CN111524036A - 一种暂态电能质量扰动分类方法 - Google Patents

一种暂态电能质量扰动分类方法 Download PDF

Info

Publication number
CN111524036A
CN111524036A CN202010460431.1A CN202010460431A CN111524036A CN 111524036 A CN111524036 A CN 111524036A CN 202010460431 A CN202010460431 A CN 202010460431A CN 111524036 A CN111524036 A CN 111524036A
Authority
CN
China
Prior art keywords
double
steps
disturbance
following
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.)
Granted
Application number
CN202010460431.1A
Other languages
English (en)
Other versions
CN111524036B (zh
Inventor
龚仁喜
廖冠婷
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN202010460431.1A priority Critical patent/CN111524036B/zh
Publication of CN111524036A publication Critical patent/CN111524036A/zh
Application granted granted Critical
Publication of CN111524036B publication Critical patent/CN111524036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种暂态电能质量扰动分类方法，属于电能质量分析技术领域，本发明利用对功率谱极大值的动态测度检测信号的主频率点，以避免不必要的计算，通过改进的双高斯窗函数能精准的定位电能质量扰动的起止时间和幅值变化。并且通过改进不完全S变换后模时频矩阵得到相应的特征量，再通过简单的决策树得到分类精度，改进不完全S变换方法，即先用功率谱极大值动态测度算法检测主频率点，减少计算复杂度；再用含有两个新引入参数p，r的双高斯窗的S变换对主频率点进行计算，提高了时频能量聚集度和定位扰动的精确度。最后在变换后得到的时频矩阵中提取有效的特征量，借助简单的判别树进行分类。

