一种基于多分辨奇异值分解的电压暂降源识别方法技术

本发明专利技术的目的在于提供一种基于多分辨奇异值分解的电压暂降源识别方法，首先对电压信号构造二阶Hankel矩阵，进行MRSVD分析，得到一组不同频率的分量信号,然后求取分量信号的能量矩，有效提取信号的主要特征，构成识别特征向量，输入LS‑SVM识别模型进行电压暂降源识别。

A voltage sag source identification method based on multi-resolution singular value decomposition

The object of the present invention is to provide a voltage sag source identification method based on multi-resolution singular value decomposition. Firstly, a second-order Hankel matrix is constructed for the voltage signal, and MRSVD analysis is carried out to obtain a set of component signals of different frequencies. Then, the energy moments of the component signals are obtained, the main features of the signals are extracted effectively, and the identification eigenvectors are constructed, and the LS-SVM recognition model is input to the voltage identification model. Sag source identification.

【技术实现步骤摘要】
一种基于多分辨奇异值分解的电压暂降源识别方法
本专利技术涉及电压暂降源识别领域，具体而言，涉及一种基于多分辨奇异值分解的电压暂降源识别方法。
技术介绍
伴随着智能电网的快速发展，电能质量成为电力部门关注的重点。其中，分析电压暂降危害程度、识别暂降源并采取对应的措施，成为改善电能质量的难点。近年来，众多学者在暂降源识别方面进行了大量的研究，取得了优异的成果。刘颖英等学者通过采用多重判据方法对电压暂降源进行分析和定位；有文献利用Hilbert-Huang变换实现对暂态电能质量扰动信号的检测。在众分析方法中，小波变换具有多尺度的特性，可以同时呈现信号在时域和频域的局部化信息，成为检测电压暂降信号奇异点的高效工具。但是随着分解尺度的增大，奇异点的检测位置会发生偏移，造成识别结果的偏差。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于多分辨奇异值分解的电压暂降源识别方法，首先对电压信号构造二阶Hankel矩阵，进行MRSVD分析，得到一组不同频率的分量信号。然后求取分量信号的能量矩，有效提取信号的主要特征，构成识别特征向量，输入LS-SVM识别模型进行电压暂降源识别。本专利技术提供了一种基于多分辨奇异值分解的电压暂降源识别方法，包括：获取配电网连续电压信号H(t)，对其离散化得X＝[X1,X2,...,Xn]，构造电压信号二阶Hankel矩阵H：构建识别特征向量T；将所述识别特征向量T输入至所述LS-SVM三级暂降源识别模型进行暂降源识别，包括：LS-SVM三级暂降源识别模型，包括第一级LS-SVM1、第二级LS-SVM2以及第三级LS-SVM3；步骤501、所述识别特征向量T输入所述第一级LS-SVM1，输出为+1则为正常，若输出为－1，则进行步骤502；步骤502、所述识别特征向量T输入第二级LS-SVM2，输出为+1则为短路故障引起的电压暂降，若输出为－1，则进行步骤503；步骤503、所述识别特征向量T输入第三级LS-SVM3，若输出为+1则为变压器故障引起的电压暂降，若输出为－1，则为大功率电动机启动引起的电压暂降。作为本专利技术的进一步改进，所述构建识别特征向量T，包括：对所述电压信号二阶Hankel矩阵H进行奇异值分解，得到近似信号分量H1和细节信号分量D1，所述近似信号分量H1表征电压信号主体，所述细节信号分量D1表征电压信号细节；构造近似信号分量H1二阶Hankel矩阵，对近似信号分量H1二阶Hankel矩阵进行奇异值分解，得到细节信号分量Dj和余量信号分量Hj；计算细节信号分量Dj能量矩Ej；所述识别特征向量T为：T＝[E1,E2,…,Ej]。本专利技术提出的MRSVD能量矩分析方法，有效解决了小波变换方法分解电压信号时尺度增大产生的相位漂移问题；并利用该方法构造识别特征向量，结合LS-SVM识别模型进行暂降源识别。作为本专利技术的进一步改进，通过MRSVD对所述电压信号二阶Hankel矩阵H分解奇异值：H＝σ1u11v11T+σ2u12v12T；所述H1＝σ1u11v11T；D1＝σ2u12v12T；且σ1＞σ2。作为本专利技术的进一步改进，对所述近似信号分量H1二阶Hankle矩阵进行j-1次连续奇异值分解，H1＝H2+D2，H2＝H3+D3，......，Hj-1＝Hj+Dj，得到一系列细节信号分量D2，D3，......，Dj和一个余量信号分量Hj。作为本专利技术的进一步改进，计算所述细节信号分量Dj的能量矩的方法为：对H1＝σ1u11v11T进行离散采样，得到细节信号分量Dj的能量矩Ej：Ej＝∑kkΔt|H(t)，其中k为采样点，Δt为采样周期。作为本专利技术的进一步改进，所述LS-SVM暂降源识别模型为：LS-SVM解决的优化问题形式为：其中，c为惩罚参数，是一非线性映射，ζi为松弛变量，w、b为该优化问题的解；选用RBF核函数，建立线性方程组，得到决策函数为：f(x)＝∑iaiK(x,xi)其中，K(x，xi)为RBF核函数，ai为第i个拉格朗日算子；根据LS-SVM解决的优化问题形式和决策函数，以及暂降源电压暂降幅值、持续时间和相位跳变三个特征，建立三级暂降源识别模型。本专利技术的实质性效果为：本专利技术提出的MRSVD能量矩分析方法，有效解决了小波变换方法分解电压信号时尺度增大产生的相位漂移问题；并利用该方法构造识别特征向量，结合LS-SVM识别模型进行暂降源识别；采用本专利技术中所述方法对电压信号进行分析，可以准确识别暂降源类型，与相同模式下小波分解得到的分量能量矩相比提高了精确度；仿真实验证明了该方法的可行性，为电压暂降源识别提供了新的途径。附图说明图1为本专利技术实施例所述的一种基于多分辨奇异值分解的电压暂降源识别方法流程图；图2为本专利技术实施例所述的利用MRSVD对近似信号分量H1构建的二阶Hankel矩阵并进行奇异值分解流程图；图3为本专利技术实施例所述的利用LS-SVM暂降源识别模型识别暂降源的流程图。图4为本专利技术实施例的一种配电网电压暂降仿真系统结构图；图5为本专利技术实施例的一种A相接地故障引起的电压暂降波形图；图6为本专利技术实施例的一种三类暂降源识别特征向量走势图；图7为本专利技术实施例所述的2个细节信号分量幅值谱；图8为本专利技术实施例所述的小波分解方法前2个分量幅值谱。具体实施方式下面通过具体的实施例并结合附图对本专利技术做进一步的详细描述。本专利技术实施例所述的是一种基于多分辨奇异值分解的电压暂降源识别方法，如图1所示，该方法包括以下步骤：步骤1、构造电压信号二阶Hankel矩阵H；获取配电网连续电压信号H(t)，对其离散化得X＝[X1,X2,...,Xn]，构造电压信号二阶Hankel矩阵H：步骤2、通过多分辨奇异值分解(MRSVD)对所述电压信号二阶Hankel矩阵H进行奇异值分解，得到一组近似信号分量H1和细节信号分量D1；H＝σ1u11v11T+σ2u12v12T；H1＝σ1u11v11T；D1＝σ2u12v12T；且σ1＞σ2。多分辨奇异值分解(MRSVD)是一种利用奇异值分解(SVD)将信号细部展开，呈现细节特征的分析方法，该方法继承了SVD高信噪比、零漂移等优点，能准确提取信号的能量特征，成为分析信号的有效方法。而准确提取信号的能量特征，是分析识别的关键。通过提取信号的能量矩阵特征，表征能量强度的同时，进而可以反映能量的分布。对所述近似信号分量H1二阶Hankle矩阵进行j-1次连续奇异值分解，H1＝H2+D2，H2＝H3+D3，......，Hj-1＝Hj+Dj，得到一系列细节信号分量D2，D3，......，Dj和一个余量信号分量Hj，如图2所示。对H1分解得到一个细节信号分量D2和一个余量信号分量H2，之后再对余量信号分量H2构造二阶Hankle矩阵，再对得到的二阶矩阵进行奇异值分解得到一个细节信号分量D3和一个余量信号分量H3。继续对余量信号分量H3构造二阶矩阵，直至得到第j-1次的分解结果，其中j为大于1的自然数。具体工况中需要根据具体的情况来确定j的具体数值，这样一直分解下去就能将原始信号分解得到一系列的细节信号分量Dj和一个余量信号分量Hj。这样分解不存在确定矩阵行、列数的难题，矩阵结构简单，但是利用这种递推分解方式和简单的二阶矩阵结构结合，却能实现一种对信号的逐次剥离的对本文档来自技高网...

