基于最大方差展开法的电能质量扰动识别方法技术

本发明专利技术属于电能质量扰动识别技术领域，尤其基于最大方差展开法的电能质量扰动识别方法，包括如下步骤：利用Mallat算法对PQD信号进行小波分解，得到信号的小波能量作为原始特征集；利用MVU算法对原始特征集进行特征向量降维，在MVU算法中引入核函数将非凸二次规划转化为凸半正定最优化问题，得到预分类的低维PQD特征向量；将预分类的低维PQD特征向量作为分类器的输入，结合分类器算法完成PQD识别。由于特征向量个数的缩减和MVU算法的预分类，从而减轻了后续PQD的分类压力，减少了分类运算时间，提高了PQD识别准确率。

Power quality disturbance identification method based on maximum variance expansion method

The invention belongs to the field of power quality disturbance recognition technology, especially the method of power quality disturbance recognition based on the maximum variance expansion method, including the following steps: using the Mallat algorithm to decompose the PQD signal with wavelet energy, and obtain the wavelet energy of the signal as the original feature set, and use the MVU algorithm to carry out the eigenvector of the original feature set. In reducing dimension, the kernel function is introduced into the MVU algorithm to transform the non convex two times programming into a convex semi positive optimization problem, and the pre classified low dimension PQD eigenvector is obtained. The pre classified low dimensional PQD eigenvector is used as the input of the classifier, and the classifier is combined with the classifier to complete the PQD recognition. Due to the reduction of the number of eigenvectors and the pre classification of the MVU algorithm, the classification pressure of the subsequent PQD is reduced, the classification operation time is reduced, and the recognition accuracy of the PQD is improved.

【技术实现步骤摘要】
基于最大方差展开法的电能质量扰动识别方法
本专利技术涉及电能质量分析
，尤其涉及基于最大方差展开法的电能质量扰动识别方法。
技术介绍
随着大量的非线性负载和电力电子设备接入电网中，为了保障电能质量满足用户的性能要求，有必要对输电和配电系统中的电能质量进行有效检测和分析。其中，电能质量扰动(powerqualitydisturbance，PQD)信号是分析电能质量的重要参数。PQD识别技术已成为电能质量分析领域的一个重要研究方向，PQD识别的目的是从海量的电能质量数据中将PQD快速准确地定位和识别，PQD识别过程包括特征提取和模式识别两部分，而PQD特征提取则是PQD识别的关键所在，好的PQD特征能有效地提高识别准确度和减少计算复杂度。PQD特征提取是通过映射变换提取到能反映扰动信号波形特征的特征量。目前，常用的特征提取方法包括:傅里叶变换、小波变换等。其中，傅里叶变换着重反映分析信号的整体信息，但是由于忽略了信号的局部特性，且对于非平稳信号不具备时间局部性，因此不满足时频分析要求。虽然小波变换已被广泛应用于PQD特征提取，该变换从各层小波分解系数中提取特征向量，适用于平稳和非平本文档来自技高网...

【技术保护点】
基于最大方差展开法的电能质量扰动识别方法，其特征在于，包括以下步骤：步骤1：利用Mallat算法对PQD信号进行小波分解，得到PQD信号的小波能量作为原始特征集；步骤2：利用MVU算法对步骤1所得到的原始特征集进行特征向量降维，在MVU算法中引入核函数将非凸二次规划转化为凸半正定最优化问题，得到预分类的低维PQD特征向量；步骤3：将步骤2所得到的预分类的低维PQD特征向量作为分类器的输入，结合分类器算法完成PQD识别。

【技术特征摘要】
1.基于最大方差展开法的电能质量扰动识别方法，其特征在于，包括以下步骤：步骤1：利用Mallat算法对PQD信号进行小波分解，得到PQD信号的小波能量作为原始特征集；步骤2：利用MVU算法对步骤1所得到的原始特征集进行特征向量降维，在MVU算法中引入核函数将非凸二次规划转化为凸半正定最优化问题，得到预分类的低维PQD特征向量；步骤3：将步骤2所得到的预分类的低维PQD特征向量作为分类器的输入，结合分类器算法完成PQD识别。2.如权利要求1所述的基于最大方差展开法的电能质量扰动识别方法，其特征在于，所述步骤1具体包括：通过重复使用低通滤波器和高通滤波器来实现分解，滤波器得到的低频分量和高频分量各占信号频带的1/2，对得到的新的低频分量重复上述分解过程，得到下一层的高频分量和低频分量，根据Parseval定理，能量小波系数公式为：∫[f(t)]2dt＝∑[aj(k)]2+∑[dj(k)]2(1)其中，f(t)为待分解信号；t为时间；k＝{1，2，…，n},n为自然数,取值视实际情况决定；aj(k)为小波分解第j层的近似系数；dj(k)为小波分解第j层的细节系数，对PQD信号进行J层分解，f(t)信号的小波变换近似能量分布和细节能量分布分别为：其中，j＝{1,2,…,J}；经过J层小波分解，得到J+1个特征量，将特征量构成能量函数利用db4正交小波基对纯正弦信号进行分析，其纯正弦信号不含噪声，采用db1、db2、db3、db4、db5、db6、db7、db8、db9、db10小波分别对纯正弦信号进行10尺度分解，得到第7分解尺度上的信号分解能量最大值，利用公式(1)进行db4小波7层分解，只提取细节能量部分由7个特征量组成向量构造PQD信号的原始向量集。3.如权利要求1所述的基于最大方差展开法的电能质量扰动识别方法，其特征在于，所述步骤2具体包括：选择db4小波函数对步骤1所得到的PQD信号的原始向量集进行分解，得到m维相空间，假设高维空间Rd中的观测数据集X＝(x1,x2,...,xn)T是从嵌入在d维空间中的r维流形上采样得到，流形学习就是在没有任何关于高维流行和r先验知识的条件下，根据高维观测数据集X发现未知映射f:Rd→Rr(r＜＜d)，并找到与高维观测数据集X一一对应的低维流形表示Y＝(y1,y2,...yn)T,y∈Rr；MVU算法首先根据X构造一个n×n的邻接矩阵W,如果xi是xj的k近邻，则Wij＝1，否则Wij＝0；将MVU算法表述为如下的优化问题：s.t.||yi-yj||2Wij＝||xi-xj||2Wij(5)公式(4)约束函数是局部等距约束，公式(5)是中心化约束，选择合适的近邻数k来进行构建邻接矩阵WN×N,若xi是xj的k近邻,则Wij＝1,否则Wij＝0,其中xi为相空间数据点,N为相空间内数据点个数；求解优化问题公式(7)得到最优核矩阵K，引入核函数转化为一个凸半正定最优化问题，定义数据集Y的核矩阵为K＝[Kij]n×n，它的元素为Kij＝<yi,yj>，其中<·,·>表示求内积；将上述优化问题转化为:其中，trace(·)表示矩阵的迹；第一个增加的约束K≥0表示K为半正定矩阵，用来保证数据来自于凸集；对...

【专利技术属性】
技术研发人员：车辚辚，孔英会，陈智雄，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13