基于ISVMD-HT的复合电能质量扰动参数辨识方法技术

本发明专利技术提出一种基于ISVMD

【技术实现步骤摘要】
基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法


[0001]本专利技术属于复合电能质量扰动信号的参数辨识
，尤其涉及一种基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法。

技术介绍

[0002]复合电能质量扰动参数辨识主要是对组成复合扰动的各单一电能质量扰动信号参数进行辨识。信号参数主要包括扰动起止时间、幅值和频率变化。准确地辨识复合电能质量扰动的信号参数对进一步了解电能质量扰动程度和针对性治理电能质量扰动具有极其重要的意义。
[0003]目前电能质量扰动参数辨识方法主要可以分为参数法和非参数法。常用的参数法有多信号分类法(Multiple Signal Classification,MUSIC)，旋转不变信号参数估计法(Estimation ofSignal Parameters via Rotational Invariance Techniques,ESPRIT)和卡尔曼滤波法(Kalman Filter,KF)等。MUSIC算法常用于对谐波和间谐波等稳态扰动的参数检测。研究者针对传统滑窗ESPRIT算法窗口大小固定、分辨率差的问题，提出一种自适应滑窗的ESPRIT算法，该算法的时频特性得以大幅改善，但是难以适用于日渐复杂的多重复合电能质量扰动。常用的非参数法包括傅里叶变换法、HHT变换法、奇异值分解法、小波变换、S变换和经验小波法等。HHT对于复合电能质量扰动信号具有良好的适用性，但其算法组成成分EMD的端点效应和模态混叠两个固有缺陷依然无法解决。虽然EEMD可以减少影响，但仍具有一定的局限性，不能够适用于实际复杂情况下扰动信号的检测。一些研究者提出一种改进变分模态分解(Variational Mode Decomposition,VMD)结合希尔伯特变换(Hilberet Transform,HT)的电能质量扰动检测新方法。该文首先通过傅里叶变换来确定VMD变换的预分解尺度K，随之利用VMD
‑
HT变换确定瞬时幅频谱，进而实现对扰动信号的幅频参数辨识，但在实际中一些频率相近的扰动成分则很难通过傅里叶变换分离出来。奇异值分解无需预调参数，对于暂态扰动检测具有较高的检测精度，但是对过零点发生的扰动检测存在一定的局限性；一些学者通过滑窗奇异值分解提取信号特征，并通过梯度求取定位信息，在解决了过零点问题的同时且具有定位准确和抗干扰能力强的特点；小波包变换在对复合扰动的分解过程中极易出现频谱泄露问题，使得扰动参数检测出现较大偏差。S变换可以较好地处理非平稳信号，但是对于日益复杂的电能质量扰动类型，该方法计算量大、实用性低。经验小波法能够自适应分解多数非平稳信号，结合HT变换可以实现对复合电能质量扰动的高精度参数辨识。基于数学形态学理论的电能质量扰动检测算法已取得一定的成果，虽然其运算速度较快，但是其结构元素选择的不确定性，给算法带来了一定局限性，且不能完全适用于更为复杂多样的复合电能质量扰动。因此，亟需寻求一种高效和高精度的复合扰动信号参数辨识方法，其不仅能够有效分解当前电力电子化新型电力系统下日益复杂的多重复合扰动信号，而且能够高精度地辨识复合扰动中各扰动组成的信号参数。