Description

一种暂态电能质量扰动分类方法
技术领域
本发明涉及电能质量分析技术领域，尤其涉及一种暂态电能质量扰动分 类方法。
背景技术
电能是现代社会发展和国民经济生活不可或缺的能源。高质量的电能是 保障各行各业和人们日常生活的正常进行的必要条件。随着电力电子设备的 广泛应用以及电网中非线性负荷的增多，很多与暂态电能质量扰动相关的问 题日益凸显，严重威胁了电力系统的安全、稳定与经济运行。暂态电能质量 扰动一般包括短时电压波动(电压暂降、电压中断、电压暂升)和电磁暂态 (暂态振荡、暂态脉冲)。
为了解决暂态电能质量扰动问题，减少不必要的经济损失，暂态电能质 量扰动问题已经成为近年来研究的热点。
发明内容
本发明的目的在于提供一种暂态电能质量扰动分类识别方法，解决背景 技术中所提到的技术问题。传统的S变换需对所有的频率点进行计算，计算 量大，不利于实时的电能质量扰动信号的分析。又由于高斯窗的性质导致了S 变换在检测扰动信号时幅值曲线变化缓慢，不利于实时检测扰动发生的起止 时间。
一种暂态电能质量扰动分类方法，所述方法包括如下步骤：
步骤1：对电网系统的电信号进行采集，判断是否有扰动信号，当有扰动 信号时，对扰动信号进行FFT运算后得到功率谱；
步骤2：从功率谱分析出极大值，并计算功率谱的极大值动态测度；
步骤3：设计双高斯窗，双高斯窗由两个不同的半高斯窗组成，前后方向 的变化趋势不同，是不对称的双高斯窗；
步骤4：根据双高斯窗进行时频分析计算得到模矩阵，分析时频模矩阵得 到基频幅值向量；
步骤5：对基频幅值向量进行分类得到暂态电能质量分类信息，完成检测 分类。
所述步骤2中计算功率谱的极大值动态测度具体过程为：
设置M为一个功率谱的极大值，如果存在比其更高的极值点，则极值点 M的动态测度等于由M通向同高度所有路径中最小路径动态测度，最小路径动 态测度的具体算式为：
Dyn(M)＝(inf(Dyn(P(M,N)))；halt(M)＝halt(N))；
其中inf表示下确界；halt表示高度；P(M,N)表示用高度表示的路径，即 功率谱曲线上两点M,N之间的部分。
所述步骤3中的双高斯窗的时域表达式为：
Figure BDA0002510770980000021
其中，
Figure BDA0002510770980000022
Figure BDA0002510770980000023
式中：γBG＝1.0；
Figure BDA0002510770980000024
其中，t和f分别表示时间和频率，τ表示时移因子。
所述步骤3中的双高斯窗的时域表达式为：
Figure BDA0002510770980000025
其中，
Figure BDA0002510770980000026
Figure BDA0002510770980000027
Figure BDA0002510770980000028
式中：γBG＝1.0。
所述步骤3中的双高斯窗的时域表达式为：
Figure BDA0002510770980000031
其中，
Figure BDA0002510770980000032
Figure BDA0002510770980000033
Figure BDA0002510770980000034
式中：γBG＝1.0，p为为调节窗口宽度变化模式而引入的参数；r为为调节 窗口宽度变化速率而引入的参数。
所述步骤3中的双高斯窗的频域表达式为：
Figure BDA0002510770980000035
i为虚数单位，α为一自变量
所述步骤4中时频分计算的时域表达式为：
Figure BDA0002510770980000036
其中：
Figure BDA0002510770980000037
g(t)为扰动信号，ft实际是两个变量f和t,其它量已定义过了，不能再说明。
所述步骤4中利用差分向量检测扰动起止时间，向量的最大值最小值对 应的时间就是扰动的起止时间，差分向量的定义是：
Diff(k)＝A(k,f1)-A(k-1,f1)；k＝1,2,...,N-1
式中A(k,f1)是基频幅值向量，在暂态振荡时是高频幅值向量；
采用基频幅值向量进行检测电压暂升的幅值：
Figure BDA0002510770980000041
式中，Anormal表示标准基频幅值，取1，当检测电压暂降、电压中断的幅 值时，检测电压暂降的幅值为：
Figure BDA0002510770980000042
所述步骤5中分类的具体过程为，从四个特征量进行信号的分类，设电 能质量扰动信号的主频率点数N，N为正整数：在暂态信号中，该特征主要是 判断是否含有暂态振荡扰动或谐波当主频率点大于1时，该电信号为暂态振 荡或谐波；
基频的均值：
Figure BDA0002510770980000043
基频的标准差：
Figure BDA0002510770980000044
基频的偏差值：S3＝2max{max(A(m,n0))-0.5,0.5-min(A(m,n0))}：m是求和变 量，n0为基波信号。
本发明采用了上述技术方案，本发明具有以下技术效果：
本发明利用对功率谱极大值的态测度检测信号的主频率点，以避免不必 要的计算，通过改进的双高斯窗函数能精准的定位电能质量扰动的起止时间 和幅值变化。并且通过改进不完全S变换后模式频矩阵得到相应的特征量， 再通过简单的决策树得到分类精度，改进不完全S变换方法，即先用功率谱 极大值动态测度算法检测主频率点，减少计算复杂度；再用含有两个新引入 参数p，r的双高斯窗的S变换对主频率点进行计算，提高了时频能量聚集度 和定位扰动的精确度。最后在变换后得到的时频矩阵中提取有效的特征量，借助简单的判别树进行分类。
附图说明
图1是本发明的电能质量扰动分类流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举 出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中 列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的 理解，即便没有这些特定的细节也可以实现本发明的这些方面。
如图1所示，根据本发明的一种暂态电能质量扰动分类方法，所述方法 包括如下步骤：
步骤1：本文对扰动信号进行FFT后得到功率谱，
步骤2：极大值的动态测度方法可定义为：当M为一个功率谱的极大值， 如果存在比其更高的极值点，则极值点M的动态测度等于由M通向同高度所 有路径中最小路径动态测度:
Dyn(M)＝(inf(Dyn(P(M,N)))；halt(M)＝halt(N))
其中inf表示下确界；halt表示高度；P(M,N)表示用高度的路径，即功率谱 曲线上两点M,N之间的部分。
按上式得到功率谱的极大值动态测度，合理的选取阈值便可以将主要频 率点和非主要频率点区分开来。
步骤3：本方法是在S变换的基础上，将其中的高斯窗换成双高斯窗。双 高斯窗由两个不同的半高斯窗组成，前后方向的变化趋势不同，是不对称的 双高斯窗。相对于传统的S变换，双高斯窗S变换有利于提高检测起止时间 的准确度.双高斯窗WBG的时域表达式为：
Figure BDA0002510770980000051
其中，
Figure BDA0002510770980000052
Figure BDA0002510770980000053
式中：γBG＝1.0；
Figure BDA0002510770980000061
虽然双高斯窗函数及其一阶导数是连续函数，但其二阶导数在t＝τ处具 有不连续性，这是因为
Figure BDA0002510770980000062
的不连续性，这将导致频域中的双高斯窗变化缓慢。 为了提高双高斯窗变化的速度，将
Figure BDA0002510770980000063
进行修改，得到：
Figure BDA0002510770980000064
