基于S变换和模糊KNN的暂态电能质量扰动分类.docVIP

基于S变换和模糊KNN的暂态电能质量扰动分类 　　摘 要：该文提出了基于S变换和KNN的暂态电能质量扰动分类的识别方法。首先应用S变换对暂态扰动信号进行时频分析，从信号的S变换得到相应S变换模时频矩阵，并对时频矩阵进行分析，从中提取出8个有效特征量，再由特征量组成的特征向量输入模糊KNN算法分类器中，完成对扰动信号的智能分类。该文用Matlab7.0软件产生了6种常见暂态电能质量扰动信号类型，并进行了相应的分类。仿真结果表明，该方法结构简单，所需特征量少，并能准确的对扰动类型进行辨识。 　　关键词：暂态电能质量扰动 分类 S变换 模糊KNN 　　中图分类号：TM71 文献标识码：A 文章编号：1672-3791（2015）03（a）-0004-02 　　Abstract：This paper proposed a new method to classify transient powerquality disturbances using S transform and K-nearestneighbor classifier.First，S-transform was applied to perform time-frequency analysis on thepower quality disturbance signals，and the S-transform mode time-frequency matrix was achieved from the S-transform，and we got 8 valid features extracted from the matrix， then the feature vectors who consisted of the former features were input into the Fuzzy KNN classifier to perform the disturbing signals intelligent classification.This paper utilized matlab7.0 to generate 6 kinds of common transient power quality disturbance signals，and accomplish the corresponding classification.The result showed that the structure of the proposed method was simple，the number of the needed features was few and it was doing well in classifying these types of transient powerquality disturbances. 　　Key words：Transient power quality disturbance；Classification；S-transform；Fuzzy KNN 　　暂态电能质量扰动问题成为电力部门和用户近年来密切关注的问题，扰动问题会造成敏感负载不能正常运行，损坏电力电子设备，微处理器智能设备重启和保护失灵等严重后果[1-2]。对各种电能质量扰动进行准确的识别是控制和治理电能质量问题的基本前提。 　　小波变换由于具有良好的时频特性被广泛用于电能质量扰动信号的特征提取，但小波变换的结果缺乏直观性，存在频谱泄露及易受噪声影响，且母小波系数难以确定等问题。而短时傅里叶变换存在需要选择窗口类型和宽度及窗口宽度固定等缺陷，在电能质量分析中的使用也收到限制[3-4]。S变换作为小波变换和算式傅里叶变换的继承和发展，S变换采用高斯窗函数且宽度与频率的倒数成正比，其结果具有直观性且不易受噪声影响。S变换的结果为一个复时频矩阵，其中包含幅值，频率和相位等分布信息，非常适合进行电能质量扰动信号的特征提取。KNN（K-Nearest Neighbor）是一种理论上比较成熟的算法，具有结构简单，训练速度快等优点，模糊K最近邻算法（Fuzzy KNN）是将模糊理论与K最近邻法相结合的一种改进算法。该文用Matlab7.0仿真6种常见电能质量扰动信号，提出了基于S变换的特征提取算法，并结合模糊KNN算法分类器的暂态电能质量扰动的自动分类。 　　1 S变换基本原理 　　S是一种时频可逆分析方法，其思想是对连续小波变换和短时傅里叶变换的发展。 　　信号h（kT）经过S变换得到一个复时频矩阵，记为S矩阵，其列元素对应时间采样点，行元素对应频率采样点。将S矩阵各个元素求模后得到的矩阵为S模时频矩阵，其列向量表示