一种基于T-S模糊模型的电能质量信号扰动分类方法技术

本发明专利技术公开了一种基于T

【技术实现步骤摘要】
一种基于T
‑
S模糊模型的电能质量信号扰动分类方法


[0001]本专利技术涉及信号暂态扰动分类，具体涉及一种基于T
‑
S模糊模型的电能质量信号扰动分类方法。

技术介绍

[0002]随着电力电子设备的广泛应用，不同非线性、冲击性和波动性负载的成分大量增加，使得电力系统电能质量问题愈发严重。电能质量暂态扰动持续时间短，并且具有复杂性、多样性和特征重叠性，为及时发现电能质量下降的暂态扰动原因，必须对扰动数据进行准确的辨识和分类。
[0003]近年来，国内外学者提出了许多针对暂态扰动分类的方法，传统的电能质量暂态扰动分类器都是基于训练的机器学习方法，通过隐马尔可夫模型、支持向量机、决策树等学习算法利用先验数据对分类器进行训练，从而建立输入变量和输出变量的映射关系完成分类辨识。这类方法简易可行，但是训练样本数据和数量的选择会大大影响分类器的泛化能力和分类能力。基于规则的知识表示方法，如模糊逻辑等，这类方法在设计中更易融合过往经验，对非线性信息的表述更加准确。

