[发明专利]一种电网电能质量扰动的识别方法及系统

说明书

本发明公开了一种电网电能质量扰动的识别方法及系统，此方法包括步骤：1)实时监测配电网各节点电压值，如电压值的突变超过预设的阀值，则立刻启动扰动模式识别；2)从被监测线路中采集实时数据，利用S变换提取s种扰动特征量组成的实时特征样本x′_g；3)对实时特征样本x′_g进行标准化处理得到待测样本x_g，计算待测样本x_g分别与光伏扰动类聚类中心、公共电网扰动类聚类中心的角度相似度δ_g1、δ_g2；4)判断δ_g1与δ_g2的大小：若δ_g1＞δ_g2，则被监测线路发生光伏扰动；若δ_g1＜δ_g2，则被监测线路发生公共电网扰动。本发明具有模式识别准确率高、分类精度高、抗噪能力强、改善分类效果和分类效率等优点。

技术领域

本发明涉及电能质量识别技术领域，具体涉及一种电网电能质量扰动的识别方法及系统。

背景技术

电能质量扰动会导致设备过热、电机停转、保护失灵以及计量不准等严重后果，造成严重的经济损失和社会影响。然而随着社会的发展和生活水平的提高，越来越多对电能质量敏感的电力电子设备投入使用，对电能质量提出了越来越高的要求。电能质量扰动的准确识别，能为电能质量的管理和治理提供辅助决策，可提高供电质量。

电能质量扰动大多数是非平稳信号，近年来非平稳信号的时频分析方法得到了很好的研究，常用的有短时傅里叶变换、小波变换、时频原子变换、S-变换等。其中短时傅里叶变换由于其窗口固定，因此其时频分辨率也相对固定，如改变其分辨率需重新选择窗口；小波变换具有变化的分辨率，且小波基选择困难；相比而言，S变换由于其良好的时频局部性能，对噪声不敏感，常被用来分析电能质量扰动信号，但当扰动类型很多时，难以提取特征区分所有扰动类型。这些方法提取的特征输入到模式识别分类器中可以实现电能质量扰动的自动识别。

模式识别方法有聚类方法、神经网络、支持向量机(support vector machine，SVM)、专家系统、决策树方法等。其中SVM常用作扰动分类，但是当扰动类型较多时，特征混叠现象使识别错误率增加；如果类别较少时选择合适的分类特征，SVM则会显示出优良的泛化能力。决策树方法通过建立规则，模拟人类的逻辑思维实现分类，但是其对某些类别分类的特征阈值会受噪声影响而难以确定。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种特征提取精确度高、模式识别精度高的电网电能质量扰动的识别方法及系统。

为了解决上述技术问题，本发明采用的技术方案为：

一种电网电能质量扰动的识别方法，包括步骤：

1)实时监测配电网各节点电压值，如电压值的突变ΔU超过预设的阀值ΔU_set，则立刻启动扰动模式识别；

2)从被监测线路中采集实时数据，利用S变换提取s种扰动特征量组成的实时特征样本x′_g；

3)对待测样本x′_g进行标准化处理得到待测样本x_g，计算待测样本x_g分别与光伏扰动类聚类中心、公共电网扰动类聚类中心的角度相似度δ_g1、δ_g2；

4)判断δ_g1与δ_g2的大小：若δ_g1＞δ_g2，则被监测线路发生光伏扰动；若δ_g1＜δ_g2，则被监测线路发生公共电网扰动。

优选地，在步骤3)中，光伏扰动类聚类中心和公共电网扰动类聚类中心的得到过程为：