基于二维离散平稳小波的电能质量扰动分类 power quality disturbance classification based on 2-d static wavelet transform.pdfVIP

第31卷第10期 电力系统自动化 V01．31No．10 2007年5月25日 AutomationofElectricPower 25，2007 Systems May 21 基于二维离散平稳小波的电能质量扰动分类 李 霖，杨洪耕 (四川大学电气信息学院，四川省成都市610065) 摘要：针对电能质量扰动分类这一难题，提出一种基于二维离散平稳小波的分类方法。首先对信 号进行一层二维小波变换，得到一个低频分量和水平、垂直和斜线3个高频分量，利用这4个部分 的信号能量组成特征向量，再通过水平高频系数的模极大值将稳态和暂态扰动分开，分别建立稳态 和暂态神经网络实现分类。该方法只需要采用最简单的小波函数dbl对信号进行一层小波变换， 对噪声不敏感，简单易行。仿真结果表明了该方法的有效性。 关键词：电能质量扰动；二维离散平稳小波；概率神经网络；分类 中图分类号：TM935 0 引言 1 二维离散平稳小波变换基本原理 近年来，电能质量问题日益受到电力部门和用 二维离散小波变换[11。133与一维离散小波变换不 户的重视，大多数输电和配电系统都安装了电能质 同，二维离散小波变换是在二维数据(行和列)上实 量监测设备，采用人工方法对这些监测数据进行收 现，把尺度J，的二维数据低频部分分解成4个部分： 集处理，数据量大，效果也不佳，有必要对各种电能 在行和列的数据上同时取低频得到的是尺度J+1的 质量扰动(PQD——powerqualitydisturbance)进 低频(LL)部分，在行的数据上取低频、在列的数据 行识别分类uj。 上取高频得到的是水平高频(LH)部分，在行的数据 国内外学者已提出很多识别分类方法[2-6]，其中上取高频、在列的数据上取低频得到的是垂直高频 应用较为广泛的提取特征向量的方法有：一维小波 (HL)部分，在行和列的数据上同时取高频得到的是 变换口。4]、矗q变换口1和S变换口1等。一维小波方法 斜线高频(HH)部分(二维数据形成方法在第2节 利用多尺度分析特性，对多个频段内的信号求取统 论述)。二维离散小波函数和尺度函数可以通过一 计量来实现不同种扰动信号的特征向量提取，但常 维离散小波函数和尺度函数经过张量积(tensor 常需要进行多层小波变换口]，计算量大，而且多尺度 product)变换得到： 判断的结果可能相互矛盾口3；S变换是在连续小波 尺度函数： 变换和短时傅里叶变换的基础上发展而来，具有良 垆(z，y)一9(z)妒(y)(1) 好的时频特性，但计算量偏大。分类方法常用的有： 小波函数： 人工神经网络(ANN)和支持向量机[6]。传统的 f驴H(z，y)一≯(z)P(∥) ANN存在收敛性较差、训练时间较长、可靠性有限 (2) {驴”(z，y)一P(z)妒(y) 的问题[61；支持向量机是一种统计学习算法，所需训 l妒D(z，y)一妒(z)妒(y) 练样本少，对特征矢量维数的限制