[发明专利]一种电能质量扰动模式判别方法

说明书

技术领域

本发明涉及一种电能质量扰动模式判别方法，属于计算机应用与自动控制领域。

背景技术

电能质量扰动(Power Quality Disturbances，PQD)是指电网系统中电压、电流中出现偏差，从而导致用户设备出现故障或运行异常的电力问题。它对供电公司、用户和用电设备将造成直接或间接的不利影响。理想状况下，提交给用户的电压或电流应该具有正弦波形、稳定的频率、稳定的振幅和稳定的相位角。然而电网中的一些非线性的负载，如计算机、调速马达等，都会给电网带来影响，产生电压或电流的骤升、骤降、谐波、震荡等问题。其结果是电能质量的下降，电能的浪费或电费超支，甚至会对电网中其它电器设备造成损害。

鉴于电能质量扰动的危害性，在电网系统中，应实时的对电能质量进行监控。当电能质量扰动问题发生时，系统能够快速地对其进行识别并且分类，进而采取措施来减少质量扰动带来的负面影响。进行电能质量分析，首先要对监控设备检测到的电信号进行特征提取，然后对提取到的特征向量进行分类，最终得到分类结果。现有的特征提取方法包括小波变换方法、傅里叶变换方法、t-变换方法等。然而，从电信号中提取到的特征向量具有维数高、信息量大等特点，并且特征向量中经常含有大量的冗余和噪声特征值。因此利用全部提取到的特征对电信号进行分类，往往具有消耗时间长，分类准确率低等缺点。针对上述问题，本发明提出了一种基于进化计算的特征选择模型。为了进行分类，设计了一种多支持向量机分类器，在对电信号进行特征提取和特征选择后，把精简后的特征提交给多个支持向量机分类器。为了提高系统的鲁棒性，提出了一种数据融合方法，对多个支持向量机的分类结果进行数据融合，得到最终的分类结果。由于所提出的进化计算方法能够消除特征向量中的大量冗余与噪声信息，因此该方法能够减少支持向量机的训练时间与识别时间。由于所设计的数据融合方法能够对多支持向量机的分类结果进行评估，因此该方法能够确保系统的识别精度。

发明内容

本发明的主要目的是提供一种基于进化计算与支持向量机的电能质量扰动识别方法。针对从电信号提取到的特征向量具有维数高、信息量大等特点，设计了一种基于进化计算的特征选择方法。在进化计算方法中，提出了一种基于二进制编码的特征选择方案表示方法，并提出了一种基于巴塔恰里亚距离(Bhattacharyya distance)的候选方案评价方法。优化算法可以选取进化计算中常用的优化算法，如遗传算法、人工免疫算法、粒子群算法等。基于进化计算的特征提取方法能够消除特征向量中大量的冗余及噪声信息，能够减少分类器的训练与识别时间；为完成分类任务，采用多个支持向量机进行分类；由于支持向量机分类的随机性，多个支持向量机的分类方法并不一定完全一致，因此，设计了一种数据融合算法。该方法能够提高分类器的鲁棒性，提高分类的准确率。

本发明是通过以下技术方案实现的：

1.特征提取。从监测设备提取到的电信号出发，用两种技术提取特征，一种是小波变换技术(Wavelet Transform)。经典的小波变换定义为：