[发明专利]一种基于小波域统计值的电能质量扰动信号分类方法

说明书

 

技术领域    

本发明涉及一种基于小波域统计值的电能质量扰动信号分类方法，属电力系统电能质量领域。

背景技术    

随着智能电网的建设发展，用户对电能质量的要求不断提高，电能质量问题受到越来越多的关注。在电网中广泛使用的电力电子设备和装置都带有基于微处理器的数字控制器和功率电子器件，对各种电磁干扰较为敏感，细微的电压扰动会影响到其电子控制系统的正常工作，甚至导致跳闸停电。例如大型海上风电场的并网运行，会引起电网电压的突变与闪动；带有电力电子变流器的变速风电机组还会向电网注入高次谐波电流，引起电网电压的谐波畸变；由系统或用户内部的短路故障引起的电压凹陷等暂态电能质量问题会直接影响用户的正常供电，造成严重的经济损失。

根据相关统计，电压凸起、电压凹陷、电压闪变、电压中断、谐波、振荡暂态和脉冲暂态等已成为日益突出的电能质量问题。要想控制和治理电能质量问题，建设高可靠性电力系统，需要对电能质量扰动进行快速、准确的检测与识别。电能质量扰动分析是改善和控制电能质量的前提和依据。只有明确电能质量扰动的起因和来源，检测分析扰动现象，确定扰动类型，正确识别影响电能质量的各种因素，才能从根本上综合治理并提高电能质量。对电力系统正常可靠性运行具有重要的现实意义。

发明内容    

本发明的目的在于，提供一种基于小波域统计值的电能质量扰动信号分类方法。

本发明的技术方案，本发明一种基于小波域统计值的电能质量扰动信号分类方法包括特征值提取、分类器训练和分类器分类。特征值提取在小波域进行，特征值包括计算小波子带系数的平方和、绝对值均值、方差、偏度和斜度；分类器训练采用神经网络作为分类器，输入电能质量扰动信号小波域统计特征值，得到分类器参数；分类器分类输入待分类电能质量扰动信号小波域统计特征值和分类器参数，得到电能质量扰动信号的类别。

所述特征值提取首先对不同类型的电能质量扰动信号进行离散小波变换，对每一级的小波近似子带和细节子带系数分别计算其平方和、绝对值均值、方差、偏度和斜度，构成电能质量扰动信号小波域统计特征值。

所述分类器训练首先随机生成训练样本，计算得到电能质量扰动信号小波域统计特征值，并将电能质量扰动信号小波域统计特征值输入到神经网络，然后采用神经网络作为分类器生成分类器参数，包括：输入层到隐含层权值、隐含层阈值、隐含层到输入层权值、输出层阈值、迭代次数、学习目标、学习效率和动量因子。

所述分类器分类首先计算得到电能质量扰动信号小波域统计特征值，结合分类器参数，将待分类电能质量扰动信号小波域统计特征值和分类器参数输入到神经网络分类器，自动分类得到电能质量扰动信号的类别。

本发明与现有技术比较的有益效果是，本发明电能质量扰动信号小波域统计特征值提取计算时间复杂度低，包含了统计分析的常用手段，能在小波域内有效反映不同类型电能质量扰动信号的统计差异，有效地提高了分类准确率。本发明基于小波域统计值的电能质量扰动信号分类方法能实现电压凸起、电压凹陷、电压闪变、电压中断、谐波、振荡暂态和脉冲暂态扰动信号的分类，计算简单快速，能满足电力系统电能质量领域的实际要求。

本发明用于电力系统对电能质量的综合管理。

具体实施方式   

本发明的具体实施方式如下：本实施例一种基于小波域统计值的电能质量扰动信号分类方法包括特征值提取、分类器训练和分类器分类三个步骤。

特征值提取在小波域进行，特征值包括平方和、绝对值均值、方差、偏度和斜度；分类器训练采用神经网络作为分类器，输入电能质量扰动信号特征值，得到分类器参数。分类器分类输入待分类电能质量扰动信号的特征值和分类器参数，得到电能质量扰动信号的类别。

本实施例基于小波域统计值的电能质量扰动信号分类方法，特征值提取首先对不同类型的电能质量扰动信号进行离散小波变换，对每一级的小波近似子带和细节子带系数分别计算其平方和、绝对值均值、方差、偏度和斜度，构成特征向量。

本实施例基于小波域统计值的电能质量扰动信号分类方法，分类器训练首先随机生成训练样本，计算得到电能质量扰动信号小波域统计特征值，然后采用神经网络作为分类器生成分类器参数，包括：输入层到隐含层权值、隐含层阈值、隐含层到输入层权值、输出层阈值、迭代次数、学习目标、学习效率和动量因子。