电力暂态信号小波分析后处理方法及其装置制造方法及图纸

本发明专利技术公开了一种电力暂态信号小波分析后处理方法及其装置，其方法是将电力暂态信号经过小波分析后，再对小波系数进行以下的一种或多种后处理，结果送电力监控中心处理：模极大值提取、奇异性检测，得到模极大值点和奇异度；小波系数的统计处理或聚类分析；神经网络分类，即将小波系数或小波后处理后的数据作为神经网络的输入，输出神经网络分类结果；能量分析，得到能量分布系数和能量波动系数；小波熵计算，得到小波能量熵或小波时间熵或小波奇异熵或小波时频熵或小波平均熵或小波距离熵。它能有效提取出电力暂态信号的特征，以应用于电力系统输电线路行波测距与故障识别、电能质量分析和设备故障诊断。

【技术实现步骤摘要】

本专利技术涉及一种电力暂态信号小波分析后处理方法及其装置。
技术介绍
电力系统中，由于故障、不良电力变化事件或者电力电子开关设备的正常操作等均会产生暂态信号。为掌握可能发生的暂态信号的特性，以及它们对电力系统的影响与危害性，并早期诊断和预测电网、输电线路以及大型电力设备的运行或故障情况，开展电网、电力设备的状态检修等，需长期监测电力暂态信号，并针对所侦测记录下来的信号加以处理辨别，以提供用户或电力公司对所发生电力暂态的了解；同时，在进行大型电气试验，如高压电力设备、线路投切等，也需要采集试验过程的电力暂态信号；另外，要进行精确的输电/配电线路故障定位、选线、测距等皆需对电力暂态信号作进一步研究和分析。由此可见，暂态信号的采集和分析对电力系统中各种设备的正常运行意义重大。电力暂态信号是一种持续时间短、突变性强的非稳态信号，具有区别于正常时稳态信号明显、突出的特征，适用于平稳信号分析的FFT变换已经无法满足电力暂态信号的要求。目前暂态信号的分析方法大多集中在小波变换变换这一新兴工具上，它可对信号同时进行时域和频域局部化精细分析，特别是对暂态突变信号或者微弱信号的变化敏感，因此小波变换满足暂态信号突变特征的分析要求。小波变换可以检测到暂态，但变换后的系数非常多，若都作为特征，势必严重降低分类器的性能，也不适合实时应用的场合，需要进行降维；而且要实现直接对不同频段的信号分量进行特征提取或分类也是相当困难的，仅从这两方面来看，暂态信号的小波变换后处理方法是必要的。但是目前还没有一套完整且系统的分析处理方法及其专用装置，已有的小波分析仪器，缺少后处理分析且功能单一，不能直接用于电力系统暂态分析中。因此迫切需要研发一套拥有电力暂态信号小波分析后处理功能的专用装置。
技术实现思路
本专利技术的目的是克服已有技术不足之处，提供一种电力系统的暂态信号小波后处理方法，它既能够对电力系统的暂态信号进行小波分析，又能对小波分析结果进行系统的后处理，有效提取出电力暂态信号的特征，以应用于电力系统输电线路行波测距与故障识别、电能质量分析和设备故障诊断。本专利技术解决其技术问题，所采用的技术方案为一种电力暂态信号小波分析后处理方法，将电力暂态信号经过小波分析后，再对小波系数进行以下的一种或多种后处理，结果送电力监控中心处理(1)模极大值提取、奇异性检测，得到模极大值点和奇异度；(2)小波系数的统计处理或聚类分析；(3)神经网络分类，即将小波系数或小波后处理后的数据作为神经网络的输入，输出神经网络分类结果；(4)能量分析，得到能量分布系数和能量波动系数；(5)小波熵计算，得到小波能量熵或小波时间熵或小波奇异熵或小波时频熵或小波平均熵或小波距离熵。与现有技术相比，本专利技术的有益效果是在对电力暂态信号进行小波分析得到小波系数后，再通过多种后处理方法提取电力暂态信号的有效特征，以应用于电力系统输电线路行波测距与故障识别、电能质量分析和设备故障诊断(1)得出模的极大值，而模极大值又与奇异点有关，各尺度上的模极大值点汇聚为奇异点，因此电力监控中心可将模极大值用来进行行波测距、信号去噪(除去非极值点)，奇异度则更直接反映电压的起伏与闪动；(2)将小波变换后的系数用来统计分类分析，可以区分采集到的电压电流高低频，并分析谐波成份；(3)神经网络分类结果可以进行故障诊断、故障选线/分类、稳定性分析以及电力系统动态安全评价等；(4)能量分布系数可以用来反映暂态信号小波变换跨特征子空间的演变规律，而波动系数则可以描述暂态信号小波变换的局部波动形态；(5)各种熵与信息相关，信息又与控制决策相关，电力系统的状态与其发展方向相关，因此小波熵和电力系统的研究有着密切的联系，对电力系统稳定性评估、故障分析提供更为有效的依据。