[发明专利]一种混合域特征优选的电能质量扰动识别方法

权利要求书

1.一种混合域特征优选的电能质量扰动识别方法，其特征在于：包括

根据IEEEStd.1159-2019电能质量扰动模型，仿真产生电能质量扰动信号，提取扰动信号的统计特征子集；

对电能质量扰动信号进行S变换，获得其模矩阵；

从模矩阵提取时域曲线，从时域曲线提取最大值、最小值、均值、标准差、均方根值构成特征子集；

从模矩阵提取频域曲线，从频域曲线提取最大值、最小值、均值、标准差、均方根值构成特征子集；

将三个特征子集构建混合域电能质量扰动高维特征全集，采用粒子群优化算法PSO获得低维最优特征向量；

将实际采样数据输入，提取最优特征，采用KNN分类器，对电能质量扰动进行分类识别。

2.如权利要求1所述的一种混合域特征优选的电能质量扰动识别方法，其特征在于：根据IEEEStd.1159-2019标准，仿真产生电能质量稳态和暂态扰动包括，谐波、电压暂降、电压暂升、电压闪变、电压中断、瞬态脉冲、暂态振荡7种常见单一电能质量扰动信号和暂降+谐波、暂升+谐波和中断+谐波3种复合电能质量扰动信号，相关参数进行随机初始化。

3.如权利要求1所述的一种混合域特征优选的电能质量扰动识别方法，其特征在于：计算所述扰动信号的最大值、最小值、均值、标准差、均方根值，以及总的谐波畸变率THD，其中THD的计算方法：

其中，U表示采样信号的有效值，U₁表示采样电压信号中的基频信号的有效值。

4.如权利要求3所述的一种混合域特征优选的电能质量扰动识别方法，其特征在于：对所述模矩阵求取时域特征，包括，

构建时域最大值曲线，对该序列求该曲线的最大值、最小值、均值、标准差、均方根值；

构建S模矩阵的时域最小值曲线，求取该曲线的最大值、最小值、均值、标准差、均方根值；

构建S模矩阵的时域均值序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

构建S模矩阵的时域标准差序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

构建S模矩阵的时域均方根值序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

S变换与取模操作如下所示：

MST＝abs(S(τ,f))

其中，t表示为采样时间，f为频率，τ为时移参数，MST为模矩阵，abs为取绝对值。

5.如权利要求3任一所述的一种混合域特征优选的电能质量扰动识别方法，其特征在于：求取所述S变换模矩阵的频域参数，包括

构建频域最大值序列，对该序列求该序列最大值、最小值、均值、标准差、均方根值；

构建频域最小值序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

构建频域均值序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

构建频域标准差序列，求取该序列的最大值、最小值、均值、标准差、均方根值；

构建频域均方根值序列，求取该序列的最大值、最小值、均值、标准差、均方根值。

6.如权利要求5所述的一种混合域特征优选的电能质量扰动识别方法，其特征在于：对求得的所述S变换模矩阵的时频域特征构成维度为50维的电能质量扰动信号特征向量。