字信号处理器(4)，所述电源模块(1)的输出端分别与信号调理电路(2)、模数转换器(3)和数字信号处理器(4)电连接，所述信号调理电路(2)的输出端通过低通滤波器(3)、模数转换器(3)和数字信号处理器(4)相连，所述数字信号处理器(4)被编程或配置以执行权利要求1～4中任意一项所述基于Kaiser窗函数改进S变换的电压暂降特征量检测方法的步骤。
10.根据权利要求9所述的基于Kaiser窗函数改进S变换的电压暂降特征量检测系统，其特征在于，所述数字信号处理器(4)还分别连接有同步动态随机存储器(5)、闪存存储器(6)、有源晶振(7)、复位模块(8)以及仿真调试接口(9)。
CN201911225989.5A 2019-12-04 2019-12-04 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质 Pending CN111122941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911225989.5A CN111122941A (zh) 2019-12-04 2019-12-04 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911225989.5A CN111122941A (zh) 2019-12-04 2019-12-04 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质

Publications (1)

Publication Number Publication Date
CN111122941A true CN111122941A (zh) 2020-05-08

Family

ID=70497503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911225989.5A Pending CN111122941A (zh) 2019-12-04 2019-12-04 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质

Country Status (1)

Country Link
CN (1) CN111122941A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307422A (zh) * 2020-10-30 2021-02-02 天津光电通信技术有限公司 一种低信噪比下信号时频分析方法、装置及设备
CN112433093A (zh) * 2020-11-06 2021-03-02 国网四川省电力公司电力科学研究院 一种基于Kaiser窗的动态相量估计方法及系统
CN112540220A (zh) * 2020-11-05 2021-03-23 广东电网有限责任公司广州供电局 电压暂降检测电路和装置
CN112947558A (zh) * 2021-02-07 2021-06-11 北京理工大学 一种时空同步达到协同轨迹规划方法
CN113238110A (zh) * 2021-05-10 2021-08-10 合肥工业大学 一种电能质量扰动诊断方法及系统
CN113627313A (zh) * 2021-08-02 2021-11-09 国网江苏省电力有限公司镇江供电分公司 非理想情况下基于s变换的电能表计量方法
CN115225194A (zh) * 2022-07-14 2022-10-21 广州文远知行科技有限公司 时间跳变检测方法、装置、存储介质及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104808035A (zh) * 2014-01-24 2015-07-29 华北电力大学（保定） 一种基于广义双曲s变换的电压暂降检测方法
CN106814230A (zh) * 2016-12-15 2017-06-09 贵州电网有限责任公司贵阳供电局 基于Kaiser窗FFT四峰插值的电能计量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104808035A (zh) * 2014-01-24 2015-07-29 华北电力大学（保定） 一种基于广义双曲s变换的电压暂降检测方法
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
CN106814230A (zh) * 2016-12-15 2017-06-09 贵州电网有限责任公司贵阳供电局 基于Kaiser窗FFT四峰插值的电能计量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何俊杰: "基于K_S分解简化算法的电压骤变检测方法及应用研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *
赵风展 等: "基于短时傅里叶变换的电压暂降扰动检测", 《中国电机工程学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307422A (zh) * 2020-10-30 2021-02-02 天津光电通信技术有限公司 一种低信噪比下信号时频分析方法、装置及设备
CN112540220A (zh) * 2020-11-05 2021-03-23 广东电网有限责任公司广州供电局 电压暂降检测电路和装置
CN112433093A (zh) * 2020-11-06 2021-03-02 国网四川省电力公司电力科学研究院 一种基于Kaiser窗的动态相量估计方法及系统
CN112433093B (zh) * 2020-11-06 2023-08-22 国网四川省电力公司电力科学研究院 一种基于Kaiser窗的动态相量估计方法及系统
CN112947558A (zh) * 2021-02-07 2021-06-11 北京理工大学 一种时空同步达到协同轨迹规划方法
CN112947558B (zh) * 2021-02-07 2023-04-07 北京理工大学 一种时空同步达到协同轨迹规划方法
CN113238110A (zh) * 2021-05-10 2021-08-10 合肥工业大学 一种电能质量扰动诊断方法及系统
CN113627313A (zh) * 2021-08-02 2021-11-09 国网江苏省电力有限公司镇江供电分公司 非理想情况下基于s变换的电能表计量方法
CN113627313B (zh) * 2021-08-02 2022-07-29 国网江苏省电力有限公司镇江供电分公司 非理想情况下基于s变换的电能表计量方法
CN115225194A (zh) * 2022-07-14 2022-10-21 广州文远知行科技有限公司 时间跳变检测方法、装置、存储介质及计算机设备

Similar Documents

Publication Publication Date Title
CN111122941A (zh) 基于Kaiser窗函数改进S变换的电压暂降特征量检测方法、系统及介质
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
Song et al. Statistical property feature extraction based on FRFT for fault diagnosis of analog circuits
CN111222088B (zh) 一种改进的平顶自卷积窗加权电力谐波幅值估计方法
CN103308766A (zh) 一种基于凯撒自卷积窗双谱线插值fft谐波分析方法及其装置
CN104251934B (zh) 谐波分析方法和装置以及确定谐波间杂波的方法和装置
Pan et al. A noise reduction method of symplectic singular mode decomposition based on Lagrange multiplier
CN114781196A (zh) 一种基于稀疏采集模型的谐波检测方法
CN112362966A (zh) 基于小波包变换与stft相融合的电网谐波检测方法及装置
Tong et al. Parameter estimation of FH signals based on STFT and music algorithm
CN115575707A (zh) 基于改进fft算法与小波变换结合的谐波检测装置及方法
CN109885805B (zh) 一种多分量非平稳信号的瞬时频率估计方法
CN106250904A (zh) 基于改进s变换的电能扰动分析仪及分类方法
CN103229062A (zh) 总谐波失真的测量方法
Wang et al. Transient power quality disturbance denoising and detection based on improved iterative adaptive kernel regression
Li et al. Adaptive S transform for feature extraction in voltage sags
CN114441897A (zh) 一种配电电缆线路局部放电脉冲到达时间差识别方法
Amin et al. Differential equation fault location algorithm with harmonic effects in power system
CN116150594B (zh) 一种频谱测试数据中开关类要素特征的识别方法
Shi et al. Refined matching linear chirplet transform for exhibiting time-frequency features of nonstationary vibration and acoustic signals
US6816242B2 (en) System and method for performing time domain reflectometry using Gaussian pulses
CN104849530B (zh) 一种moa阻性电流基波的测量方法
Cao et al. Simulation analysis of multifractal detrended methods based on the ARFIMA process
CN110531137A (zh) 一种电能质量调节、电压暂变检测方法及动态电压恢复器
CN114184838A (zh) 基于sn互卷积窗的电力系统谐波检测方法、系统及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508