基于多分辨率快速S变换的电能质量扰动信号识别

发布时间：2017-03-19 08:03

  本文关键词：基于多分辨率快速S变换的电能质量扰动信号识别，，由笔耕文化传播整理发布。

【摘要】：近年来整流器、变频调速装置、电弧炉、电气化铁路等设备在各行各业中广泛应用,电网受到严重干扰,电能质量不断恶化。同时,为保障现代工业敏感设备、高效生产流程的正常运行,用户开始主动向电力部门提出高质量供电的要求。电能质量扰动信号识别是电能质量综合评估、扰动源定位治理的前提,具有重要意义。为提高电能质量扰动识别准确率与分析能力,本文提出了一种多分辨率快速S变换方法,用于高噪工业环境下的电能质量扰动信号识别和扰动参数检测。为兼顾电能质量信号的类型识别与参数检测两方面的需要,首先,分析广义S变换在不同窗宽调整因子时,时间-幅值曲线与频率-幅值曲线中扰动起、止处峭度与扰动参数检测误差间的关系;之后,根据离差最大化法确定不同频率范围内最优窗宽调整因子,并通过3次样条插值法进行拟合,自适应调整不同扰动信号识别和参数检测所需最优窗宽;最后,针对广义S变换冗余计算较多的特点,设计多分辨率快速S变换方法以降低运算量满足实时性要求。经过S变换后获得的扰动信号的时 频模矩阵具有灰度图像特点。因此,可通过二维数学形态学方法,滤除噪声干扰,获得更高的识别准确率。首先,在阈值滤波基础上,根据信号时 频分布特点,选择线段型、零角度结构元进行灰度级形态学开运算,滤除高频频域噪声;之后,从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征用于构建决策树分类器,识别含噪声信号与6种复合扰动信号在内的13种电能质量信号;最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器。通过仿真对比实验发现,新方法具有更好的抗噪能力,更加适用于低信噪比环境下的电能质量信号识别。在采用多分辨率快速S变换处理电能质量扰动信号的基础上,根据识别结果进行相应的参数检测。原始信号、信号傅里叶谱、基频幅值曲线、时间-幅值曲线与频率-幅值曲线可以全面反映电能质量扰动信号的扰动幅值、扰动起止时间、扰动主要频率等信息。通过对短时扰动、周期性扰动和暂态扰动的分析,本文提出一套适用于单类扰动及复合扰动的参数检测方法。仿真实验和实测数据分析表明,新方法能够满足电能质量扰动参数检测需要,参数检测误差低于广义S变换等方法。仿真对比实验和实测数据分析表明,新变换方法特征表现能力显著提高,且在高采样率时有效降低运算时间,抗噪能力强,识别准确率高,参数分析准确。
【关键词】：电能质量 S变换 扰动识别 形态学 参数检测
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM711
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-18
• 1.1 课题背景及研究的目的和意义11-12
• 1.2 电能质量扰动信号识别的国内外研究现状12-15
• 1.2.1 电能质量扰动信号处理12-14
• 1.2.2 电能质量扰动信号特征提取14
• 1.2.3 电能质量扰动信号模式识别14-15
• 1.3 电能质量扰动信号参数检测的国内外研究现状15-16
• 1.4 本文的主要研究内容16-18
• 第2章 基于MFST的电能质量扰动信号处理18-33
• 2.1 电能质量扰动信号概述及其数学模型18-22
• 2.1.1 电能质量相关标准18-19
• 2.1.2 电能质量扰动产生原因、危害及治理措施19-21
• 2.1.3 电能质量扰动信号数学模型21-22
• 2.2 多分辨率S变换及其窗宽调整因子的确定22-28
• 2.2.1 多分辨率S变换22-23
• 2.2.2 GST峭度-误差分析23-27
• 2.2.3 窗宽调整因子确定27-28
• 2.3 快速S变换原理28-31
• 2.3.1 Otsu’s滤波方法28-30
• 2.3.2 多分辨率快速S变换30-31
• 2.4 采用MFST的暂态扰动信号处理31-32
• 2.5 本章小节32-33
• 第3章 基于MFST的电能质量扰动信号特征提取33-38
• 3.1 采用灰度级形态学高频降噪的振荡特征提取33-36
• 3.1.1 形态学开运算33
• 3.1.2 采用灰度级形态学高频降噪33-34
• 3.1.3 降噪后特征分类能力比较34-36
• 3.2 扰动特征提取36-37
• 3.3 本章小节37-38
• 第4章 基于MFST的电能质量扰动信号识别实验38-49
• 4.1 模式识别分类器设计38-40
• 4.1.1 采用最小分类损失原则确定分类阈值38-40
• 4.1.2 基于决策树的扰动信号分类器设计40
• 4.2 实验流程40-41
• 4.3 仿真实验分析41-45
• 4.3.1 MFST识别准确率分析41-44
• 4.3.2 对比实验识别结果分析44-45
• 4.3.3 运算时间对比分析45
• 4.4 实测数据分析45-48
• 4.5 本章小结48-49
• 第5章 基于MFST的电能质量扰动信号参数检测49-55
• 5.1 扰动参数检测方法49-52
• 5.1.1 短时扰动的参数检测方法49-50
• 5.1.2 周期性扰动的参数检测方法50-51
• 5.1.3 暂态扰动的参数检测方法51
• 5.1.4 复合扰动的参数检测方法51-52
• 5.2 参数检测仿真实验52-53
• 5.3 实测数据参数检测53-54
• 5.4 本章小结54-55
• 结论55-56
• 参考文献56-60
• 攻读硕士学位期间发表的论文及其它成果60-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 刘守亮,肖先勇;基于S变换的短时电能质量扰动检测与分类[J];四川电力技术;2005年S1期

