一种基于二维离散余弦S变换的电能质量扰动识别方法技术

一种基于二维离散余弦S变换的电能质量扰动识别方法，包括以下步骤：步骤S1：将需要识别的一维电能质量扰动信号转换成二维图像矩阵；步骤S2：对转换成二维图像矩阵后的扰动信号应用二维离散余弦S变换方法，生成振幅矩阵；步骤S3：提取振幅矩阵中基于统计、能量和图像的特征；步骤S4：再使用多目标优化算法第二代非支配排序遗传算法生成特征中最相关的特征组；步骤S5：采用机器学习支持向量机分类器进行分类。本发明专利技术克服了现有技术的不足，能够准确高效识别17类电能质量事件，并且有较好的抗噪性，同时对复合扰动也有较高的分类准确率，为电能质量扰动分类问题提供了新的方法。电能质量扰动分类问题提供了新的方法。电能质量扰动分类问题提供了新的方法。

【技术实现步骤摘要】
一种基于二维离散余弦S变换的电能质量扰动识别方法


[0001]本专利技术涉及电能质量扰动信号识别
，具体涉及一种基于二维离散余弦S变换的电能质量扰动识别方法。

技术介绍

[0002]在现代电网中获得可靠和高质量的电能已成为供应商和消费者最重要的目标之一。风力发电厂、太阳能发电厂等可再生能源的整合，电力电子转换器的使用增加，大型工业负荷的调整切换，居民区和工业区敏感电子负荷的增加使用，都会导致电能质量扰动。因此，对电能质量扰动的自动识别和分类，以实现电网中生产者和消费者的健康工作环境，是当前研究的主题。
[0003]PQD的识别分类是电能质量分析和控制的关键，分类方法一般要经过特征提取、特征选择和分类三个主要步骤。目前一维信号处理方法被广泛用于提取代表电能质量扰动的特征，如短时傅里叶变换、小波变换、S变换和希尔伯特
‑
黄变换等。
[0004]目前技术中，一维变换存在各种各样的问题，如短时傅里叶变换衡量时频分辨率困难，捕捉信号瞬态特征的能力较低；小波变换具备时频分析能力，适合分析突变的非平稳信号，但易受噪声影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二维离散余弦S变换的电能质量扰动识别方法，其特征在于，包括以下步骤：步骤S1：将需要识别的一维电能质量扰动信号转换成二维图像矩阵；步骤S2：对转换成二维图像矩阵后的扰动信号应用二维离散余弦S变换方法，生成振幅矩阵；步骤S3：提取振幅矩阵中基于统计、能量和图像的特征；步骤S4：再使用多目标优化算法第二代非支配排序遗传算法生成特征中最相关的特征组；步骤S5：采用机器学习支持向量机分类器进行分类。2.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法，其特征在于：所述步骤S1是依据扰动信号的周期性对其等长截取后分别映射成列向量进行重组。3.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法，其特征在于：所述步骤S3具体...

【专利技术属性】
技术研发人员：杨猛，
申请(专利权)人：安徽大学，
类型：发明
国别省市：