CN111257619B - 一种基于多属性决策和改进s变换方法的电压暂降检测方法 - Google Patents

一种基于多属性决策和改进s变换方法的电压暂降检测方法 Download PDF

Info

Publication number
CN111257619B
CN111257619B CN202010095618.6A CN202010095618A CN111257619B CN 111257619 B CN111257619 B CN 111257619B CN 202010095618 A CN202010095618 A CN 202010095618A CN 111257619 B CN111257619 B CN 111257619B
Authority
CN
China
Prior art keywords
decision
improved
transformation
voltage sag
gaussian window
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.)
Active
Application number
CN202010095618.6A
Other languages
English (en)
Other versions
CN111257619A (zh
Inventor
刘海涛
叶筱怡
袁华骏
耿宗璞
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.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN202010095618.6A priority Critical patent/CN111257619B/zh
Publication of CN111257619A publication Critical patent/CN111257619A/zh
Application granted granted Critical
Publication of CN111257619B publication Critical patent/CN111257619B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Complex Calculations (AREA)

Abstract

本发明是一种基于多属性决策和改进S变换方法的电压暂降检测方法，通过在原始S变换的高斯窗函数上添加两个调节因子，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标，并得到其与两个调节因子的关系曲线。利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节因子的数值即为最优取值，由此确定改进S变换的高斯窗函数，最后提取到更加精确的电压暂降特征量。该压暂降检测方法中对应的两个参数即为改进S变换的高斯窗函数调节因子，用改进后的S变换对电压暂降信号的特征值进行提取，相比原始S变换能得到更加精确的特征量。

