[发明专利]一种基于小波分析的录波数时频熵值特征提取方法

说明书

本发明涉及电力系统、大数据挖掘和人工智能技术领域，且公开了一种基于小波分析的录波数时频熵值特征提取方法，包括以下步骤：S1：对待处理的录波数据进行归一化处理；S2：利用Morlet小波对S1中归一化后的数据进行最大尺度为100小波变换，保存小波系数与尺度数据；S3：将S2中小波尺度数据转化为频率；S4：利用S2中的小波系数与S3中频率，并结合录波数据的时间特性，频谱特征矩阵；S5：利用积分法对S4中的时频特征进行处理，得到录波数据的能量谱矩阵；在进行录波数据特征提取之前对数据进行无量纲化处理，提高了特征的鲁棒性与可迁移能力，本方案基于录波数据特性，对数据进行必要的前期预处理，提高了特征的稳定性。

技术领域

本发明涉及电力系统、大数据挖掘和人工智能技术领域，具体为一种基于小波分析的录波数时频熵值特征提取方法。

背景技术

电力作为广泛使用的能源，为人类提供方便高效的生活工作方式，2018年国内人均年用电达144.1度。电力系统作为电网的核心部分，电力系统的安全经济运行是人们有效使用电能前提。录波装置作为电力系统中广泛使用的电气量数据记录装置，具有数据采集便捷、采集频率高等优点，另一方面由于电力系统数据的复杂性，录波装置也存在诸多不足，如在故障识别方面存在较多的误判、漏报等情况。

当前录波数据特征提取基本采用传统的傅里叶变换、规则提取、专家系统等方法，这几类方法都具有一定的局限性，傅里叶变换不同时具有时域和频域信息，专家系统工作量大且可移植性差等。随着智能电网的应用于普及，这种处理方式不能满足智能化的要求。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于小波分析的录波数时频熵值特征提取方法，具备强鲁棒性、适应性强的特点的优点，解决了局限性的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于小波分析的录波数时频熵值特征提取方法，包括以下步骤：

S1：对待处理的录波数据进行归一化处理；

S2：利用Morlet小波对S1中归一化后的数据进行最大尺度为100小波变换，保存小波系数与尺度数据；

S3：将S2中小波尺度数据转化为频率；

S4：利用S2中的小波系数与S3中频率，并结合录波数据的时间特性，频谱特征矩阵；

S5：利用积分法对S4中的时频特征进行处理，得到录波数据的能量谱矩阵；

S6：对S5中的能量谱，利用熵的计算理论，得到时频熵；

S7：通过软件实现S2到S6的功能，得到特征。

优选的，S1中录波数据进行归一化处理方法如下：

S11、录波数据归一化方法采用但不限于z-score方法。

优选的，S2中小波变换过程如下：

S21、小波变换采用但不限于Symmlet小波变换，变换最大尺度为100；

S22、小波变换具体过程具体采用Mallat算法，并对变换后的小波系数与尺度进行存储。

优选的，S4中时频谱矩阵计算方法如下：

S41、以时间与频率为行列变化指标，各尺度小波变换下的小波系数为元素，存储时频谱矩阵，记为C_r。

优选的，S5中能量谱矩阵方法如下：

S51、对S41中的C_r时频谱矩阵个元素分别平方得到能量谱矩阵，进行存储，记为