基于小波变换的电能质量扰动识别方法及装置制造方法及图纸

本发明专利技术涉及电能质量分析技术领域，具体提供了一种基于小波变换的电能质量扰动识别方法及装置，如何准确识别电能质量扰动的技术问题。为此目的，本发明专利技术提供的基于小波变换的电能质量扰动方法主要包括下列步骤：首先，对电能质量扰动信号进行小波变换多分辨率分析并且根据分析结果获取相应的特征向量。然后，利用LS‑SVM分类器和多个电能质量扰动类别对特征向量进行识别，从而得到该特征向量对应的电能质量扰动类别，即上述电能质量扰动信号对应的电能质量扰动类别。基于上述步骤，本发明专利技术提供的电能质量扰动识别方法能够有效且快速地识别出不平稳和/或持续时间较短的电能质量扰动信号。

【技术实现步骤摘要】
基于小波变换的电能质量扰动识别方法及装置
本专利技术涉及电能质量分析
，具体涉及一种基于小波变换的电能质量扰动识别方法及装置。
技术介绍
电能质量扰动(powerqualitydisturbance，PQD)会导致设备过热、电机停转、保护失灵以及计量不准等严重后果，造成严重的经济损失和社会影响。当前电能质量扰动的分析方法主要包括傅里叶变换法、小波变换法、S变换法和希尔伯特-黄变换法等方法，而电能质量扰动的识别方法主要包括基于决策树或神经网络或支持向量机的电能质量扰动识别方法。具体地，傅里叶变换法不适用于非平稳信号的分析，S变换法不能在电能质量扰动持续时间较短的情况下准确判断出电压暂将和电压中断等扰动，希尔伯特-黄变换方法无法描述电能质量扰动信号的时频特征。
技术实现思路
为了解决现有技术中的上述问题，即为了解决如何准确识别电能质量扰动的技术问题。为此目的，本专利技术提供了一种基于小波变换的电能质量扰动方法及装置。在第一方面，本专利技术提供的一种基于小波变换的电能质量扰动方法主要包括下列步骤：利用小波变换多分辨率分析法对预先获取的电能质量扰动信号进行分析并且根据分析结果获取所述电能质本文档来自技高网...

【技术保护点】
1.一种基于小波变换的电能质量扰动识别方法，其特征在于包括：利用小波变换多分辨率分析法对预先获取的电能质量扰动信号进行分析并且根据分析结果获取所述电能质量扰动信号的特征向量；利用预先构建的LS‑SVM分类器并根据多个预设的电能质量扰动类别对所述特征向量进行识别，得到该特征向量对应的电能质量扰动类别；其中，所述LS‑SVM分类器是根据所述多个电能质量扰动类别对应的电能质量扰动仿真信号并利用机器学习算法所构建的电能质量扰动分类模型。

【技术特征摘要】
1.一种基于小波变换的电能质量扰动识别方法，其特征在于包括：利用小波变换多分辨率分析法对预先获取的电能质量扰动信号进行分析并且根据分析结果获取所述电能质量扰动信号的特征向量；利用预先构建的LS-SVM分类器并根据多个预设的电能质量扰动类别对所述特征向量进行识别，得到该特征向量对应的电能质量扰动类别；其中，所述LS-SVM分类器是根据所述多个电能质量扰动类别对应的电能质量扰动仿真信号并利用机器学习算法所构建的电能质量扰动分类模型。2.根据权利要求1所述的基于小波变换的电能质量扰动识别方法，其特征在于，在“利用预先构建的LS-SVM分类器并根据多个预设的电能质量扰动类别对所述特征向量进行识别”的步骤之前，所述方法还包括：对所述特征向量进行降维处理。相应地，“利用预先构建的LS-SVM分类器并根据多个预设的电能质量扰动类别对所述特征向量进行识别”的步骤是利用所述LS-SVM分类器并根据多个电能质量扰动类别对所述降维处理后的特征向量进行识别。3.根据权利要求1或2所述的基于小波变换的电能质量扰动识别方法，其特征在于，“利用小波变换多分辨率分析法对预先获取的电能质量扰动信号进行分析并且根据分析结果获取所述电能质量扰动信号的特征向量”的步骤包括：利用小波变换多分辨率分析方法获取所述电能质量扰动信号在每个频段的小波分解系数；根据所述每个频段的小波分解系数和预设的数据特征类别，获取每个频段对应的数据特征；根据所述每个时段对应的数据特征构建所述电能质量扰动信号的特征向量。4.根据权利要求1-3中任一项所述的基于小波变换的电能质量扰动识别方法，其特征在于，在“利用预先构建的LS-SVM分类器并根据多个预设的电能质量扰动类别对所述特征向量进行识别”的步骤之前，所述方法还包括：根据预先构建的每个所述电能质量扰动类别的扰动仿真模型获取所述每个电能质量扰动类别对应的电能质量扰动仿真信号；根据所述电能质量扰动仿真信号并利用机器学习算法对所述...

【专利技术属性】
技术研发人员：谭杰，潘程，王敏丽，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11