【技术保护点】
1.一种基于多分辨奇异值分解的电压暂降源识别方法，其特征在于，包括：获取配电网连续电压信号H(t)，对其离散化得X＝[X1,X2,...,Xn]，构造电压信号二阶Hankel矩阵H：

【技术特征摘要】
1.一种基于多分辨奇异值分解的电压暂降源识别方法，其特征在于，包括：获取配电网连续电压信号H(t)，对其离散化得X＝[X1,X2,...,Xn]，构造电压信号二阶Hankel矩阵H：构建识别特征向量T；将所述识别特征向量T输入至LS-SVM三级暂降源识别模型进行暂降源识别，包括：LS-SVM三级暂降源识别模型，包括第一级LS-SVM1、第二级LS-SVM2以及第三级LS-SVM3；步骤501、所述识别特征向量T输入所述第一级LS-SVM1，输出为+1则为正常，若输出为－1，则进行步骤502；步骤502、所述识别特征向量T输入第二级LS-SVM2，输出为+1则为短路故障引起的电压暂降，若输出为－1，则进行步骤503；步骤503、所述识别特征向量T输入第三级LS-SVM3，若输出为+1则为变压器故障引起的电压暂降，若输出为－1，则为大功率电动机启动引起的电压暂降。2.根据权利要求1所述的电压暂降源识别方法，其特征在于，所述构建识别特征向量T，包括：对所述电压信号二阶Hankel矩阵H进行奇异值分解，得到近似信号分量H1和细节信号分量D1，所述近似信号分量H1表征电压信号主体，所述细节信号分量D1表征电压信号细节；构造近似信号分量H1二阶Hankel矩阵，对近似信号分量H1二阶Hankel矩阵进行奇异值分解，得到细节信号分量Dj和余量信号分量Hj；计算细节信号分量Dj能量矩Ej；所述识别特征向量T为：T＝[E1,E2...

【专利技术属性】
技术研发人员：施康明，
申请(专利权)人：国网浙江省电力有限公司湖州供电公司，湖州电力设计院有限公司，
类型：发明
国别省市：浙江,33