基于S变换和模糊KNN的暂态电能质量扰动分类

该文提出了基于S变换和KNN的暂态电能质量扰动分类的识别方法。首先应用S变换对暂态扰动信号进行时频分析,从信号的S变换得到相应S变换模时频矩阵,并对时频矩阵进行分析,从中提取出8个有效特征量,再由特征量组成的特征向量输入模糊KNN算法分类器中,完成对扰动信号的智能分类。该文用Matlab7.0软件产生了6种常见暂态电能质量扰动信号类型,并进行了相应的分类。仿真结果表明,该方法结构简单,所需特征量少,并能准确的对扰动类型进行辨识。     

基于S变换和弹性神经网络的电能质量扰动分类

提出了基于S变换和弹性BP神经网络结构(RPROP)的电能质量扰动自动分类方法。通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动信号时频特征量的输出,并确定特征量的最优组合来增加弹性BP神经网络分类的精度。同时研究了在不同噪声条件下弹性BP神经网络分类的敏感度。测试结果显示,该方法能有效地对电能质量扰动信号进行分类。     

基于快速离散正交S变换的电能质量扰动检测方法

提出了一种快速实现离散正交S变换的方法;并将此方法应用于检测电能质量扰动信号的起止时刻。离散正交S变换(DOST)是一种冗余度小的变换,然而利用基函数方法计算DOST的算法复杂度相对较高。为了降低算法复杂度、提高计算效率,根据DOST系数矩阵的特点,先对其进行分块处理,再利用FFT的优势,得到快速离散正交S变换(FDOST);并给出其计算复杂度的证明。将得到的FDOST系数按时频规律排列成矩阵,通过对矩阵的分析,检测扰动信号起止时刻。通过对实验数据和真实故障录波数据的分析,验证了算法的有效性和实用性。     

利用快速S变换的电能质量扰动识别方法

针对当前基于S变换的电能质量方法计算开销大、不能实时识别电能质量扰动的问题,提出利用快速S变换与最小二乘支持向量机相结合的识别电能质量干扰新方法.该方法从快速S变换得到的一维向量中提取各频率段模系数的标准偏差、最大模系数及额定频率对应的模系数作为特征向量,利用最小二乘支持向量机对电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波等几种电能质量干扰进行分类和识别.研究结果表明:与传统的基于S变换的电能质量方法相比,该方法在2个方面节省了时间,一是减少了提取特征量所用的时间,二是由于特征向量数据较少,采用支持向量机样本训练时间减少;特剐是当电压扰动信号持续时间越长时节省效率越高,在同样准确性下,对于长度为1 024点的扰动信号,节省了约99％的时间;除此之外,该方法对信号分类的正确率可达98％,同时还具有较高的抗干扰能力.     

电能质量扰动分类的决策树方法

提出一种新颖的基于决策树方法的电能质量扰动自动分类方法.该方法首先对采集到的扰动信号进行小波多分辨率分解,扰动信号在每个小波分解尺度的能量分布构成一个特征向量;然后利用CART决策树算法从这些特征向量构成的训练样本中自动提取相应的分类规则,得到决策树分类模型,并将该模型应用到电能质量扰动测试数据中.仿真结果表明所提电能质量扰动数据分类挖掘方法的有效性和鲁棒性.     

基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类

为了降低电能质量复合扰动(CPQDs)数据的标注成本,利用混合策略的主动学习方法与拉普拉斯极限学习机来识别电力配电网络中的CPQDs。提出将不同的主动学习采样策略进行混合,选择最富含信息和最具有代表性的CPQDs数据进行标记。在主动学习过程中利用对数函数自适应调整不同策略权重。为了提高分类器的性能,在监督学习和无监督学习的框架下将拉普拉斯流形正则化并嵌入到极限学习机中。将所提出的架构与主流的主动学习算法在代码合成以及硬件生成的数据集上进行了比较,结果显示所提出的方法拥有更好的性能。

     

多小波变换在电能质量扰动检测与分类中的应用

分析了电能质量扰动产生的原因,针对几类常见的电能质量扰动问题,探讨了多小波变换在电能质量扰动的检测与分类中应用的理论依据,并通过大量的仿真工作,对多小波与传统小波的电能质量扰动检测与分类效果进行了分析比较,研究结果表明:多小波比传统小波具有更好的电能质量扰动检测与分类效果.     

