基于S 变换与PNN 的电能质量多扰动检测[J].docVIP

基于S变换与PNN的电能质量多扰动检测* 唐　求，王耀南，郭斯羽，滕召胜 （湖南大学电气与信息工程学院　长沙　410082） 摘　要：针对电能质量检测与分类需求，提出了一种基于S变换与概率神经网络的电能质量扰动检测和分类方法，应用S变换对电能质量扰动样本信号进行时频分析，提取信号的特征量，利用获得的特征量训练概率神经网络，并进行分类。仿真实验证明基于S变换与概率神经网络融合的电能质量多扰动分类方法训练速度快、分类准确度高，在训练样本数少、噪声影响大和多扰动信号并存时分类识别效果好。在此基础上研制了基于虚拟仪器的电能质量扰动检测系统，给出了系统构成与工作流程，现场试验验证了系统的准确性。 关键词：电能质量；扰动；分类；S变换；概率神经网络 中图分类号：TM712　　文献标识码：A　　国家标准学科分类代码：470.40 Power quality disturbance detection based on S-transform and PNN Tang Qiu, Wang Yaonan, Guo Siyu, Teng Zhaosheng （College of Electrical and Information Engineering, Hunan University, Changsha 410082, China）Abstract：A novel detection and classification method of power quality disturbances based on S-transform and probabilistic neural network (PNN) is proposed. S-transform is applied to perform time-frequency analysis on the power quality disturbance samples, from whose results the features of the samples are extracted. These features are then used to train a PNN for disturbance classification. Simulation results show that this method has faster training speed and relatively high classification accuracy. The proposed method can also give good classification for small training set with high level noises and multiple types of disturbances. Furthermore, a power quality disturbance detection system based on virtual instrument was developed. The system structure and work flow are given. Experimental results of on-spot operation verify the veracity of the system. Key words：power quality; disturbance; classification; S-transform; PNN 1　引　　言 随着工业和居民用电负荷的迅速增加以及各种电力电子设备的广泛应用，不对称、冲击性、非线性负载的数量和容量日益增加，电力系统所遭受的电能质量污染日趋严重，对电力系统的安全、经济运行造成极大的危害。电能质量问题已成为电力部门普遍重视和关心的问题，对电能质量各扰动进行检测和分类是治理和改善电能质量的基础和前提[1]。 电能质量扰动类型主要有电压骤升、电压骤降、电压中断、谐波和电压瞬变等，且各扰动本身具有较大的不规则性，如何从大量的电能质量扰动信号中自动提取特征并进行准确分类是电能质量检测分析系统的首要工作。目前国内外提取扰动信号特征量的方法主要有傅里叶变换[2]、加窗傅里叶变换[3]、小波变换[4]和S变换[5]等；分类检测的方法主要有专家系统决策树[6]、小波神经网络[7]和支持向量机[8]等。傅里叶变换存在频谱泄露和栅栏效应等缺陷，只适合平稳信号分析，无法满足对具有暂态、突变等特性的电能质量扰动非平稳信号进行分析的要求[3]。小波变换具有强大的多尺度分析特性，在电能质量扰动中得到了广泛的应用，但其易受噪声影响，且计算量大，不容易实现对以时域特征