Description

一种基于多属性决策和改进S变换方法的电压暂降检测方法
技术领域
本发明涉及配电网电能质量检测技术领域，具体的说是一种基于多属性决策和改进S变换方法的电压暂降检测方法。
背景技术
电压暂降是电能质量问题中最严重的问题之一，它可能导致一些用电设备非正常工作，严重时引起设备的停运，从而使企业遭受巨大的经济损失，造成人民生活不便或引起相关的社会问题，而对电压暂降进行实时准确的检测是对抑制缓解电压暂降的重要前提。
S变换是地球物理学领域的学者Stockwell等人于1996年提出的一种时频可逆分析方法。S变换因其良好的时频分析能力，能提取任意频率分量特征等，是众多数学分析方法中较好的一种提取电压暂降特征值的方法，但传统的S变换可能存在对暂降的误判、对噪声敏感等缺点，因此国内外专家提出了对于S变换的改进。
发明内容
本发明要解决的技术问题是提供一种基于多属性决策和改进S变换方法的电压暂降检测方法，通过在原始S变换的高斯窗函数上添加两个调节系数，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标，并得到其与两个调节系数的关系曲线。利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节系数的数值即为最优取值，由此确定改进S变换的高斯窗函数，最后提取到更加精确的电压暂降特征量。
为解决上述技术问题，本发明采用的技术方案为：
一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节系数的数值即为最优取值，进而确定改进S变换的高斯窗函数，最后提取到更加精确的电压暂降特征量；具体步骤如下：
步骤1，在原始S变换的高斯窗函数上添加两个调节系数，所述的两个调节系数为高斯窗幅度调节系数和高斯窗指数调节系数；
步骤2，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个评价指标；
步骤3，对两个高斯窗调节系数划定取值范围，并进行步进；根据两个调节参数的不同取值得到不同的S变换，利用每一次得到的S变换计算出步骤2中的五项指标，最终形成两个参数分别和五个指标的关系曲线；
步骤4，在两个参数变化时得到的不同指标值中随机选取302组数据组成决策矩阵A，分别得到主观赋权方法和客观赋权方法下的权重矩阵；
步骤5，根据多属性决策中的最优组合赋权方法对步骤4中的决策矩阵和权重矩阵分别进行运算，从而得到多属性综合评价值，其最大值所在的决策方案即为最优方案；
步骤6，由最优方案对应的参数值确定改进S变换的高斯窗函数，用该改进S变换能更加精确的提取电压暂降的基频幅值、起止时刻误差、相位跳变和暂降深度四个特征量。
所述的步骤1中，在原始S变换的高斯窗函数上添加两个调节系数，具体为
Figure GDA0003500865640000021
式中a为高斯窗幅度调节系数，b为高斯窗指数调节系数。
所述的步骤2中，起止时刻误差定义为由改进的S变换提取到的起止时刻与理论起止时刻分别相减所得到的绝对值之和定义为起止时刻误差，即：
Tr＝|Ten-T1|+|Tst-T2|
式中，Tr为起止时刻误差，Ten为检测到的暂降终止时刻，Tst为检测到的暂降起始时刻，T1为理论暂降终止时刻，T2为理论暂降起始时刻；
暂降深度误差为：
Ur＝|MF-U|
式中，Ur为暂降深度误差，U为理论电压暂降深度，MF为实际电压暂降深度；
局部标准差为：
Figure GDA0003500865640000022
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
峰度为：
Figure GDA0003500865640000023
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
能量为：
Figure GDA0003500865640000024
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数。
所述的步骤3中，对两个高斯窗调节系数划定取值范围，并进行步进；参数高斯窗幅度调节系数a的取值范围为1～5，参数高斯窗指数调节系数b的取值范围为0.5～1.5，步进均为0.01。
所述的决策矩阵A通过计算得到规范化矩阵B和对称非负定方阵B1，分别选择一种主观赋权方法和客观赋权方法对决策矩阵进行运算，得到权重矩阵。
所述的步骤4中，主观赋权法采用专家调查法，客观赋权放采用熵值法，从而得到赋权向量。
所述的步骤5中采用最优组合赋权方法对决策矩阵和权重矩阵进行计算得到所有决策方案的多属性综合评价值。
该种基于多属性决策和改进S变换方法的电压暂降检测方法能够产生的有益效果为：通过在原始S变换的高斯窗函数上添加高斯窗幅度调节系数和高斯窗指数调节系数两个调节系数，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标，并得到其与两个调节系数的关系曲线。利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节系数的数值即为最优取值。基于多属性决策的最优组合赋权方法下，得到改进S变换高斯窗函数调节系数的最优取值，从而更准确地提取电压暂降的特征量。
附图说明
图1为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中电压暂降信号图。
图2为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中起止时刻误差随参数a、b的变化曲线图。
图3为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中暂降深度误差随参数a、b的变化曲线图。
图4为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中局部标准差随参数a、b的变化曲线图。
