一种基于S变换与多维分形的电压暂降源特征识别方法与流程

本发明涉及电能质量
技术领域：
，尤其是涉及一种基于s变换与多维分形的电压暂降源特征识别方法。
背景技术：
：近年来，随着电力电子设备以及工业生产中敏感设备大量接入电网，电压暂降带来的问题日益突出。电压暂降会影响设备的正常运行，从而导致产品质量下降，缩短甚至损坏电气设备的寿命，加大维护费用。电压暂降的准确识别有助于合理的选择区域配电系统治理措施，能够及时界定事故双方责任，有效降低经济损失并协调用户以及设备供应商之间的纠纷。电压暂降扰动源的分类识别是改善和治理电压暂降问题的重要前提。目前，国内外学者们主要采用hilbert-huang变换、傅里叶变换、小波变换、s变换提取信号的有效特征，然后利用人工神经网络、支持向量机、模糊综合评价对电压暂降进行自动分类。hilbert-huang变换对高频信号的频率分辨率较差，容易受噪声影响,傅里叶变换和小波变换时频局部性较差，识别过程较复杂，需要大量数据作为支撑。技术实现要素：本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于s变换与多维分形的电压暂降源特征识别方法。本发明的目的可以通过以下技术方案来实现：一种基于s变换与多维分形的电压暂降源特征识别方法，该方法包括以下步骤：步骤1：在matlab/simulink环境下建立电网电压暂降仿真模型，随机产生不同情况下的单一暂降以及复合电压暂降信号；步骤2：采用s变换分析暂降信号的基频幅值变化情况，并对变换后得到的模矩阵提取多种特征指标；步骤3：采用多重分形谱r/s分析法针对暂降信号提取参数广义hurst指数和统计量vn作为特征指标以提高噪声环境下分类识别的准确性；步骤4：将提取的多种特征指标作为支持向量机的输入，对不同类型的电压暂降进行训练，并利用无噪声数据和仿真加噪数据分别对其进行测试，从而实现对不同暂降源的分类与识别。进一步地，所述的步骤1包括以下分步骤：步骤11：在matlab/simulink环境下建立电网电压暂降仿真模型；步骤12：通过改变系统仿真模型参数分别获取线路短路故障、感应电动机起动、变压器投运单一暂降信号以及多级电压暂降、感应电动机和变压器共同作用、感应电动机重启复合电压暂降信号。进一步地，所述的步骤2包括以下分步骤：步骤21：对暂降信号进行s变换后得到复矩阵，对所述复矩阵求模得到s模矩阵，所述s模矩阵的行向量表示暂降信号频率的时域分布，列向量表示暂降信号的幅频特性；步骤22：根据暂降信号的基频幅值与不同频率对应幅值的变化情况，对所述s模矩阵提取多种特征指标。进一步地，所述的步骤22中的特征指标包括奇异矩阵脉冲因子p，奇异矩阵标准差std，奇异熵sse，能量熵see，矩阵系数i以及基频标准差fstd。进一步地，所述的步骤2中s变换的时频形式表达式为：式中，s(τ,f)表示s变换的时频形式，ω(t,f)为高斯窗函数，τ为平移因子，h(t)为信号，f为频率，t为时间。进一步地，所述的步骤2中s变换的离散形式表达式为：式中，表示s变换的离散形式，t为信号采样周期，n为采样点数，i、m、n取值分别为0～n-1，为信号的傅里叶变换。进一步地，所述的步骤4中的支持向量机的测试集样本数据为由20db、30db和40db叠加而成的高斯白噪声。进一步地，所述的步骤4中的支持向量机的训练样本为无噪声信号。与现有技术相比，本发明具有以下优点：(1)本发明方法中采用的s变换作为一种时频可逆的信号处理方法，克服了短时傅里叶变换和小波变换的不足，适合分析暂态扰动信号，s变换模矩阵具有良好的时频分析能力，可以对信号幅值随时间和频率的变化提取信号多种特征。(2)本发明方法中为改善s变换在噪声水平下的分辨率，在采用s变换获取电压暂降信号时频谱的基础上，针对信号噪声影响提出多重分形方法，将不规则波形的特征维作为波形识别的特征度量，作为系统状态监测、分类、故障诊断的依据，在采样频率相同的情况下，分形维数对噪声信号并不敏感，使得噪声对其特征参数的提取几乎没有影响，hurst指数作为衡量信号多重分形特性的特征量，可以有效地表征电压暂降特征。(3)本发明方法提高了电压暂降源识别和分类的准确率，对含噪声信号也可以较准确的识别，同时，可以对实测数据可进行正确的判别，具有良好的工程实用性。附图说明图1为实施例一种基于s变换与多维分形的电压暂降源特征识别方法的流程图；图2为实施例二中不同噪声环境下对分形数的影响图；图3为实施例二中配电网电压暂降仿真系统结构图；图4为实施例二中线路短路故障s变换基频幅值曲线和频谱峰值曲线图；图5为实施例二中感应电动机起动s变换基频幅值曲线和频谱峰值曲线图；图6为实施例二中变压器投运s变换基频幅值曲线和频谱峰值曲线图；图7为实施例二中多级电压暂降s变换基频幅值曲线和频谱峰值曲线图；图8为实施例二中感应电动机和变压器共同作用s变换基频幅值曲线和频谱峰值曲线图；图9为实施例二中感应电动机重启s变换基频幅值曲线和频谱峰值曲线图；图10为实施例二中实测电压暂降信号图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。