基于小波轮廓描述符和动态时间扭曲的电压扰动分类.pdfVIP

第３４卷 第４期 电工 电能新 技 术 Ｖｏｌ．３４，Ｎｏ．４ ２０１５年４ 月 Ａｄｖａｎｃｅｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅｎｅｒｇｙ Ａｐｒ． ２０１５ 基于小波轮廓描述符和动态时间扭曲的电压扰动分类 吴　 杰， 吕春媚，崔　 彪 （燕山大学电气工程学院，河北秦皇岛０６６００４） 摘要：为更好地提高电压扰动信号的识别精度，提出了一种基于小波轮廓描述符和动态时间扭曲 的新算法。 首先将信号通过小波变换进行滤波处理，然后根据小波轮廓描述符的定义，在Ｍａｌｌａｔ 算 法的基础上提取各扰动信号的小波轮廓描述符作为参考模板，再通过动态时间扭曲分类器与参考 模板进行匹配，选取最优路径获得分类结果。 本文提出的识别方法无需先对扰动信号进行多种特 征提取再分类，识别过程较为简单；而且解决了对电压闪变和暂态脉冲等扰动不明显或扰动时间较 短的信号易引起误判的问题。 Ｍａｔｌａｂ仿真分析的结果证明，此方法能够快速有效地识别出扰动信 号，准确率高。 关键词：电能质量；扰动识别；动态时间扭曲算法；Ｍａｌｌａｔ算法；小波轮廓描述符 中图分类号：ＴＭ７１１　 　 　 　 　 文献标识码：Ａ　 　 　 文章编号：１００３⁃３０７６（２０１５）０４⁃００６２⁃０６ 合进行综合识别，但使用方法较多，使得计算量和工 １　 引言 作量增加。 文献［６］应用Ｓ变换并结合支持向量机 电能质量问题主要由各类电能扰动引起，其中 的方法较好地实现了电能质量扰动识别，但该方法 暂态电能质量问题诸如电压中断、电压暂降、电压暂 需要一定量的样本，且识别系统难以直观理解和定 升、暂态振荡、暂态脉冲等暂态扰动信号，成为当前 量分析。 文献［７］提到用子带滤波器组实现信号的 暂态电能质量问题的主要研究对象。 多分辨率分解，再用小波分解系数检测扰动特征向 传统的电能质量扰动信号分类思路主要是：提 量，但是由于噪声的影响，使得小波变换得到的系数 取特征，分类器分类。 文献［１］提出的基于 Ｍａｌｌａｔ 中，电能质量信号突变部分幅值与噪声幅值接近，造 算法和快速傅里叶变换的电能质量分析方法，对 成对比不明显。 可以看出诸如此类的方法都具有较 Ｍａｌｌａｔ算法的精准应用为本文提供了扰动时间定位 繁琐的过程，这使得扰动信号不能及时得到补偿，延 和构造小波轮廓描述符的基础。 但是Ｍａｌｌａｔ算法难 缓了电能质量的补偿与控制，也为经济运行带来损 以找出合适的阈值来区分是存在电能质量问题还是 失。 噪声的影响，所以难以实现程序的自动检测，不能单 由于小波是基于倍频分解的原理，只能提取信 独对扰动信号进行分类检测。 文献［２］提出的使用 号各频段的信息，很难提取出信号的基频分量，不能 连续小波变换对扰动信号检测与分类的新方法，在 给出各类扰动的明确分类限值，因此不能直接对扰 检测出常见的扰动信号后还可有效地检测出谐波， 动信号做识别分类。 针对上述问题，本文在数学形 但是该方法计算量较大，测得频率时具有一定的误 态学与动态时间扭曲算法（ＭＭ⁃ＤＷＴ）的基础上，提 ［８］ 差。 文献［３］通过提取出扰动特征量，综合决策树 出了基于小波轮廓描述符 （Ｗａｖｅｌｅｔ Ｂｏｕｎｄａｒｙ Ｄｅ⁃ 方法实现扰动信号的自动分类，但此方法分类算法 ｓｃｒｉｐｔｏｒｓＷＢＤ