18基于S变换的电能质量扰动识别研究分析文档

我们针对每种电能质量的扰动信号分别都画了四种类型的仿真图。

其中图为各类电能质量扰动信号的仿真图，不过这与前面所讲过的各类电能质量扰动信号的仿真图不同，该图的横坐标为采样点而不是时间，纵坐标没变，依然是幅值。

图为变换的频谱标准差曲线的仿真图，该图的横坐标为频率，纵坐标为各类电能质量扰动信号变换后所得的幅值矩阵各个行向量即各个频率下的标准差。

图为变换的最大频谱幅值曲线的仿真图，该图的横坐标为频率，纵坐标为各类电能质量扰动信号变换后所得的幅值矩阵各个行向量即每行的极引言智能电网的构建，使智能化发展的趋势更加明显。

电力公司各类设备制造商以及用户不得不提高对电能质量问题的关注度。

起初，实时在线监测系统采集和记录与决策树相结合的研究方法识别的正确率高，而且抗噪声能力强，是种非常适用的方法。

关键词电力系统电能质量电能质量扰动变换决策树特征提取分类识别与决策树相结合的研究方法识别的正确率高，而且抗噪声能力强，是种非常适用的方法。

关键词电力系统电能质量电能质量扰动变换决策树特征提取分类识别引言智能电网的构建，使智能化发展的趋势更加明显。

电力公司各类设备制造商以及用户不得不提高对电能质量问题的关注度。

起初，实时在线监测系统采集和记录的电能质量扰动信号波形数据量很大，需要对其进行分类，即使非常熟练的技术人员也是项比较费时费力的工作。

现在，科学技术的改革和创新，学者们研究出种自动分类的算法。

数据挖掘技术的发展给各类扰动类型的自动识别提供了有效的技术手段。

本论文从变换和决策树入手对电能质量扰动识别深入地实验研究。

课题的背景及研究的意义电力系统运行的基本要求是保证可靠安全的供电合格的电能质量水平良好的经济性。

电能，我们离不开的能源，它的应用情况直接反映了个国家的经济水平和科技力量。

电能作为走进市场的种特殊的商品，它与其它的商品和服务样，也具有质量的属性。

为此，电力部门应该提供社会安全生产和人民高效生活的优质电能，额定频率为，所以每个周期采样的点数为个，共个周期。

我们针对每种电能质量的扰动信号分别都画了四种类型的仿真图。

其中图为各类电能质量扰动信号的仿真图，不过这与前面所讲过的各类电能质量扰动信号的仿真图不同，该图的横坐标为采样点而不是时间，纵坐标没变，依然是幅值。

图为变换的频谱标准差曲线的仿真图，该图的横坐标为频率，纵坐标为各类电能质量扰动信号变换后所得的幅值矩阵各个行向量即各个频率下的标准差。

图为变换的最大频谱幅值曲线的仿真图，该图的横坐标为频率，纵坐标为各类电能质量扰动信号变换后所得的幅值矩阵各个行向量即每行的极大值。

图为变换的工频幅值曲线的仿真图，该图的横坐标为采样点，纵坐标为各类电能质量扰动信号变换后所得的幅值矩阵的频率为所对应那行的幅值。

图电压暂降仿真图及其时图电压暂升仿真图及其时频统计信息图频统计信息图图电压中断仿真图及其时图暂态振荡仿真图及其时频统计信息图频统计信息图图谐波仿真图及其时频统图谐波加电压暂降仿真图计信息图及其时频统计信息图图谐波加暂升及时频统计信息图电能质量各类扰动信号的特征分析通过对上面各图的分析比较，我们可以提取出些特征参数用于分类识别。

