一种电能质量扰动特征精确快速提取方法技术

本发明专利技术涉及一种电能质量扰动特征精确快速提取方法，包括：将电能质量扰动信号传输到上位机，上位机对接收到的扰动信号进行最优Bohman窗改进S变换，通过确定最优长度参数，得到模时频矩阵；再通过模时频矩阵进行时域特征提取和频域特征提取。本发明专利技术在进行电能质量扰动信号特征提取时具有较高的识别精度，通过搭建电能质量扰动信号检测平台的结果表明，本发明专利技术检测扰动幅值误差时最低几乎接近为0，所需计算时间低于25ms,满足现场环境下电能质量扰动特征精确快速提取的要求。动特征精确快速提取的要求。动特征精确快速提取的要求。

【技术实现步骤摘要】
一种电能质量扰动特征精确快速提取方法


[0001]本专利技术涉及智能电网
，尤其是一种电能质量扰动特征精确快速提取方法。

技术介绍

[0002]随着电网建设的不断推进，各种非线性用电设备的增加以及可控硅整流装置和调压装置的广泛使用，导致电力系统中出现大量谐波和超高次谐波；大型变压器空载激磁、大负荷投切引起的20ms以内电压短时扰动都是值得关注的问题。电能质量扰动不仅会造成电能的浪费，还会使电力设备发生故障严重时可能会引发重大事故。为此，部分用户对电能质量提出了更严格的标准，这对电能质量扰动的检测也提出了更高的要求。因此，对于电能质量扰动特征的精确快速提取，将成为有效治理和评估电能质量问题的重要依据。
[0003]电能质量扰动特征包括时域特征和频域特征。傅里叶变换是频谱分析的重要工具，可以成功提取信号的频域特征但却无法获得时域特征，因此仅适用于平稳信号的分析。为了同时获得信号的时频域特征，逐渐发展出以下几种时频分析方法：短时傅里叶变换(short time Fourier transform，STFT)、小波变换(wavelet transform，WT)、S变换(S
‑
transform，ST)、广义S变换(generalized S
‑
transform，GST)、多分辨率广义S变换(multiresolution generalized S
‑
transform，MGST)、双分辨率S变换(double resolution S
‑/>transform，DRST)等。其中，STFT通过引入一个与时间和频率相关的窗口函数获得时域特征，根据海森堡测不准原理可知，固定窗函数不能同时获得理想时间分辨率和频率分辨率，因此，STFT不具有可变时频分辨率的特性，无法满足电能质量扰动特征精确提取的要求；WT被广泛应用于非平稳信号的分析，当使用小波变换或其扩展小波包变换时，需要选择不同的母小波和分解级别来检测信号的不同频率成分，这影响了小波变换检测实时非平稳信号的适用性；ST可以看作是STFT和小波变换的改进，利用高斯窗口来调整时频分辨率，对于扰动信号的时频特征提取，基频幅值的变化对检测电压暂升、暂降、闪变和中断非常重要，同时还需要在高频处准确检测出暂态振荡和谐波的频率。即大多数情况下，扰动检测需要在高频处有更好的频率分辨率，在基频处有更好的时间分辨率。但ST与实际需求相反，ST在高频率下提供了更好的时间分辨率，在低频率下提供了更好的频率分辨率，为了改善这种情况出现了以下几种改进ST：广义S变换GST在S变换的基础上增加调节因子，一定程度上提高了时频分辨率，但扰动信号频率跨度较大时依然无法满足不同频率点对时频分辨率的要求；MGST引入窗宽尺度调节因子并对扰动信号进行预分析，将整个频段划分成几个检测区间，取得了较好的时频分辨率，但不同频段之间存在过渡不平滑的现象，可能会对特征提取产生影响；DRST同样引入调节因子对窗函数进行改进，时频分辨率相较于MGST进一步提升，但本质上他们的窗口宽度依旧和频率成反比关系，并没有从根本上解决基频幅值检测能力差和频率分辨率随检测频率增加而降低的缺点，遇到电压短时扰动和高频成分丰富的情况依然无法完成特征的精确提取。

