[发明专利]一种电能质量扰动信号识别方法

说明书

本发明提供一种电能质量扰动信号识别方法。一种电能质量扰动信号识别方法，其中，包括如下步骤：S1.获取已知电能质量扰动信号；S2.对步骤S1的电能质量扰动信号进行小波包变换，并提取特征向量；S3.基于步骤S2的电能质量扰动信号的特征向量，基于模糊聚类对电能质量扰动信号进行分类，并得到各聚类中心向量；S4.将待识别的电能质量扰动信号按步骤S2提取特征向量，并分别计算和步骤S3得到的各聚类中心向量之间的距离，进而判断待识别的电能质量扰动信号的类型。本发明的方法基于模糊聚类的优势，能够提高识别精度。

技术领域

本发明涉及电能质量技术领域，更具体地，涉及一种电能质量扰动信号识别方法。

背景技术

近年来，随着电网中电力电子设备的广泛应用以及光伏、风电等分布式电源的大量接入，其所引起的电能质量问题日益突出。在精密加工以及人们生活对电能质量要求日趋严格的条件下，需对电能质量干扰进行精确分类，进而分析引起电能质量扰动的原因和采取相应的治理措施。

电能质量扰动分类包括特征提取和分类器分类两个步骤。在分类器选择方面，以BP神经网络为代表的神经网络分类器运用比较广泛，但其在训练过程中容易收敛于局部极小值，且在样本数量比较少时识别精度不高。

发明内容

本发明为克服现有技术中的至少一项缺陷，提供一种电能质量扰动信号识别方法。本发明的方法基于模糊聚类的优势，能够提高识别精度。

为解决上述技术问题，本发明采用的技术方案是：一种电能质量扰动信号识别方法，其中，包括如下步骤：

S1.获取已知电能质量扰动信号；

S2.对步骤S1的电能质量扰动信号进行小波包变换，并提取特征向量；

S3.基于步骤S2的电能质量扰动信号的特征向量，基于模糊聚类对电能质量扰动信号进行分类，并得到各聚类中心向量；

S4.将待识别的电能质量扰动信号按步骤S2提取特征向量，并分别计算和步骤S3得到的各聚类中心向量之间的距离，进而判断待识别的电能质量扰动信号的类型。

进一步的，所述步骤S1中，所述已知电能质量扰动信号包括电压骤升信号、电压骤降信号、电压中断信号、暂态脉冲信号、暂态振荡信号、谐波信号以及电压闪变信号。

进一步的，所述步骤S2中，对步骤S1的电能质量扰动信号进行小波包变换，并提取特征向量，具体包括如下步骤：

S21.对电能质量扰动信号进行3层小波包变换，得到各子频带上的小波包系数，记为W_d(k)，d＝1,2,3,...,D，D＝2^3为子频带个数，k＝1,2,3,...,K，K为小波包系数长度；

S22.对于子频带上的小波包系数W_d(k)，按下式计算其能量E_d：

S23.对于子频带上的小波包系数W_d(k)，按下式计算其能量百分比ΔE_d：

S24.对于电能质量扰动信号，其特征向量λ为：

λ＝(ΔE₁,ΔE₂,....,ΔE_D)

进一步的，所述步骤S3中，基于步骤S2的电能质量扰动信号的特征向量，基于模糊聚类对电能质量扰动信号进行分类，并得到各聚类中心向量，具体包括如下步骤：

S31.定义目标函数J：