式中，fL是S变换计算时的最大频率。
为了控制窗口形状，引入两个参数p和r，此时改进双高斯函数的时域为 表达式：
Figure BDA0002510770980000065
式中的
Figure BDA0002510770980000066
γBG和双高斯窗一致，p定义窗口宽度变化的模式；r决定窗口宽度变化的速率。
改进双高斯窗的频域表达式为：
Figure BDA0002510770980000067
因此改进不完全S变换的时域表达式为：
Figure BDA0002510770980000068
其中：
Figure BDA0002510770980000069
步骤4：经过改进不完全S变换后得到时频模矩阵，通过分析时频模矩阵 得到基频幅值向量。利用差分向量检测扰动起止时间，向量的最大值和最小 值对应的时间就是扰动的起止时间。差分向量的定义是：
Diff(k)＝A(k,f1)-A(k-1,f1)；k＝1,2,...,N-1
式中A(k,f1)是基频幅值向量，暂态振荡时，使用高频幅值向量。
对于电压暂升的幅值，采用基频幅值向量进行检测：
Figure BDA00025107709800000610
式中，Anormal表示标准基频幅值，这里取1。当检测电压暂降、电压中断的幅值 时，将上式的max(A(k,f1))改为min(A(k,f1))。
步骤5：经过分析，本发明提取以下四个特征量进行信号的分类：
(1)电能质量扰动信号的主频率点数N：在暂态扰动信号中，该特征主要是 判断是否含有暂态振荡扰动或谐波。当主频率点大于1时，该电信号为暂态 振荡或谐波；
(2)基频的均值：
Figure BDA0002510770980000071
(3)基频的标准差：
Figure BDA0002510770980000072
(4)基频的偏差值：S3＝2max{max(A(m,n0))-0.5,0.5-min(A(m,n0))}。
如图1所示，在本分类方法中，电压暂降、电压暂升、电压中断、暂态 振荡、暂态脉冲、暂态振荡加电压暂降、谐波加电压中断、谐波加电压暂升 的标签依次为C1—C8。
以上所述仅是本发明的优选实施方式，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的前提下，还可以作出若干改进和润 饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种暂态电能质量扰动分类方法，其特征在于：所述方法包括如下步骤：
步骤1：对电网系统的电信号进行采集，判断是否有扰动信号，当有扰动信号时，对扰动信号进行FFT运算后得到功率谱；
步骤2：从功率谱分析出极大值，并计算功率谱的极大值动态测度；
步骤3：设计双高斯窗，双高斯窗由两个不同的半高斯窗组成，左右方向的变化趋势不同，是不对称的双高斯窗；
步骤4：根据双高斯窗进行改进S变换得到时频模矩阵，分析时频模矩阵得到基频幅值向量；
步骤5：对基频幅值向量进行分类得到暂态电能质量扰动分类信息，完成电能质量扰动分类。
2.根据权利要求1所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤2中计算功率谱的极大值动态测度具体过程为：
设置M为一个功率谱的极大值，如果存在比其更高的极值点，则极值点M的动态测度等于由M通向同高度所有路径中最小路径动态测度，最小路径动态测度的具体算式为：
Dyn(M)＝(inf(Dyn(P(M,N)))；halt(M)＝halt(N))；
其中inf表示下确界；halt表示高度；P(M,N)表示用高度表示的路径，即功率谱曲线上两点M,N之间的部分。
3.根据权利要求1所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤3中的双高斯窗的时域表达式为：
Figure FDA0002510770970000011
其中，
Figure FDA0002510770970000012
Figure FDA0002510770970000013
式中：γBG＝1.0；
Figure FDA0002510770970000021
4.根据权利要求1所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤3中的双高斯窗的时域表达式为：
Figure FDA0002510770970000022
其中，
Figure FDA0002510770970000023
Figure FDA0002510770970000024
Figure FDA0002510770970000025
式中：γBG＝1.0。
5.根据权利要求4所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤3中的双高斯窗的时域表达式为：
Figure FDA0002510770970000026
其中，
Figure FDA0002510770970000027
Figure FDA0002510770970000028
Figure FDA0002510770970000029
式中：γBG＝1.0，p为窗口宽度变化的模式；r决定窗口宽度变化的速率。
6.根据权利要求5所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤3中的双高斯窗的频域表达式为：
Figure FDA00025107709700000210
7.根据权利要求5所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤4中时频计算的时域表达式为：
Figure FDA0002510770970000031
。
8.根据权利要求5所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤4中利用差分向量检测扰动起止时间，向量的最大值最小值对应的时间就是扰动的起止时间，差分向量的定义是：
Diff(k)＝A(k,f1)-A(k-1,f1)；k＝1,2,...,N-1
式中A(k,f1)是基频幅值向量，在暂态振荡时是高频幅值向量；
采用基频幅值向量获得的电压暂升的幅值：
Figure FDA0002510770970000032
式中，Anormal表示标准基频幅值，取1。电压暂降、电压中断的幅值为：
Figure FDA0002510770970000033
9.根据权利要求1所述的一种暂态电能质量扰动分类方法，其特征在于：所述步骤5中分类的具体过程为，从四个特征量中进行信号的分类，设电能质量扰动信号的主频率点数N，N为正整数：在暂态信号中，该特征主要是判断是否含有暂态振荡扰动或谐波当主频率点大于1时，该电信号为暂态振荡或谐波；
基频的均值：
Figure FDA0002510770970000034
基频的标准差：
Figure FDA0002510770970000035
基频的偏差值：S3＝2max{max(A(m,n0))-0.5,0.5-min(A(m,n0))}。
CN202010460431.1A 2020-05-27 2020-05-27 一种暂态电能质量扰动分类方法 Active CN111524036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010460431.1A CN111524036B (zh) 2020-05-27 2020-05-27 一种暂态电能质量扰动分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010460431.1A CN111524036B (zh) 2020-05-27 2020-05-27 一种暂态电能质量扰动分类方法

