基于多特征融合的电能质量扰动分类方法及系统技术方案

本发明专利技术涉及一种基于多特征融合的电能质量扰动分类方法及系统，方法包括以下步骤：分别对归一化采样信号进行S变换、傅里叶变换和噪声强度检测，得到时频矩阵、基频信号和信号噪声强度；根据时频矩阵和基频信号进行时频特征提取，得到三个特征值；判断信号噪声强度是否大于信噪比阈值，若是，则根据三个特征值利用决策树法对电能质量扰动信号进行分类，否则根据三个特征值利用概率神经网络法对电能质量扰动信号进行分类；输出分类结果。本发明专利技术弥补了概率神经网络法和决策树法各自的缺点，抗噪声能力强，减少了信号的压缩处理及计算量，在保证了高噪声的情况下电能质量扰动分类结果不受影响的同时，提高了低噪声下电能质量扰动的分类效果和成功率。

【技术实现步骤摘要】
基于多特征融合的电能质量扰动分类方法及系统
本专利技术涉及电力自动化
，特别是涉及一种基于多特征融合的电能质量扰动分类方法及系统。
技术介绍
现代电力系统中，电力电子设备的应用越来越广泛，各种非线性、冲击性、波动性负载也大量增加，使电力系统所遭受的电能质量污染也日趋严重。同时，敏感电子设备则对电能质量提出了更高的要求。对电能质量进行监测和分析是发现电能质量问题并进行治理和改善的前提条件，如何保证电能质量，如何识别电能质量扰动及如何对其进行快速精确的分类成为新的课题。传统的电能质量监测诊断方法是通过直接进行时域或者频域分析，将信号压缩处理后再行观察，但用传统检测方法存在以下问题:(1)虽然时域检测方法对单类扰动检测明显(尤其对电压暂态扰动)，但它对稳态扰动例如谐波等扰动十分的不敏感，同样频域分析虽然对稳态扰动较为适宜，但暂态扰动却不那么敏感；(2)对于两类扰动叠加的情况时，单纯的时域或者频域分析方法难以准确分类，甚至会有误判的情况：(3)单纯时域变换会导致噪声无法得到有效处理，会加大噪声污染后的误判可能性，如果要增加外设处理噪声却又会增大产品的成本和体积；(4)频域变换只能反映信本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的电能质量扰动分类方法，其特征在于，包括以下步骤：步骤一：在信号采样区域对电压信号进行提取后，得到采样信号，并对所述采样信号进行归一化处理，得到归一化采样信号；步骤二：对所述归一化采样信号进行S变换，得到时频矩阵，通过时频矩阵得到时频图像；步骤三：对所述归一化采样信号进行傅里叶变换，得到基频信号；步骤四：对所述归一化采样信号进行噪声强度检测，得到信号噪声强度；步骤五：通过观察不同扰动下的时频图像，并根据所述时频矩阵和所述基频信号进行时频特征提取，得到三个特征值，分别为第一特征值、第二特征值和第三特征值，所述第一特征值为所述时频矩阵的基频区域内行矩阵每列最大幅值中的最大值，...