技术实现思路

[0004]本专利技术针对现有技术存在的问题提供一种实现系统复杂非线性的拟合，具有较强分类准确率和鲁棒性的基于T
‑
S模糊模型的电能质量信号扰动分类方法。
[0005]本专利技术采用的技术方案是：
[0006]一种基于T
‑
S模糊模型的电能质量信号扰动分类方法，包括以下步骤：
[0007]步骤1：构建T
‑
S模糊模型，对模型进行训练确定模型参数，形成模糊分类器；
[0008]步骤2：采用步骤1形成的模糊分类器对扰动信号的辨识和分类；
[0009]步骤1中确定模型参数过程如下：
[0010]S1：确定信号扰动特征的类型和数量p，作为模糊模型的输入变量，确定初始聚类数c＝p；
[0011]S2：根据多个扰动类型样本数据计算步骤S1确定扰动特征对应的论域区间[M
‑
，M
+
]；
[0012]S3：利用等分区间法对步骤S2中的论域区间进行模糊划分，确定扰动类型对应的论域空间；
[0013]S4：输入待分类的扰动信号特征值，根据线性最小二乘法得到模型的结论参数a
ip
；若该参数误差小于预期值则输出结论参数；若否则调整初始聚类数，转入步骤S1。
[0014]进一步的，步骤S1中扰动特征的类型和数量确定过程如下：
[0015]设信号为h(x)，对信号进行S变换得到S矩阵：
[0016][0017]其中，N为总采样点数，H(
·
)是h(
·
)的傅里叶变换，m＝0,1,
…
,(N
‑
1)/2，n＝0,1,
…
,N
‑
1；k为窗宽调整系数，且k>0；提取矩阵中的隐含时频特征作为扰动信号特征：
[0018]S矩阵时间
‑
幅值数据在基频附近的均值F1、S矩阵时间
‑
幅值数据在基频附近的幅值标准差F2、S矩阵谐波含量F3、S矩阵高频扰动特征F4。
[0019]进一步的，所述步骤S3中根据等分区间法对论域区间进行模糊划分的方法如下：
[0020]根据等分区间法计算高斯型隶属函数的形状参数，聚类中心和宽度h
i
；
[0021][0022][0023]根据上述参数对论域区间进行模糊划分。
[0024]进一步的，所述步骤S3中确定扰动类型对应的论域空间具体方法如下：
[0025]计算各扰动样本点x
k
与聚类中心的距离d
ik
和对应的隶属度μ
ik
；
[0026][0027][0028]比较扰动样本数据对所有子空间的隶属度，最大隶属度所对应的子空间即该扰动类型的结论参数论域空间。
[0029]进一步的，所述步骤S4中根据线性最小二乘法得到模型的结论参数a
ip
过程如下：
[0030]T
‑
S模糊模型规则如下：
[0031]R
i
:If(F
1 is A
i1
)and(F
2 is A
i2
)and...and(F
p is A
ip
),
[0032]then y
i
＝a
i0
+a
i1
F1+a
i2
F2+...+a
ip
F
p
[0033]其中，R
i
为第i条模糊规则，F
p
为扰动信号特征，A
ip
为变量p的第i个模糊子集，y
i
为第i条规则的输出；
[0034]利用线性最小二乘法将划分的各个范围中的输入输出数据拟合为一次多项式函数，得到结论参数。
[0035]进一步的，所述F1为：
[0036][0037]F2为：
[0038][0039]F3为：
[0040][0041]F4为：
[0042][0043]其中，V为标准无扰动正弦信号的S矩阵基频附近数值的标准差。
[0044]进一步的，所述步骤2中的辨识和分类方法为，将输入的扰动信号与输出论域空间进行匹配。
[0045]本专利技术的有益效果是：
[0046]本专利技术考虑了多个暂态电能质量扰动信号的非线性扰动特征，实现了系统复杂非线性的拟合，具有很强的分类准确率和鲁棒性。
附图说明
[0047]图1为本专利技术流程示意图。
[0048]图2为本专利技术实施例中采用的暂态电能质量信号。
具体实施方式
[0049]下面结合附图和具体实施例对本专利技术做进一步说明。
[0050]如图1所示，一种基于T
‑
S模糊模型的电能质量信号扰动分类方法，包括以下步骤：
[0051]步骤1：构建T
‑
S模糊模型，对模型进行训练确定模型参数，形成模糊分类器；
[0052]步骤2：采用步骤1形成的模糊分类器对扰动信号的辨识和分类；
[0053]步骤1中确定模型参数过程如下：
[0054]S1：确定信号扰动特征的类型和数量p，作为模糊模型的输入变量，确定初始聚类数c＝p；
[0055]扰动特征的类型和数量确定过程如下：
[0056]设信号为h(x)，对信号进行S变换得到S矩阵：
[0057][0058]其中，N为总采样点数，H(
·
)是h(
·
)的傅里叶变换，m＝0,1,
…
,(N
‑
1)/2，n＝0,1,
…
,N
‑
1；k为窗宽调整系数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于T
‑
S模糊模型的电能质量信号扰动分类方法，其特征在于，包括以下步骤：步骤1：构建T
‑
S模糊模型，对模型进行训练确定模型参数，形成模糊分类器；步骤2：采用步骤1形成的模糊分类器对扰动信号的辨识和分类；步骤1中确定模型参数过程如下：S1：确定信号扰动特征的类型和数量p，作为模糊模型的输入变量，确定初始聚类数c＝p；S2：根据多个扰动类型样本数据计算步骤S1确定扰动特征对应的论域区间[M
‑
，M
+
]；S3：利用等分区间法对步骤S2中的论域区间进行模糊划分，确定扰动类型对应的论域空间；S4：输入待分类的扰动信号特征值，根据线性最小二乘法得到模型的结论参数a
ip
；若该参数误差小于预期值则输出结论参数；若否则调整初始聚类数，转入步骤S1。2.根据权利要求1所述的一种基于T
‑
S模糊模型的电能质量信号扰动分类方法，其特征在于，步骤S1中扰动特征的类型和数量确定过程如下：设信号为h(x)，对信号进行S变换得到S矩阵：其中，N为总采样点数，H(
·
)是h(
·
)的傅里叶变换，m＝0,1,
…
,(N
‑
1)/2，n＝0,1,
…
,N
‑
1；k为窗宽调整系数，且k>0；提取矩阵中的隐含时频特征作为扰动信号特征：S矩阵时间
‑
幅值数据在基频附近的均值F1、S矩阵时间
‑
幅值数据在基频附近的幅值标准差F2、S矩阵谐波含量F3、S矩阵高频扰动特征F4。3.根据权利要求2所述的一种基于T
‑
S模糊模型的电能质量信号扰动分类方法，其特征在于，所述步骤S3中根据等分区间法对论域区间进行模糊划分的方法如下：根据等分区间法计算高斯型隶属函数的形状参数，聚类中心和宽度h
i
；；根据上述参数对论域区间进行模糊划分。4.根据权利要求3...

【专利技术属性】
技术研发人员：马伟，陈建方，汤俊珺，戎瑜，王健，郑迪文，
申请(专利权)人：国网安徽省电力有限公司马鞍山供电公司，
类型：发明
国别省市：