技术实现思路

[0004]考虑现有技术存在的缺陷和不足。本专利技术提出一种基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法，，用以解决大量电力电子元设备并入的新型电力系统中，导致电能质量扰动类型越来越复杂化、参数难以准确辨识的问题。
[0005]其主要由最佳匹配延拓、改进连续变分模态分解和希尔伯特变换技术组成。首先通过最佳匹配延拓对连续变分模态分解算法进行改进，使之大程度克服信号分解中的端点效应和模态混叠缺陷；然后利用新型连续变分模态分解对复合扰动信号进行分解，对分解后的模态分量分别进行希尔伯特变换得到其扰动信号的瞬时幅频谱；最后结合瞬时幅频谱分析从而实现对复合电能质量扰动的参数辨识。本专利技术有助于实现对新型电力电子化电力系统中日渐复杂的复合电能质量扰动参数进行更加准确的辨识。不仅可以高效、准确地分解复合扰动且不需要提前确定复合扰动中扰动的数目，结合希尔伯特变换瞬时幅频谱分析最终还能够实现对复合扰动中各扰动组成参数的高精度辨识，对电网安全、稳定运行调控具有重要意义。
[0006]本专利技术具体采用以下技术方案：
[0007]一种基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法，其特征在于：通过最佳匹配延拓对连续变分模态分解算法进行改进，通过对经改进后的连续变分模态分解算法分解的模态分量分别进行希尔伯特变换，得到各模态分量对应的希尔伯特瞬时幅频谱；通过对瞬时频率谱分析对各扰动分量扰动发生的起止时间进行定位，利用其瞬时幅值谱可以对各扰动分量的幅值变化进行跟踪确定；最后通过对瞬时谱处理分析得到对复合扰动中各扰动成分的高精度参数辨识。
[0008]进一步地，通过最佳匹配延拓对连续变分模态分解算法进行改进具体包括以下步骤：
[0009]步骤S1：采样得到原始信号x(t)，分别求取信号的极值点序列n
i
；
[0010]步骤S2：选取特征波形，以包含左端点x(1)和极值点x(n1)、x(n2)、x(n3)的波形为特征波形W，长度为L，极值点x(n3)是特征波形的右端点；
[0011]步骤S3：往后截取匹配波形，在后续信号中，以x(n
2k+1
)作为右端点，向左取长度为L的波形，作为匹配波形W
k
(k＝2,3,
…
)；
[0012]步骤S4：将曲率匹配作为最佳匹配延拓的关键指标，按照下式计算波段内采样点附近曲率，作为特征曲率C：
[0013][0014]式中，i为波段内采样点序列编号；为第i个采样点的一阶导数，为第i个采样点的二阶导数；
[0015]步骤S5：选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选；利用式(1)计算k个波形段内采样点附近的曲率C
k
(i)；根据以下公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差；
[0016][0017][0018][0019]式中，Cov(C,C
k
)表示特征波段曲率与第k个匹配波段曲率的协方差；D(C)为特征波形曲率的方差，D(C
k
)为第k个匹配波形曲率的方差；σ
k0
表示特征波段与第k个匹配波段的绝对误差；N0为特征波段内采样点数，N为总采样点数；
[0020]步骤S6：以匹配度P
k0
为最佳匹配延拓的比较指标来选取最优匹配波形，当第k波形段绝对误差满足σ<α*L且匹配度P
k0
最大，以W
k
为最佳匹配波形段；以其左端点x(i)的前一点x(i
‑
1)作为延拓波形的右端点，向左截取长度为u的波形作为延拓波形；u的大小根据扰动信号的情况确定；将延拓波形左移至x(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法，其特征在于：通过最佳匹配延拓对连续变分模态分解算法进行改进，通过对经改进后的连续变分模态分解算法分解的模态分量分别进行希尔伯特变换，得到各模态分量对应的希尔伯特瞬时幅频谱；通过对瞬时频率谱分析对各扰动分量扰动发生的起止时间进行定位，利用其瞬时幅值谱可以对各扰动分量的幅值变化进行跟踪确定；最后通过对瞬时谱处理分析得到对复合扰动中各扰动成分的高精度参数辨识。2.根据权利要求1所述的基于ISVMD
‑
HT的复合电能质量扰动参数辨识方法，其特征在于：通过最佳匹配延拓对连续变分模态分解算法进行改进具体包括以下步骤：步骤S1：采样得到原始信号x(t)，分别求取信号的极值点序列n
i
；步骤S2：选取特征波形，以包含左端点x(1)和极值点x(n1)、x(n2)、x(n3)的波形为特征波形W，长度为L，极值点x(n3)是特征波形的右端点；步骤S3：往后截取匹配波形，在后续信号中，以x(n
2k+1
)作为右端点，向左取长度为L的波形，作为匹配波形W
k
(k＝2,3,
…
)；步骤S4：将曲率匹配作为最佳匹配延拓的关键指标，按照下式计算波段内采样点附近曲率，作为特征曲率C：式中，i为波段内采样点序列编号；为第i个采样点的一阶导数，为第i个采样点的二阶导数；步骤S5：选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选；利用式(1)计算k个波形段内采样点附近的曲率C
k
(i)；根据以下公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差；匹配误差和波形绝对误差；匹配误差和波形绝对误差；式中，Cov(C,C
k
)表示特征波段曲率与第k个匹配波段曲率的协方差；D(C)为特征波形曲率的方差，D(C
k
)为第k个匹配波形曲率的方差；σ
k0
表示特征波段与第k个匹配波段的绝对误差；N0为特征波段内采样点数，N为总采样点数；步骤S6：以匹配度P
k0
为最佳匹配延拓的比较指标来选取最优匹配波形，当第k波形段绝对误差满足σ<α*L且匹配度P
k0
最大，以W
k
为最佳匹配波形段；以其左端点x(i)的前一点x(i
‑
1)作为延拓波形的右端点，向左截取长度为u的波形作为延拓波形；u的大小根据扰动信号的情况确定；将延拓波形左移至x(1)前，完成信号的左端点延拓；并按照相同规则完成信号的右端点延拓：
式中，α为常数，根据实际信号进行调整；P
k0
为第k匹配波形段与特征波形段的匹配度指标；如果未寻到最佳匹配波形段，表...

【专利技术属性】
技术研发人员：金涛，兰名扬，刘宇龙，
申请(专利权)人：福州大学，
类型：发明
国别省市：