【技术特征摘要】
1.一种基于多特征融合的电能质量扰动分类方法，其特征在于，包括以下步骤：步骤一：在信号采样区域对电压信号进行提取后，得到采样信号，并对所述采样信号进行归一化处理，得到归一化采样信号；步骤二：对所述归一化采样信号进行S变换，得到时频矩阵，通过时频矩阵得到时频图像；步骤三：对所述归一化采样信号进行傅里叶变换，得到基频信号；步骤四：对所述归一化采样信号进行噪声强度检测，得到信号噪声强度；步骤五：通过观察不同扰动下的时频图像，并根据所述时频矩阵和所述基频信号进行时频特征提取，得到三个特征值，分别为第一特征值、第二特征值和第三特征值，所述第一特征值为所述时频矩阵的基频区域内行矩阵每列最大幅值中的最大值，所述第二特征值为所述时频矩阵的基频区域内行矩阵每列最大幅值中的最小值，所述第三特征值为所述时频矩阵的高频区域内行矩阵每列最大幅值曲线的最小值；步骤六：判断所述信号噪声强度是否大于信噪比阈值，若是，则根据所述第一特征值、所述第二特征值和所述第三特征值利用决策树法对电能质量扰动信号进行分类；若否，则根据所述第一特征值、所述第二特征值和所述第三特征值利用概率神经网络法对电能质量扰动信号进行分类；步骤七：输出分类结果。2.根据权利要求1所述的基于多特征融合的电能质量扰动分类方法，其特征在于，利用决策树法对电能质量扰动信号进行分类的过程包括以下步骤：步骤六一：根据所述特征值的散点图像构建决策树，并将实验室得到的电能质量扰动模拟信号特征值的阈值放入决策树中；步骤六二：根据决策树和阈值对电能质量扰动信号进行分类。3.根据权利要求2所述的基于多特征融合的电能质量扰动分类方法，其特征在于，在步骤六二中根据决策树和阈值对电能质量扰动信号进行分类的过程包括以下步骤：步骤1：判断所述第三特征值是否大于0.01，若是，则将闪变谐波、振荡谐波、暂降谐波、暂升谐波和中断谐波分为一类；若否，将闪变振荡、暂降闪变、暂降振荡、暂升闪变、暂升振荡、中断闪变和中断振荡分为一类；步骤2：当所述第三特征值大于0.01时，判断所述第一特征值是否大于0.515，若是，则将闪变谐波和暂升谐波分为一类；若否，则将振荡谐波、暂降谐波和中断谐波分为一类；步骤3：当所述第三特征值小于或者等于0.01时，判断所述第一特征值是否大于0.515，若是，则将闪变振荡、暂降闪变、暂升闪变、暂升振荡和中断闪变分为一类；若否，则将暂降振荡和中断振荡分为一类；步骤4：当所述第三特征值大于0.01且所述第一特征值大于0.515时，判断所述第二特征值是否大于0.48，若是，则将暂升谐波分为一类；若否，则将闪变谐波分为一类；步骤5：当所述第三特征值大于0.01且所述第一特征值小于或者等于0.515时，判断所述第二特征值是否大于0.48，若是，则将振荡谐波分为一类；若否，则将暂降谐波和中断谐波分为一类；步骤6：当所述第三特征值小于或者等于0.01且所述第一特征值大于0.515时，判断所述第二特征值是否大于0.48，若是，则将暂升振荡分为一类；若否，则将闪变振荡、暂降闪变、暂升闪变和中断闪变分为一类；步骤7：当所述第三特征值小于或者等于0.01且所述第一特征值小于或者等于0.515时，判断所述第二特征值是否大于0.125，若是，则将暂降振荡分为一类；若否，则将中断振荡分为一类；步骤8：当所述第三特征值大于0.01、所述第一特征值小于或者等于0.515和所述第二特征值小于或者等于0.48时，判断所述第二特征值是否大于0.13，若是，则将暂降谐波分为一类；若否，则将中断谐波分为一类；步骤9：当所述第三特征值小于或者等于0.01、所述第一特征值大于0.515和所述第二特征值小于或者等于0.48时，判断所述第二特征值是否大于0.4，若是，则将闪变振荡和暂升闪变分为一类；若否，则将暂降闪变和中断闪变分为一类；步骤10：当所述第三特征值小于或者等于0.01、所述第一特征值大于0.515、所述第二特征值小于或者等于0.48且所述第二特征值大于0.4时，判断所述第一特征值是否大于0.6，若是，则将暂升闪变分为一类；若否，则将闪变振荡分为一类；步骤11：当所述第三特征值小于或者等于0.01、所述第一特征值大于0.515、所述第二特征值小于或者等于0.48和所述第二特征值小于或者等于0.4时，判断所述第二特征值是否大于0.115，若是，则将暂降闪变分为一类；若否，则将中断闪变分为一类。4.根据权利要求1至3任意一项所述的基于多特征融合的电能质量扰动分类方法，其特征在于，利用概率神经网络法对电能质量扰动信号进行分类的过程包括以下步骤：步骤12：构建概率神经网络，并将实验室得到的电能质量扰动模拟信号特征放入概率神经网络的特征选择层；步骤13：三个所述特征值与已知的12种电能质量扰动信号的特征量进行比对和计算，将未知的电能质量扰动信号的三个扰动特征值放入空间直角坐标中，并和实验中已知的三个特征值所构成的特征点进行距离比对，确定距离最近的特征点，并以距离最近的特征点作为扰动特征点的分类类别。5.根据权利要求1至3任意一项所述的基于多特征融合的电能质量扰动分类方法，其特征在于，所述信噪比阈值为30DB。6.一种基于多特征融合的电能质量扰动分类系统，其特征在于，包括：信号采集模块，用于在信号采样区域对电压信号进行提取后，得到采样信号，并对所述采样信号进...

【专利技术属性】
技术研发人员：张秉仁，刘卫平，杨媛如，张炜琛，
申请(专利权)人：吉林大学，长春朗音电测仪器有限公司，
类型：发明
国别省市：吉林,22