[发明专利]一种混合域特征优选的电能质量扰动识别方法

说明书

本发明公开了一种混合域特征优选的电能质量扰动识别方法，涉及电能质量扰动检测领域，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；从模矩阵提取时域和频域曲线，从时域和频域曲线分别提取各值构成特征子集；三个特征子集构建高维特征全集，采用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。通过PSO进行电能质量扰动信号特征优选，提高电能质量扰动检测效率；采用基于PSO和KNN结合的嵌入式特征优选算法，提升分类器的分类准确率；采用S变换能提取电能质量扰动信号的时频特征，对单一电能质量扰动识别率高。

技术领域

本发明涉及电能质量扰动检测领域，特别是一种混合域特征优选的电能质量扰动识别方法。

背景技术

随着高比例新能源接入电网，电力电子设备的广泛应用，电力系统面临的电能质量扰动事件会大概率出现。对电能质量扰动信号的实时、准确识别有助于开展针对性的电能质量治理。有效的电能质量扰动信号特征提取是电能质量扰动准确识别的重要基础。现有的对电能质量扰动识别方法可分为时域法、频域法和时频分析法。频域法主要以傅里叶变换为代表，该方法将信号转换到频域，但失掉了时域信息，能有效处理平稳信号；

目前，主流的方法是时频分析方法，如短时傅里叶变换能从时频域刻画信号特征，但其窗函数固定，分辨率固定，仅适用于分析平稳信号；小波变换具有可变的时频分辨率，但其分析效果受母小波和分解层数选取的影响；经验模态分解(EMD)存在模态混叠问题，虽然集合经验模态(EEMD)分解克服了EMD的模态混叠，但存在残余噪声，产生伪信号。S变换(S-transform，ST)作为短时傅里叶变换和小波变换的一种扩展，具有良好的时频分析性能和特征提取特性，在电能质量扰动特征提取方面已经得到研究者广泛关注。目前，研究者在电能质量扰动特征提取和识别方面做出了大量工作，但仍存在一些问题，主要体现为：

1.目前的特征提取采用的方法通常在时域、频域或者其他变换域，单一域内特征不能完全表征信号特征，存在信息损失的风险。

2.直接对采集信号的波形或者在变换域通过对电能质量扰动信号进行时频分析后，构建的特征集存在大量冗余信息，增加了分类器的计算负荷，影响了识别的实时性。

3.目前特征提取和分类器设计相对独立，没有考虑其关联性，识别准确率降低。

为了实时、准确识别电能质量扰动信号，在时域、时频变换后的变换域(如S变换、小波变换等)混合域中进行特征提取和智能优化算法结合实现电能质量扰动信号的最优特征向量构建，保证了特征能有效的标识扰动，同时最优特征向量维数低，提高电能质量扰动信号识别的实时性。

本发明是基于现代时频分析方法和群体智能优化技术相结合提出的一种电能质量扰动信号识别方法，通过时频分析方法(如S变换)对单一或者复合电能质量扰动信号进行时频分析，通过统计方法提取原扰动信号统计特征和变换后的时频模矩阵的高维时频特征得到混合域特征集，然后采用粒子群优化算法(PSO)和k近邻法(KNN)实现特征优选，获得降维后的最优的特征向量，作为电能质量扰动信号的特征向量。该方法能够实时分析高比例风电并网中不同的电能质量扰动对配电网带来的影响程度，并对电能质量扰动进行准确的分类。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有的一种混合域特征优选的电能质量扰动识别方法中存在的问题，提出了本发明。

因此，本发明所要解决的问题在于如何提供一种混合域特征优选的电能质量扰动识别方法。