图5为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中峰度随参数a、b的变化曲线图。
图6为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中能量随参数a、b的变化曲线图。
图7为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中原始S变换的基频差分平方向量。
图8为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中改进S变换的基频差分平方向量。
图9为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中原始S变换的基频幅值。
图10为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中改进S变换的基频幅值。
图11为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中原始S变换的时间幅值平方和均值和采样点。
图12为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中改进S变换的时间幅值平方和均值和采样点。
图13为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中原始S变换的相位跳变。
图14为本发明一种基于多属性决策和改进S变换方法的电压暂降检测方法中改进S变换的相位跳变。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述。
一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节系数的数值即为最优取值，进而确定改进S变换的高斯窗函数，最后提取到更加精确的电压暂降特征量；具体步骤如下：
步骤1，在原始S变换的高斯窗函数上添加两个调节系数，所述的两个调节系数为高斯窗幅度调节系数和高斯窗指数调节系数；
步骤2，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个评价指标；
步骤3，对两个高斯窗调节系数划定取值范围，并进行步进；根据两个调节参数的不同取值得到不同的S变换，利用每一次得到的S变换计算出步骤2中的五项指标，最终形成两个参数分别和五个指标的关系曲线；如图2至图6所示；
步骤4，在两个参数变化时得到的不同指标值中随机选取302组数据组成决策矩阵A，分别得到主观赋权方法和客观赋权方法下的权重矩阵；
步骤5，根据多属性决策中的最优组合赋权方法对步骤4中的决策矩阵和权重矩阵分别进行运算，从而得到多属性综合评价值，其最大值所在的决策方案即为最优方案；
步骤6，由最优方案对应的参数值确定改进S变换的高斯窗函数，用该改进S变换能更加精确的提取电压暂降的基频幅值、起止时刻误差、相位跳变和暂降深度四个特征量。如图8、图10、图12和图14所示。
本实施例中，步骤1中，在原始S变换的高斯窗函数上添加两个调节系数，具体为
Figure GDA0003500865640000051
式中a为高斯窗幅度调节系数，b为高斯窗指数调节系数。
本实施例中，步骤2中，起止时刻误差定义为由改进的S变换提取到的起止时刻与理论起止时刻分别相减所得到的绝对值之和定义为起止时刻误差，即：
Tr＝|Ten-T1|+|Tst-T2|
式中，Tr为起止时刻误差，Ten为检测到的暂降终止时刻，Tst为检测到的暂降起始时刻，T1为理论暂降终止时刻，T2为理论暂降起始时刻；
暂降深度误差为：
Ur＝|MF-U|
式中，Ur为暂降深度误差，U为理论电压暂降深度，MF为实际电压暂降深度；
局部标准差为：
Figure GDA0003500865640000052
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
峰度为：
Figure GDA0003500865640000053
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
能量为：
Figure GDA0003500865640000054
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数。
本实施例中，步骤3中，对两个高斯窗调节系数划定取值范围，并进行步进；参数高斯窗幅度调节系数a的取值范围为1～5，参数高斯窗指数调节系数b的取值范围为0.5～1.5，步进均为0.01。
本实施例中，决策矩阵A通过计算得到规范化矩阵B和对称非负定方阵B1，分别选择一种主观赋权方法和客观赋权方法对决策矩阵进行运算，得到权重矩阵。
本实施例中，步骤4中，主观赋权法采用专家调查法，客观赋权放采用熵值法，从而得到赋权向量。
本实施例中，步骤5中采用最优组合赋权方法对决策矩阵和权重矩阵进行计算得到所有决策方案的多属性综合评价值。
通过仿真验证证明该种电压暂降检测方法的有益效果：
基于MATLAB/Simulink建立三相短路故障引起的电压暂降的仿真模型并进行仿真实验。仿真时采样频率设定为1600Hz，采样点数设定为512点，基频频率取工频50Hz，暂降开始时间点为150，结束时间点为300，如图1所示。
从图2至图6可以看出，当参数a、b分别增加时，起止时刻误差逐渐变小，其最小误差为1；暂降深度下降到最小值附近后，便基本保持其值不变；局部标准差先增大，后减小，最后以微小幅度上身后基本保持不变；峰度基本处于1.5-2.1之间来回波动；能量随着参数a、b的增加而提高到最大值附近，后基本保持不变。
由图7至图14可明显看出，改进后的S变换与原始S变换相比，获得波形曲线特征信号更为明显，提取暂降信号特征向量更为准确。
以上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，应视为本发明的保护范围。