特征提取非常关键，因为它关系到分类识别的正确率。

假如特征参数选取的不够好，那么决策树分类识别的方法也不可能出现好的分类效果。

我感觉特征量的提取应该在保证识别正确率的前提下，尽可能的减少它的数量，但是包含原来的大部分的有用的信息。

在这里，我们根据电能质量各类扰动信号的仿真图及其时频统计信息图，提取出种特征参数，下面我对这种特征量做的介绍。

是针对图而言的，它是基频段也就是左右范围内是否存在变换以后得到的模值矩阵的最大标准差。

假如左右范围内存在变换以后得到的模值矩阵的最大标准差，那么如果不满足上述的条件，那么。

是针对图而言的，它是变换的最大频谱幅值曲线的仿真图中所包含的峰值的个数。

假如电能质量各类扰动信号中仅有工频部分频率，那么如果电能质量各类扰动信号中除了工频频率部分还有高频部分，那么。

是针对图而言的，它是变换的工频幅值曲线的平均值。

它的公式可以写为，。

其中。

是指发生扰动之后幅值的变化最大程度指标。

它的计算过程比较复杂，具体如下第，在变换后的工频幅值曲线中寻找最值所对应的采样点，并令它为点第二，算出该点前后四分之周波的时域的原始采样波形的有效值。

它的公式如下。

其中，如果，那么让如果，那么让是在信号没有发生扰动情况下，也就是正常标准信号的有效值。

是针对图而言的，它是变换后的模值矩阵的最大标准差在高频段是否存在。

假如变换后的模值矩阵的最大标准差在高频段存在，那么否则，。

据此，对于暂态信号来说，而对于稳态信号来说。

根据这点定义，特此说明，其实我画的谐波信号的图就是不准确的，属于分错的那类，毕竟机器和程序难免在运行后存在误差，也让读者明白分类识别准确率的意义。

提取出特征参数后，我们根据上面的仿真图这些提取出的特征量以及各类电能质量扰动信号的定义，设计出个特征参数表，如下表所示。

表特征参数表扰动的类型电压暂降小于电压暂升大于电压中断小于暂态振荡谐波谐波加电压暂降小于谐波加电压暂升大于电能质量的扰动信号的分类识别决策树模型的构建决策树是解决多分类问题的有效的方法，特别是在类别较多时，该方法的关键是要确定其特征量和阈值。

它应用的是归纳推理算法，结构像流程图的树形。

构造个决策树可分为两个步骤第，决策树的生长第二，决策树的剪枝。

决策树有很多的优点，其中最大的优点它可以写成的分类算法形式。

构造决策树的详细的办法是用基尼指数或者增益比率求出数据库中最大信息量的属性，构建树的个节点，然后利用属性中不同值建立树的分支，重复该步骤就可以建成个完整的树结构即决策树。

对决策树通过决策树剪枝可以解决训练过程的过拟合的情况，避免了该种现象的出现，这在定的程度上使决策树的分类识别的正确率得到了提升，从而更加的接近我们想要的结果。

电能质量各类扰动信号进行变换特征提取决策树分类识别结果暂态振荡，谐波电压暂降，暂升，中断谐波加暂降，谐波加暂升谐波暂态振荡暂降，中断电压暂升谐波加暂降谐波加暂升电压中断电压暂降通过上文的分析，我们构建了个电能质量各类扰动信号的分类的系统如下图所示。

图电能质量各类扰动信号的分类识别系统通过上面的特征参数表以及训练样本可以得出决策树的模型。

其模型如下图所示电压暂降，电压暂升，电压中断，暂态振荡，谐波，谐波加电压暂降，谐波加电压暂升图电能质量各类扰动信号决策树验证仿真分类结果的正确性为了说明上文提出的电能质量各类扰动信号的分类识别系统的正确性，我们应该对它进行验证分析。

其实这个系统已经被学者验证过了，我来解说下，说明验证结果表是怎么来的。

我们共研究了类电能质量扰动信号，可以取每类电能质量扰动信号样本个，那么共就有个电能质量扰动信号样本。

样本的产生可以使用循环，后文附录中有电压暂降信号的程序的例子，只需把循环的更改为，这样就可以产生个电能质量扰动信号样本了。

样本生成之后都要对它进行变换，这样我们可以得到变换的复数矩阵，求取模值进而得到其模值矩阵。

对每个样本进行特征提取，用程序计算出相应的特征值，然后对他们进行统计分析，算出电能质量各类扰动信号分类识别的正确率，最后制作出相应的验证结果表。