2 罗滇生;何洪英;姚建刚;;短时电能质量扰动分类方法研究[J];计算机工程与应用;2008年17期

3 唐轶;刘昊;方永丽;;基于时域特征分析的电能质量扰动分类[J];电力系统自动化;2008年17期

4 黄南天;徐殿国;刘晓胜;;基于改进多层前馈神经网络的电能质量扰动分类[J];电子测量与仪器学报;2009年10期

5 赖晓君;孙洪成;;一种新的电能质量扰动分类识别算法[J];电气开关;2011年02期

6 陈祥训;采用小波技术的几种电能质量扰动的测量与分类方法[J];中国电机工程学报;2002年10期

7 薛蕙,杨仁刚;基于小波包除噪的电能质量扰动检测方法[J];中国电机工程学报;2004年03期

8 束洪春,王晶,陈学允;动态电能质量扰动的多刻度形态学分析[J];中国电机工程学报;2004年04期

9 吕干云,丁屹峰,程浩忠;一种基于改进锁相环系统的电能质量扰动检测方法[J];电力系统及其自动化学报;2004年05期

10 潘洪湘,宗伟,刘连光;基于数字信号处理器的短时电能质量扰动检测算法[J];电网技术;2004年20期

中国重要会议论文全文数据库 前7条

1 曹立中;吴杰;苏春苑;;基于多方法的电能质量扰动研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

2 刘林;林涛;;基于连续小波变换和专家系统的电能质量扰动识别研究[A];中南七省（区）电力系统专业委员会第二十二届联合学术年会论文集[C];2007年

3 张东中;袁帅;佟为明;;基于复小波和神经网络的电能质量扰动识别与分类[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

4 陈春玲;许童羽;袁野;;基于多类分类SVM的电能质量扰动识别[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

5 耿云玲;王群;何怡刚;;典型电能质量扰动信号的小波检测[A];2004全国测控、计量与仪器仪表学术年会论文集（上册）[C];2004年

6 方群会;;基于LS_SVM的暂态电能质量扰动分类[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

7 张宇;李海维;;小波理论和网格分形在电能质量扰动检测中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

中国博士学位论文全文数据库 前10条

1 宋雪雷;基于小波变换和支持向量机的电能质量扰动分析方法[D];哈尔滨工业大学;2007年

2 陈春玲;电能质量扰动分析与监测研究[D];沈阳农业大学;2009年

3 舒泓;电能质量扰动检测和分类问题的研究[D];北京交通大学;2009年

4 胡为兵;电能质量扰动的自动识别和定位相关理论研究[D];华中科技大学;2008年

5 秦英林;电能质量扰动的自动识别和时刻定位研究[D];山东大学;2010年

6 易吉良;基于S变换的电能质量扰动分析[D];湖南大学;2010年

7 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年

8 黄文清;电能质量扰动在线监测方法研究[D];湖南大学;2007年

9 单任仲;并联型复合电能质量扰动及补偿的控制方法与实现[D];华北电力大学（北京）;2010年

10 刘应梅;电能质量扰动检测和分析的研究[D];中国电力科学研究院;2003年

中国硕士学位论文全文数据库 前10条

1 潘冬寅;电能质量扰动信号降维及分类研究[D];南京林业大学;2012年

2 郝婉茹;基于原子分解快速算法的电能质量扰动检测与分类研究[D];燕山大学;2015年

3 邓为权;基于EEMD和SVM的电能质量扰动检测与分析研究[D];昆明理工大学;2015年

4 胡巧琳;风电并网的电能质量扰动检测方法研究[D];西南交通大学;2015年

5 朱玲;混合电能质量扰动的检测与分类[D];西南交通大学;2015年

6 薛文婷;暂态电能质量扰动检测分析与评估的研究[D];华北电力大学;2015年

7 韩刚;电能质量扰动检测与分类识别方法研究[D];中国矿业大学;2015年

8 章俊;电能质量扰动信号的检测与识别[D];南昌大学;2015年

9 张语R

本文编号：255735