技术实现思路

[0004]本专利技术的目的在于提供一种提取速度快、精度高的一种电能质量扰动特征精确快速提取方法。
[0005]为实现上述目的，本专利技术采用了以下技术方案：一种电能质量扰动特征精确快速提取方法，该方法包括：将电能质量扰动信号传输到上位机，上位机对接收到的扰动信号进行最优Bohman窗改进S变换，通过确定最优长度参数，得到模时频矩阵，再通过模时频矩阵进行时域特征提取和频域特征提取。
[0006]所述进行最优Bohman窗改进S变换具体包括以下步骤：
[0007](1)计算扰动信号x(nT)离散傅里叶变换序列：
[0008][0009]式中：k＝0，1，
…
，N
‑
1；T为采样时间间隔；N为总采样点数；
[0010](2)X(k)为扰动信号离散傅里叶变换结果，由|X(k)|中的所有极大值点构成极大值序列记为|X1(i)|，其中i＝0,1,2，
…
，P
‑
1；设|X(k)|相邻极大值点之间有H1，H2，
…
，H
i
…
，H
P
‑1个频率点，则|X(k)|的极大值包络为：
[0011][0012]式中，j＝0,1,2,
…
，H
i
‑1；i＝1,2，
…
，P
‑
1；P为极大值点的个数；
[0013](3)采用基于极大值包络的动态测度快速算法减少计算量，通过设置阈值筛选出主要特征频率点m，m∈h；
[0014](4)根据特征频率点m所在频段确定窗宽调节因子r；
[0015](5)将X(m)平移得X(m+l)，l为离散傅里叶变换平移的平移因子，l＝0,1,
…
,N
‑
1；
[0016](6)计算Bohman窗函数的离散傅里叶频谱，首先给出Bohman窗函数的表达式如下：
[0017][0018]式中：t为时间；
[0019]由式(3)得最优Bohman窗函数的离散傅里叶频谱为：
[0020][0021]式中：n＝0,1,
…
,N
‑
1；
[0022](7)计算最优Bohman窗函数改进S变换模时频矩阵FBST：
[0023][0024]式中：n＝0,1,
…
,N
‑
1。
[0025]所述确定最优长度参数是指对窗口长度参数L进行设置，在频率范围0至100Hz的低频段，取L＝96；在频率范围100至1600Hz的高频段，取L＝346；所述时域特征提取是指计算时域幅值向量∣FBST(m，n)∣得到时域特征，即基频幅值曲线；所述频域特征提取是指计算频域幅值向量得到频域特征，频域幅值包络曲线。
[0026]由上述技术方案可知，本专利技术的有益效果为：第一，本专利技术在进行电能质量扰动信号特征提取时具有较高的识别精度，通过搭建电能质量扰动信号检测平台的结果表明，本专利技术的幅值误差最低时几乎接近为0，满足现场环境下电能质量扰动信号准确提取特征的要求；第二，本专利技术在进行电能质量扰动信号特征提取时具有较快的运算速度，单次运算时间小于25ms，满足快速提取电能质量扰动信号特征的要求。
附图说明
[0027]图1为本专利技术的方法流程图。
[0028]图2为本专利技术中最优Bohman窗改进S变换算法的流程图。
[0029]图3为本专利技术的用户界面示意图。
具体实施方式
[0030]如图1所示，一种电能质量扰动特征精确快速提取方法，该方法包括：将电能质量扰动信号传输到上位机，上位机对接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电能质量扰动特征精确快速提取方法，其特征在于：该方法包括：将电能质量扰动信号传输到上位机，上位机对接收到的扰动信号进行最优Bohman窗改进S变换，通过确定最优长度参数，得到模时频矩阵，再通过模时频矩阵进行时域特征提取和频域特征提取。2.根据权利要求1所述的电能质量扰动特征精确快速提取方法，其特征在于：所述进行最优Bohman窗改进S变换具体包括以下步骤：(1)计算扰动信号x(nT)离散傅里叶变换序列：式中：k＝0，1，
…
，N
‑
1；T为采样时间间隔；N为总采样点数；(2)X(k)为扰动信号离散傅里叶变换结果，由|X(k)|中的所有极大值点构成极大值序列记为|X1(i)|，其中i＝0，1，2，
…
，P
‑
1；设|X(k)|相邻极大值点之间有H1，H2，
…
，H
i
…
，H
P
‑1个频率点，则|X(k)|的极大值包络为：式中，j＝0，1，2，
…
，H
i
‑1；i＝1，2，
…
，P
‑
1；P为...

【专利技术属性】
技术研发人员：尹柏强，张成林，李松，王琦，袁莉芬，李兵，佐磊，程珍，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：