综合进行上述分析可以使电力监控中心为电力系统的供电质量、系统稳定性、故障分析得出全面的完整的评价，并据以采取相应措施，提高供电质量和系统稳定性。上述六种小波熵的具体计算方法为以下方法(a)～(c)中，信号x(t)在尺度j下，多分辨分析的离散小波系数表示为D＝{dj(k)，k＝1，…n，j＝1，2…，m}，Ej=Σk|dj(k)|2]]>为尺度j上的小波能谱；方法(d)～(f)中，信号在尺度a和时间t的小波变换系数表示为WTx(t，a)；(a)小波能谱熵在某一时间窗内(窗宽为ω∈N)信号总功率E等于各分量功率Ej之和；设Pj＝Ej/E，则Σjpj=1,]]>相应的小波能谱熵WEE=-Σjpjlogpj;]]>(b)小波时间熵在小波系数上定义一滑动窗ω∈N，滑动因子为δ∈N，于是滑动窗为W(m；ω，δ)＝{d(k)，k＝1+mδ，...，ω+mδ}，m＝1，2，...，M，将滑动窗划分为如下L个区间W(m;w,δ)=∪l=1LZl,]]>其中{Zl＝(sl-1，sl)，l＝1，2，…，L}，互不相交。且s0＜s1＜s2＜…＜sL，s0＝min，sL＝max；pm(Zl)表示小波系数d(k)∈W(m；ω，δ)落于区间Zl的概率，在第j尺度下小波时间熵WTEj(m)＝-∑pm(Zl)log(pm(Zl))，m＝1，2，…M，其中M＝(N-ω)/δ∈N；(c)小波奇异熵n个信号采样点在m个尺度的分解结果可以构成一个m×n的矩阵Dm×n，将矩阵Dm×n分解为Um×n·Λl×l·VTl×n，式中，对角线矩阵Λ的主对角线元素λi(i＝1，2，…，l)是非负的，并按降序排列，即λ1≥λ2≥…λl≥0这些对角线的元素是小波变换结果矩阵Dm×n的奇异值；小波奇异熵WSEk=Σi=1k-(λi/Σj=1lλj)log(λi/Σj=1lλj);]]>(d)小波时频熵记矢量为z(r)，r＝1，1…m，则可定义矢量的熵值为Ez=-Σr=1mPz(r)lnPz(r),]]>其中Pz(r)=|z(r)|2/||z(r)||22;]]>信号x(t)离散小波表示WTx(t＝kT，a＝2j)，沿变量k和j可以得到矢量序列，则小波时频熵WTFEx(kT,j)=;]]>其中EWTx(kT)=-ΣjPWTx(kT,a=2j)lnPWTx(kT,a=2j)]]>EWTx(a=2j)=-ΣkPWTx(kT,a=2j)lnPWTx(kT,a=2j);]]>(e)小波平均熵信号x(t)在尺度a和时间t的小波变换系数为WTx(t，a)将信号小波变换的时频面(t，a)划分为按尺度伸缩的N个时频窗区域块，每一区域块内的能量为Ei(i＝1，2，...N)，整个时频面总的能量为E=Σi=1NEi,]]>小波平均熵WAE=-Σi=1N(Ei/E)ln(Ei/E);]]>(f)小波距离熵对于信号x(t)的离散小波表示WTx(t＝kT，a＝2j)，沿变量k可以得到矢量序列WTx(k)，小波时频熵WDE=&a本文档来自技高网...

【技术保护点】
一种电力暂态信号小波分析后处理方法，其特征在于，将电力暂态信号经过小波分析后，再对小波系数进行以下的一种或多种后处理，结果送电力监控中心处理：（１）模极大值提取、奇异性检测，得到模极大值点和奇异度；（２）小波系数的统计处理或 聚类分析；（３）神经网络分类，即将小波系数或小波后处理后的数据作为神经网络的输入，输出神经网络分类结果；（４）能量分析，得到能量分布系数和能量波动系数；（５）小波熵计算，得到小波能量熵或小波时间熵或小波奇异熵或小波时 频熵或小波平均熵或小波距离熵。

【技术特征摘要】

【专利技术属性】
技术研发人员：何正友，陈小勤，麦瑞坤，李小将，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：90[中国|成都]