Claims (7)

1.一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：利用多属性决策的最优组合赋权方法，得到最优决策方案，所对应的调节系数的数值即为最优取值，进而确定改进S变换的高斯窗函数，最后提取到更加精确的电压暂降特征量；具体步骤如下：
步骤1，在原始S变换的高斯窗函数上添加两个调节系数，所述的两个调节系数为高斯窗幅度调节系数和高斯窗指数调节系数；
步骤2，定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个评价指标；
步骤3，对两个高斯窗调节系数划定取值范围，并进行步进；根据两个调节参数的不同取值得到不同的S变换，利用每一次得到的S变换计算出步骤2中的五项指标，最终形成两个参数分别和五个指标的关系曲线；
步骤4，在两个参数变化时得到的不同指标值中随机选取302组数据组成决策矩阵A，分别得到主观赋权方法和客观赋权方法下的权重矩阵；
步骤5，根据多属性决策中的最优组合赋权方法对步骤4中的决策矩阵和权重矩阵分别进行运算，从而得到多属性综合评价值，其最大值所在的决策方案即为最优方案；
步骤6，由最优方案对应的参数值确定改进S变换的高斯窗函数，用该改进S变换能更加精确的提取电压暂降的基频幅值、起止时刻误差、相位跳变和暂降深度四个特征量。
2.根据权利要求1所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的步骤1中，在原始S变换的高斯窗函数上添加两个调节系数，具体为
Figure FDA0003500865630000011
式中a为高斯窗幅度调节系数，b为高斯窗指数调节系数。
3.根据权利要求2所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的步骤2中，起止时刻误差定义为由改进的S变换提取到的起止时刻与理论起止时刻分别相减所得到的绝对值之和定义为起止时刻误差，即：
Tr＝|Ten-T1|+|Tst-T2|
式中，Tr为起止时刻误差，Ten为检测到的暂降终止时刻，Tst为检测到的暂降起始时刻，T1为理论暂降终止时刻，T2为理论暂降起始时刻；
暂降深度误差为：
Ur＝|MF-U|
式中，Ur为暂降深度误差，U为理论电压暂降深度，MF为实际电压暂降深度；
局部标准差为：
Figure FDA0003500865630000021
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
峰度为：
Figure FDA0003500865630000022
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数；
能量为：
Figure FDA0003500865630000023
式中，xi为扰动样本向量x中某点采样幅值，N为扰动样本包含的采样点数。
4.根据权利要求3所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的步骤3中，对两个高斯窗调节系数划定取值范围，并进行步进；参数高斯窗幅度调节系数a的取值范围为1～5，参数高斯窗指数调节系数b的取值范围为0.5～1.5，步进均为0.01。
5.根据权利要求4所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的决策矩阵A通过计算得到规范化矩阵B和对称非负定方阵B1，分别选择一种主观赋权方法和客观赋权方法对决策矩阵进行运算，得到权重矩阵。
6.根据权利要求5所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的步骤4中，主观赋权法采用专家调查法，客观赋权放采用熵值法，从而得到赋权向量。
7.根据权利要求5所述的一种基于多属性决策和改进S变换方法的电压暂降检测方法，其特征在于：所述的步骤5中采用最优组合赋权方法对决策矩阵和权重矩阵进行计算得到所有决策方案的多属性综合评价值。
CN202010095618.6A 2020-02-17 2020-02-17 一种基于多属性决策和改进s变换方法的电压暂降检测方法 Active CN111257619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010095618.6A CN111257619B (zh) 2020-02-17 2020-02-17 一种基于多属性决策和改进s变换方法的电压暂降检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010095618.6A CN111257619B (zh) 2020-02-17 2020-02-17 一种基于多属性决策和改进s变换方法的电压暂降检测方法

Publications (2)

Publication Number Publication Date
CN111257619A CN111257619A (zh) 2020-06-09
CN111257619B true CN111257619B (zh) 2022-06-14

Family

ID=70952814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010095618.6A Active CN111257619B (zh) 2020-02-17 2020-02-17 一种基于多属性决策和改进s变换方法的电压暂降检测方法

Country Status (1)

