[发明专利]一种基于多分辨奇异值分解的电压暂降源识别方法

说明书

本发明的目的在于提供一种基于多分辨奇异值分解的电压暂降源识别方法，首先对电压信号构造二阶Hankel矩阵，进行MRSVD分析，得到一组不同频率的分量信号,然后求取分量信号的能量矩，有效提取信号的主要特征，构成识别特征向量，输入LS‑SVM识别模型进行电压暂降源识别。

技术领域

本发明涉及电压暂降源识别领域，具体而言，涉及一种基于多分辨奇异值分解的电压暂降源识别方法。

背景技术

伴随着智能电网的快速发展，电能质量成为电力部门关注的重点。其中，分析电压暂降危害程度、识别暂降源并采取对应的措施，成为改善电能质量的难点。近年来，众多学者在暂降源识别方面进行了大量的研究，取得了优异的成果。

刘颖英等学者通过采用多重判据方法对电压暂降源进行分析和定位；有文献利用Hilbert-Huang变换实现对暂态电能质量扰动信号的检测。在众分析方法中，小波变换具有多尺度的特性，可以同时呈现信号在时域和频域的局部化信息，成为检测电压暂降信号奇异点的高效工具。但是随着分解尺度的增大，奇异点的检测位置会发生偏移，造成识别结果的偏差。

发明内容

为解决上述问题，本发明的目的在于提供一种基于多分辨奇异值分解的电压暂降源识别方法，首先对电压信号构造二阶Hankel矩阵，进行MRSVD分析，得到一组不同频率的分量信号。然后求取分量信号的能量矩，有效提取信号的主要特征，构成识别特征向量，输入LS-SVM识别模型进行电压暂降源识别。

本发明提供了一种基于多分辨奇异值分解的电压暂降源识别方法，包括：

获取配电网连续电压信号H(t)，对其离散化得X＝[X₁,X₂,...,X_n]，构造电压信号二阶Hankel矩阵H：

构建识别特征向量T；

将所述识别特征向量T输入至所述LS-SVM三级暂降源识别模型进行暂降源识别，包括：LS-SVM三级暂降源识别模型，包括第一级LS-SVM1、第二级LS-SVM2 以及第三级LS-SVM3；

步骤501、所述识别特征向量T输入所述第一级LS-SVM1，输出为+1则为正常，若输出为－1，则进行步骤502；

步骤502、所述识别特征向量T输入第二级LS-SVM2，输出为+1则为短路故障引起的电压暂降，若输出为－1，则进行步骤503；

步骤503、所述识别特征向量T输入第三级LS-SVM3，若输出为+1则为变压器故障引起的电压暂降，若输出为－1，则为大功率电动机启动引起的电压暂降。

作为本发明的进一步改进，所述构建识别特征向量T，包括：

对所述电压信号二阶Hankel矩阵H进行奇异值分解，得到近似信号分量H₁和细节信号分量D₁，所述近似信号分量H₁表征电压信号主体，所述细节信号分量D₁表征电压信号细节；

构造近似信号分量H₁二阶Hankel矩阵，对近似信号分量H₁二阶Hankel矩阵进行奇异值分解，得到细节信号分量D_j和余量信号分量H_j；

计算细节信号分量D_j能量矩E_j；

所述识别特征向量T为：T＝[E₁,E₂,…,E_j]。