基于CWD谱峭度的暂态电能质量扰动分类识别方法技术

本发明专利技术提出了一种基于CWD谱峭度的暂态电能质量扰动分类识别方法，并将其与有效值相结合应用于五种单一和复合的暂态电能质量扰动的识别。该识别方法首先将电压暂升、暂降和中断这三种幅值类扰动看作一类，通过CWD谱峭度值将电力局数据采集系统采集到的数据分为暂态脉冲、暂态振荡和幅值类扰动三类，再通过计算幅值类扰动的有效值将数据分为电压暂升、电压暂降和电压中断，并向后续处理设备输出所求分类结果。本发明专利技术直接利用数值的大小区分不同的扰动类型，不需要使用任何分类器，极大的简化了识别的流程和识别的时间。本发明专利技术方法能够不仅能准确区分暂态脉冲、暂态振荡及暂升、暂降和中断这五种单一暂态扰动及其组合而成的复合扰动，还具有良好的抗噪性。

【技术实现步骤摘要】

本专利技术涉及电力系统智能监测，尤其是基于高阶统计量和信号处理的暂态电能质量分类识别

技术介绍
随着电力系统规模的不断扩大以及各种电力电子设备、非线性负荷、冲击性负荷的大量投入，电力系统中的各种扰动事件严重地影响了工业产品的质量和日常生活。由于不同类型的电能质量扰动的影响程度不同，因此，对电能质量 扰动进行识别非常重要。电能质量扰动的识别包含特征提取和分类识别两个步骤。常用的特征提取方法有短时傅里叶变换、小波变换、S变换、HHT变换等，其中傅里叶变换的测量精度受到频谱泄漏和栅栏效应的影响，不适合分析非平稳的电能扰动信号；S变换无法精确测量基波频率波动以及间谐波的特征参数；希尔伯特-黄变换(HHT HiIbert-Huang Transform)经验模态分解不彻底会出现虚假分量和模态混叠的问题；复连续小波变换(CWT ContinuousWavelet Transform)由于其中心频率相近的小波函数频域窗口存在重叠,影响了谐波或间谐波分量特征参数的测量，不利于电能质量事件类型的准确判别。常用的分类器有人工神经网络(ANN !Artificial Neural Networ本文档来自技高网...

【技术保护点】
一种基于CWD谱峭度的暂态电能质量扰动分类识别方法，在电力系统中对暂态扰动进行识别，其主要步骤是：A、提取扰动特征信号输入含有扰动信号的电压信号u(n)，n＝1，2，...，N，N为数据长度，将u(n)进行小波变换，提取扰动特征信号ur(n)；B、计算扰动特征信号谱峭度计算由A获得的扰动特征信号ur(n)的Choi?Williams分布Cur(t，f)，再根据Cur(t，f)的2n阶瞬时谱矩得出2阶和4阶瞬时谱距，最后根据谱峭度的定义，求得ur(n)的谱峭度具体作法为：B1、扰动特征信号ur(n)，计算其Choi?Williams分布，结果为Cur(t，f)，Cur(t,f)=&Integra...

【技术特征摘要】
1.一种基于CWD谱峭度的暂态电能质量扰动分类识别方法，在电力系统中对暂态扰动进行识别，其主要步骤是A、提取扰动特征信号输入含...

【专利技术属性】
技术研发人员：刘志刚，朱玲，胡巧琳，张巧革，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：