[发明专利]基于经验模态分解的孤岛检测关键特征提取方法

说明书

本发明涉及一种基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法。根据孤岛与非孤岛干扰情况下信号特征不易发掘的特点，进行信号的深度特征分析。将公共点电压信号进行多分辨率经验模态分解。利用分解信号进行相空间重构，对每层相空间矩阵进行奇异谱分解得到每层奇异值，根据各层奇异值提取各层相空间奇异谱熵。多层奇异谱熵组合后构成该信号下的多分辨率奇异谱熵的特征向量。该方法中，多分辨率经验模态分解实现了对信号频谱分层细致的解析，各层奇异谱熵对表征信号各层的唯一特征进行了统一的度量，组合后的特征向量定量描述了信号的本质特征，对同类信号和同种样本具有稳定性，适用于孤岛检测关键特征的提取。

技术领域

本发明涉及一种孤岛检测关键特征提取方法，尤其是涉及一种基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法。

背景技术

随着光伏发电等新能源系统的快速发展，光伏系统并网中产生的技术问题需要得到更好的解决。孤岛检测是光伏系统并网中不可或缺的，对孤岛状态的快速准确检测有利于提高配电系统的可靠性，减少对电网的不良影响及降低经济损失。随着光伏发电系统并入的增多，用户对电能质量要求的提高，如何在高效识别的基础上找寻出能定量描述孤岛本质的方法，减少噪声干扰对识别的影响，对发展光伏发电系统非常重要。

目前对于孤岛检测提出的方法主要分为被动检测方法，主动检测方法和基于通讯的开关状态检测方法。现有的被动检测方法即为检测公共点电压、频率等参数，是否超过设定阈值，这种方法实施起来相对容易，但是由于电网存在扰动现象，造成的时域状态与孤岛状态相似度高，使得这种方法存在很高的误判率。现有的主动检测方法在电压电流信号上加入一定规律的扰动，通过扰动的累加检测孤岛现象的产生。但是由于扰动的加入，这种方法会对电能质量造成不同程度的影响。

目前在提取孤岛检测特征量提取上，有小波能量系数作为特征向量的检测办法，结合决策树、神经网络等模式识别办法判断孤岛，这种方法能够快速识别孤岛，但是小波能量系数受噪声的影响严重，仍有待改善。

发明内容

发明目的：

为了克服上述现有技术存在的不足，本发明提供一种基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法。

技术方案：

基于多分辨率奇异谱熵和经验模态分解的孤岛检测关键特征提取方法，其特征在于：该方法步骤如下：

(1)录入原始电压信号f(k)(k＝1,2,…,N)，N为采样点数；

(2)对待分析离散信号f(k)(k＝1,2,…,N)，N为采样点数，用经验模态分解进行处理，分解出第1个固有模态函数(IMF)的候选分量h₁；

(3)判断h₁是否为一个IMF函数，若是满足IMF条件，则h₁被判定为f(k)的第1个IMF分量，若不是，则将h₁作为待处理信号重新计算，进而持续分解完毕；

(4)对每层的重构信号进行n维的相空间重构，重构矩阵为A；

(5)对每层矩阵A进行奇异值分解，得到对应层重构矩阵A的奇异值，基于信息熵理论，计算各层信号的奇异谱熵H_j；

(6)将各层熵值H_j组合，得到的特征向量T，作为孤岛检测的特征向量。

所述步骤(2)具体为：

f(k)的第一个固有模态函数(IMF)候选h₁可由式(1)确定：

h₁＝f(k)-m₁ (1)；

式中：m₁表示f(k)的上、下包络线均值。