Publications (2)

Publication Number Publication Date
CN111524036A true CN111524036A (zh) 2020-08-11
CN111524036B CN111524036B (zh) 2023-03-14

Family

ID=71908305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010460431.1A Active CN111524036B (zh) 2020-05-27 2020-05-27 一种暂态电能质量扰动分类方法

Country Status (1)

Country Link
CN (1) CN111524036B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358042A (zh) * 2021-11-29 2022-04-15 国网安徽省电力有限公司马鞍山供电公司 一种基于t-s模糊模型的电能质量信号扰动分类方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831433A (zh) * 2012-06-06 2012-12-19 西南交通大学 一种基于时频域多特征量的电能质量混合扰动分类方法
US20170364731A1 (en) * 2016-06-17 2017-12-21 Li-Cor, Inc. Adaptive signal detection and synthesis on trace data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831433A (zh) * 2012-06-06 2012-12-19 西南交通大学 一种基于时频域多特征量的电能质量混合扰动分类方法
US20170364731A1 (en) * 2016-06-17 2017-12-21 Li-Cor, Inc. Adaptive signal detection and synthesis on trace data

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘军 等: "电能质量扰动分析中广义S变换算法的改进与实现", 《电力系统及其自动化学报》 *
易吉良 等: "采用不完全S变换的电能质量扰动检测方法", 《高电压技术》 *
王晓光 等: "基于广义双曲 S 变换的电能质量快速检测算法", 《浙江电力》 *
郭俊文 等: "基于改进不完全 S 变换与决策树的实时电能质量扰动分类", 《电力系统保护与控制》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358042A (zh) * 2021-11-29 2022-04-15 国网安徽省电力有限公司马鞍山供电公司 一种基于t-s模糊模型的电能质量信号扰动分类方法

Also Published As

Publication number Publication date
CN111524036B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN112527788B (zh) 变压器监测数据异常值检测与清洗的方法及装置
CN107657088B (zh) 基于mckd算法与支持向量机的滚动轴承故障诊断方法
CN111027408A (zh) 一种基于支持向量机和v-i曲线特征的负荷识别方法
CN106250904B (zh) 基于改进s变换的电能扰动分析仪及分类方法
CN106405518A (zh) 一种复杂体制雷达信号等级关联聚类分选方法
CN105447502A (zh) 一种基于s变换和改进svm算法的暂态电能扰动识别方法
Li et al. Damage localization of stacker’s track based on EEMD-EMD and DBSCAN cluster algorithms
CN103235953B (zh) 一种光纤分布式扰动传感器模式识别的方法
CN102982347B (zh) 一种基于kl距离的电能质量扰动分类方法
CN115128345B (zh) 一种基于谐波监测的电网安全预警方法及系统
CN111524036B (zh) 一种暂态电能质量扰动分类方法
CN111291918B (zh) 平稳子空间外源矢量自回归的旋转机械退化趋势预测方法
CN103207931A (zh) 基于mm和arma算法的次同步振荡模态辨识方法
CN111639583A (zh) 一种电网电能质量扰动的识别方法及系统
CN110826498A (zh) 基于hht的暂态电能质量检测方法
CN114236234A (zh) 一种基于基波和谐波混合判据的电器特征辨识方法
CN112688324B (zh) 基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法
CN117574264A (zh) 一种基于知识约束神经网络的变压器故障诊断方法及系统
CN112034232A (zh) 一种供电系统电压暂降检测方法
CN112129989B (zh) 一种基于自适应聚类的电压暂降分段刻画方法
Qing-wei et al. A practical approach of online control performance monitoring
CN110687344B (zh) 单相电压暂降检测方法及装置、电压恢复器、设备及介质
CN110135281B (zh) 一种电力系统低频振荡智能在线识别方法
CN112362944A (zh) 一种基于余弦相似度法的电压暂降源分类方法
CN102636341B (zh) 一种基于波形拟合的迟滞检测方法

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