实施例一如图1所示，一种基于s变换与多维分形的电压暂降源特征识别方法，包括以下步骤：s1、在matlab/simulink环境下建立电网电压暂降仿真模型随机产生线路短路故障、感应电动机起动、变压器投运这3种单一暂降以及多级电压暂降感应电动机和变压器共同作用、感应电动机重启这3种复合电压暂降信号；s2、采用s变换分析暂降信号的基频幅值变化情况，对变换后的模矩阵提取6种特征指标；s3、采用多重分形谱r/s分析法提取参数广义hurst指数和统计量vn作为特征指标提高噪声环境下分类识别的准确性；s4、将提取的特征指标作为支持向量机的输入，对不同类型的电压暂降进行训练，并利用无噪声数据和仿真加噪数据分别对其进行测试，从而实现对不同暂降源的分类与识别。步骤s2具体包括：s21、对暂降信号进行s变换后得到一个复矩阵，对其求模后得到s模矩阵，其行向量表示暂降信号频率的时域分布，列向量表示暂降信号的幅频特性；s22、根据暂降信号的基频幅值与不同频率对应幅值的变化情况，提取奇异矩阵脉冲因子p，奇异矩阵标准差std，奇异熵sse，能量熵see，矩阵系数i以及基频标准差fstd作为电压暂降扰动源分类识别的特征值。s变换是一种时频可逆分析方法，既有小波变换多分辨率分析的特点，又有短时傅里叶变换单频率单独分析的能力。其信号h(t)的一维连续s变换s(τ，f)表达式如下：式中，s(τ,f)表示s变换的时频形式，ω(t,f)为高斯窗函数，τ为平移因子，用于控制高斯窗在时间轴上的位置，h(t)为信号，f为频率，t为时间。使f→n/nt且τ→jt，则s变换的离散形式可以通过快速傅里叶变换实现：式中，表示s变换的离散形式，t为信号采样周期，n为采样点数，i、m、n取值分别为0～n-1，为信号的傅里叶变换。步骤s3具体包括：在信噪比一定范围内，加噪声波形与无噪声波形区别并不大，通过r/s分析法提取的电压暂降信号特征可以对电压暂降很好的识别。经典r/s分析法计算步骤为：给定一个长度为n的时间序列xi，以长度为n均分这个序列为a个相邻的子区间，任意子区间表示为iα，α＝1，2，…，a。iα的均值为：iα对于均值的累积截距定义为：式中，k＝1,2,…,n。每一个riα均由对应的siα进行标准化。则r/s定义为：以log(n)为解释变量，log(r/s)为被解释变量进行线性回归：log(r/s)＝logc+hlogn式中，c为统计常数，hurst指数的估计值为上述方程中的斜率。分形几何的数学形态学可滤除多种噪声，有较好的抗噪声性能，图2为信号在不同噪声环境下对应的vn～log(n)关系曲线图，在信噪比一定范围内，加噪声波形与无噪声波形区别并不大，通过r/s分析法提取的电压暂降信号特征可以对电压暂降很好的识别。步骤s1具体包括：s11、在matlab/simulink环境下建立电网电压暂降仿真模型；s12、通过改变系统仿真模型中暂降起始时刻、变压器容量、线路负荷等模块参数分别获取线路短路故障、感应电动机起动、变压器投运这3种单一暂降以及多级电压暂降感应电动机和变压器共同作用、感应电动机重启这3种复合电压暂降信号。本实施例中，在simulink环境下建立的仿真模型如图3所示。通过改变系统仿真模型中暂降起始时刻、变压器容量、线路负荷等模块参数分别获取类型1(线路短路故障)、类型2(感应电动机起动)、类型3(变压器投运)的单一电压暂降以及类型4(多级电压暂降)、类型5(感应电动机和变压器共同作用)、类型6(感应电动机重启)的复合电压暂降信号各100组样本数据。图4～图9为仿真得到的6种不同电压暂降扰动源信号经过s变换得到基频幅值曲线和频谱峰值曲线。每个电压暂降类别中分别取20组数据作为训练数据，将s变换和r/s分析法所得到的特征值输入支持向量机进行训练，通过核函数将故障信息样本向量映射到另一高维特征空间中，并在特征向量空间中构造另一个新的最优分类平面，得到输入、输出变量之间的非线性关系。并将剩余的数据作为测试集，对电压暂降源进行分类识别，所得结果如表1所示，仅采用s变换求取到的特征值进行分类识别结果如表2所示。表1s变换与多维分形的暂降源分类识别结果类型无噪声20db30db40db198.75％98.75％98.75％98.75％2100％98.75％100％100％398.75％95％95％96.25％4100％95％96.25％97.5％597.5％96.25％97.5％97.5％697.5％96.25％96.25％97.5％表2基于s变换的暂降源分类识别结果类型无噪声20db30db40db198.75％92.5％95％95％2100％93.75％95％95％398.75％87.5％90％93.75％497.5％91.25％93.75％95％596.25％87.5％93.75％95％695％88.75％92.5％92.5％由表1和表2可知，基于s变换与多维分形的识别方法与传统的s变换方法相比具有良好的抗噪能力，其平均分类正确率为97.66％，在信号叠加噪声的情况下对电压暂降信号具有较高的识别准确率。实施例二根据上海某10kv线路监测点的暂降录波数据进行测试，选取线路短路故障、感应电动机启动、多级电压暂降进行识别分类，分类结果如表3所示。图10中，(a)～(d)是线路短路故障的实测数据，(e)是感应电动机起动的实测数据，(f)是多级电压暂降的实测数据。表3实测电压暂降的分类识别结果实际电压暂降信号在20db和30db噪声影响下，s变换方法将一例感应电动机起动识别为线路短路故障，这是由于该类型故障的电压暂降信号在强噪声下不易分辨而导致的识别错误。s变换及多维分形作为电压暂降信号的特征量方法并未将此故障错误识别，证明该方法可以有效地应用于实际电力系统中。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页1 2 3