基于SWFRFT的多分数傅里叶变换

本文给出了在标准加权类分数傅里叶变换的基础上构造多分数傅里叶变换的一种方法,并给出了这种多分数傅里叶变换特征值的表达式,利用特征值的表达式可区分不同的多分数傅里叶变换.     

电能质量扰动的广义S变换分析和决策树算法分类

针对电能质量扰动的检测和分类问题,提出了一种新的基于广义S变换和决策树的电能质量扰动分类方法.首先提出基于FFT的自适应调整调节因子取值的方法,再利用广义S变换对常见的几种电能质量扰动信号进行时频分析,并提取特征形成判决规则,最后生成用于对电能质量扰动进行分类的决策树分类算法.仿真实验结果表明,该算法能够实现电能质量扰动的自动分类,且分类正确率很高.     

特征提取方法在电能质量扰动识别中的应用

全面综述了特征提取方法在电能质量扰动识别中的应用。将电能质量特征提取方法划分为基于时频与非时频两种方法,重点对基于非时频方法的dq0变换法、FFT变换和基于时频分析方法的小波变换、S变换在电能质量扰动识别特征提取中的应用加以讨论,并对比分析了各种方法的利弊,对进一步研究的问题及今后的主要研究方向进行了展望。     

基于小波变换的电能质量扰动测量方法

对电压幅值变化现象的定量检测问题进行了研究．定义了基于两个实值小波归一变换的幅值及调整幅值的概念．证明了只要这两个实值小波函数一个为偶函数、一个为奇函数并满足一定的条件,则基于这两个实值小波归一变换的调整幅值在非故障区间内的值恰好等于1,而在故障区间内的值恰好等于故障区间的电压幅值与非故障区间的电压幅值之比。最后选用两个实值小波函数,应用基于这两个实值小波归一变换的调整幅值对电压波形畸变进行了检测,模拟结果显示该幅值检测图不仅能准确定位故障发生和终止时刻。而且可精确地定量显示出电压变化的幅度。     

高分辨率FFT-DLTS测试系统

相对地传统深能级瞬态谱（DLTS）方法,快速傅立叶变换深能级瞬态谱（FFT－DLTS）方法具有灵敏度高,分辨率高等特点,但是由于用FFT0DLTS方法在处理多能级DLTS系统时存在着系统误差从而限制了该方法的应用,论证了该误差产生的原因并提出用迭代法来解多能级的傅立叶系数谱的方法,有效地解决了传统FFT－DLTS方法所存在的问题,且能级分辨率又有显著的提高。     

基于小波变换和优化核参数支持向量机的电能质量扰动分类

针对短时电能质量变化和暂态扰动现象的不同特点,建立常见电能质量扰动的数学模型。运用小波变换对暂态电能质量扰动现象的内在特征进行提取,将扰动电压变化率绝对值、扰动能量变化量作为暂态电能质量扰动的特征向量。根据支持向量机的基本原理,给出一种推广误差上界估计判据,利用此判据进行最优核参数的自动选取,利用支持向量机进行训练和测试。结果表明,优化核参数的支持向量机分类器准确率高,实时性好。     

基于FFT与小波变换结合的嵌入式电能质量检测系统

该文研究应用FFT在频域与小波变换在时域的优势,设计搭建了基_4 FFT与Daub4小波变换结合的嵌入式电能质量检测系统。该系统利用小波变换检测电压骤升、骤降等暂态问题,使用FFT分析稳态下电信号谐波。为验证系统的实际检测能力,分别对稳态、电压骤降、电压暂态干扰三种状况进行了实时监测测试和Matlab软件分析,结果表明:该嵌入式电能质量检测系统在稳态时,检测基波幅值的误差为0.3%,满足公用电网GB/T 14549—93对谐波测量仪器的A级标准;同时,在电压骤降、电压暂态干扰状态下也能准确检测到电信号的突变时间,实际系统检测和软件仿真结果误差在1.6 ms内,满足实时性要求。     

小波变换与Fourier变换的比较

小波分析是一门正在迅速发展的新兴学科。根据小波变换与Fourier变换的比较,得出了小波变换相对于Fourier变换的优越性,并总结了当前小波研究在理论方面的主要工作,结合应用提出目前应用中有待研究的方面,对于小渡技术发展应用具有理论指导意义.     

两个鳞状因子循环矩阵相乘的快速算法

借助于快速付氏变换(FFT)技术。给出了计算两阶鳞状因子循环矩阵之乘积阵的一种快速算法，其算法复杂性为O(nlog2n)。最后给出一个算例。