Country Link
CN (1) CN111257619B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113765502B (zh) * 2021-08-19 2023-10-20 宁波力斗智能技术有限公司 一种基于s域紧致奇异值分解的pd源滤波方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104391207A (zh) * 2014-12-09 2015-03-04 湖南工业大学 一种采用基频单向量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
WO2016026355A1 (zh) * 2014-08-18 2016-02-25 国家电网公司 一种有源配电网电压跌落仿真与评估方法
CN109378823A (zh) * 2018-11-15 2019-02-22 四川大学 一种电压暂降水平的综合评估方法
CN110782130A (zh) * 2019-09-30 2020-02-11 南京工程学院 一种基于多属性决策的区域电压质量综合评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2016026355A1 (zh) * 2014-08-18 2016-02-25 国家电网公司 一种有源配电网电压跌落仿真与评估方法
CN104391207A (zh) * 2014-12-09 2015-03-04 湖南工业大学 一种采用基频单向量s变换的电压暂降检测方法
CN109378823A (zh) * 2018-11-15 2019-02-22 四川大学 一种电压暂降水平的综合评估方法
CN110782130A (zh) * 2019-09-30 2020-02-11 南京工程学院 一种基于多属性决策的区域电压质量综合评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A rule-based S-Transform and AdaBoost based approach for power quality assessment;Reddy M V等;《Electric Power Systems Research》;20161231;第134卷;第66-79页 *
Detection and classification of power quality disturbances using S-transform and probabilistic neural network;Mishra S等;《IEEE Transactions on power delivery》;20071231;第23卷(第1期);第280-287页 *
基于组合赋权与TOPSIS模型的节点电压暂降严重程度综合评估方法;杨家莉等;《电力系统保护与控制》;20171231;第45卷(第18期);第88-95页 *
电能质量在线综合监测系统;刘海涛等;《电网技术》;20061231;第30卷;第583-587页 *
采用最优多分辨率快速S变换的电能质量分析;黄南天等;《仪器仪表学报》;20151031;第36卷(第10期);第2174-2183页 *

Also Published As

Publication number Publication date
CN111257619A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN115935296B (zh) 一种电能数据计量方法及系统
CN116703183B (zh) 一种新型配电网系统用电负荷评估方法
Yılmaz et al. An improved automated PQD classification method for distributed generators with hybrid SVM-based approach using un-decimated wavelet transform
CN103323702A (zh) 复合电能质量扰动信号识别方法
CN112613641B (zh) 一种基于特征分解的短期电负荷组合预测方法
CN106646205A (zh) 一种声振联合分析断路器故障的随机大扰动信号剔除算法
CN102135569A (zh) 基于波动量法的用户侧谐波发射水平实用化的估计方法
CN103177188A (zh) 一种基于特征映射的电力系统负荷动特性分类方法
CN111257619B (zh) 一种基于多属性决策和改进s变换方法的电压暂降检测方法
CN111398721A (zh) 一种引入调节因子的配电网电压暂降源分类识别方法
CN111639583A (zh) 一种电网电能质量扰动的识别方法及系统
CN114062993A (zh) 一种基于时间卷积网络的cvt误差状态预测方法
CN112036318B (zh) 电压暂降源同质集成辨识方法
CN117368799A (zh) 一种电力系统输电线路短路故障的诊断方法
CN108562828A (zh) 基于小波检测提高电网低电压穿越能力的方法
CN102062830A (zh) 一种非接触式的绝缘子泄漏电流取样方法
CN116243042A (zh) 一种配电网的电压暂降检测方法
CN113627313B (zh) 非理想情况下基于s变换的电能表计量方法
CN112686503B (zh) 一种异步电网频率调控质量的评价方法及系统
CN115130550A (zh) 一种基于梯度提升决策树的配电变压器故障识别方法
CN103809020A (zh) 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法
CN112834959A (zh) 基于高频特征提取的直流配电系统故障检测方法
CN113553538A (zh) 一种递推修正混合线性状态估计方法
Zhuangzhuang et al. Phasor Measurement Unit Measurement Data Processing Method Applied to a Two-Stage Identification Algorithm for Load Model Parameters
Caujolle et al. Impact of Waveform Segmentation Accuracy on Disturbance Recognition Reliability

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
GR01 Patent grant
GR01 Patent grant