一种基于混合算法的特征波形提取方法及分析方法与流程

1.本发明涉及数据特征提取，具体涉及一种基于混合算法的特征波形提取方法及分析方法。


背景技术：

2.电能是当今社会运作和发展不可或缺的资源，其应用水平在一定程度上反映了一个国家的经济水平，同时社会各个行业和家庭用户对电能数量和质量的需求日渐增长。为改善电力系统宽频谐振、电压扰动等电能质量问题，对电能质量数据进行长期的监测和智能化分析是必不可少的。如何根据目标信号的数据提取出有效的信息以进行进一步的暂态扰动检测与定位成为一个重要问题。
3.近些年，国内外学者提出了许多特征提取方法。提取的特征主要包括时域特征和频域特征，而时域特征包含信号幅值特征(均方根、峰值等)、统计特征(标准偏差、谐波均值等)和能量特征。利用fft提取频域特征包括基波幅值、总谐波畸变等。主要涉及的方法有不用的序列变换如希尔伯特变换、小波变换和s变换等。信号单一特征的提取已有较为成熟且全面的技术，而对于混合扰动特征提取还没有发现成熟的方法。同时，如何从复杂的暂态谐波扰动信号中提取合适的混合特征也是一大难题。


技术实现要素：

4.本发明针对现有技术存在的问题提供一种考虑暂态电能质量扰动信号复杂特征的混合变换算法特征波形提取方法及分析方法。
5.本发明采用的技术方案是：
6.一种基于混合变换算法的特征波形提取方法，特征波形包括采样信号x(k)对应的瞬时基波幅值a(k)、奇异值特征波形p(k)和只包含主要频率点的频谱xm(k)；
7.瞬时基波幅值a(k)提取方法如下：对采样信号进行快速傅里叶变换得到序列x(k)，对得到的序列进行滤波得到基波信号；
8.对基波信号进行希尔伯特变换即可提取得到瞬时基波幅值；
9.奇异值特征波形p(k)提取方法如下：根据基波信号l(k)得到高频信号h(k)，利用滑移奇异值分解提取信号的奇异值特征波形p(k)；
10.只包含主要频率点的频谱xm(k)提取方法如下：利用包络极值算法从序列x(k)中提取只包含主要频点的频谱xm(k)；
11.其中，k为对应的采样点，k＝1,2,
…
,n，n为信号长度，采样频率为fs。
12.进一步的，所述瞬时基波幅值a(k)提取方法具体过程如下：
13.s11：对采样信号进行快速傅里叶变换得到序列x(k)；
14.s12：对序列x(k)做fftshift变换得到变换后的序列xs(k)；
15.xs(k)＝fftshift(x(k))＝[x(k1),x(k2)]
[0016]
其中，k＝1,2,
…
,n-1，n为信号长度；fftshift为频率对齐函数；
[0017]
s13：对xs(k)滤波即可得到序列g(k)；
[0018][0019]
其中，f
l
为截止频率，floor为向下取整，δf＝fs/n为采样频率间隔；
[0020]
s14：采用fftshift变换还原序列g(k)频率成分位置，经快速傅里叶逆变换提取基波信号l(k)；
[0021]
l(k)＝ifft(fftshift(xs(k)
·
g(k)))
[0022]
s15：对基波信号进行希尔伯特变换即可提取得到瞬时基波幅值；
[0023]
a(k)＝abs(ht(l(k)))。
[0024]
进一步的，所述奇异值特征波形p(k)提取方法具体过程如下：
[0025]
s21：根据基波信号l(k)得到高频信号h(k)；
[0026]
h(k)＝x(k)-l(k)
[0027]
s22：从高频信号h(k)中选取m个连续数据点生成q行m-q 1列的hankel矩阵hk；
[0028][0029][0030]
其中，qk为高频信号h(k)中提取的m个数据点构成的定义向量；
[0031]
s23：对hk进行奇异值分解即可获得奇异值特征波形p(k)：
[0032][0033]
其中：uk为对角矩阵，λk与正交；
[0034][0035]
[0036]
其中，为矩阵hk的特征值。
[0037]
进一步的，所述只包含主要频率点的频谱xm(k)提取方法具体过程如下：
[0038]
s31：采集序列x(k)中所有极大值点，构成极大值序列|x1(j)|，j＝1,2，
…
，j，j为极大值点个数；
[0039]
s32：极大值包络|x2(k)|为：
[0040][0041]
其中，c＝0，1，
…
，d
j-1
；d1，d2，
…
，dj为相邻极值点相隔的频率点；
[0042][0043]
进一步的，所述步骤s13中，采用100hz低通滤波器对xs(k)进行滤波。
[0044]
采用提取得到的特征波形的波形分析方法，采用采样信号x(k)对应的瞬时基波幅值a(k)、奇异值特征波形p(k)和只包含主要频率点的频谱xm(k)进行目标信号识别与匹配。
[0045]
本发明的有益效果是：
[0046]
本发明考虑了暂态电能质量扰动信号的复杂特征，利用对应的算法对不同的特征进行提取，提高了特征的辨识度和可观性。
附图说明
[0047]
图1为本发明方法流程示意图。
[0048]
图2为本发明实施例中初始暂态电能质量信号。
[0049]
图3为本发明实施例中提取得到的瞬时基波幅值a(k)。
[0050]
图4为本发明实施例中提取得到的奇异值特征波形p(k)。
[0051]
图5为本发明实施例中提取得到的只包含主要频率点的频谱xm(k)。
具体实施方式
[0052]
下面结合附图和具体实施例对本发明做进一步说明。
[0053]
如图1所示，一种基于混合变换算法的特征波形提取方法，特征波形包括采样信号x(k)对应的瞬时基波幅值a(k)、奇异值特征波形p(k)和只包含主要频率点的频谱xm(k)；
[0054]
瞬时基波幅值a(k)提取方法如下：对采样信号进行快速傅里叶变换得到序列x(k)，对得到的序列进行滤波得到基波信号。对基波信号进行希尔伯特变换即可提取得到瞬时基波幅值。
[0055]
具体过程如下：
[0056]
s11：对采样信号进行快速傅里叶变换得到序列x(k)；
[0057]
s12：对序列x(k)做fftshift变换得到变换后的序列xs(k)；
[0058]
xs(k)＝fftshift(x(k))＝[x(k1),x(k2)]
[0059]
其中，k＝1,2,
…
,n-1，n为信号长度；fftshift为频率对齐函数；
[0060]
s13：对xs(k)采用100hz低通滤波器进行滤波即可得到序列g(k)；
[0061][0062]
其中，f
l
为截止频率，floor为向下取整，δf＝fs/n为采样频率间隔；
[0063]
s14：采用fftshift变换还原序列g(k)频率成分位置，经快速傅里叶逆变换提取基波信号l(k)；
[0064]
l(k)＝ifft(fftshift(xs(k)
·
g(k)))
[0065]
s15：对基波信号进行希尔伯特变换即可提取得到瞬时基波幅值；
[0066]
a(k)＝abs(ht(l(k)))。
[0067]
奇异值特征波形p(k)提取方法如下：根据基波信号l(k)得到高频信号h(k)，利用滑移奇异值分解(svd)提取信号的奇异值特征波形p(k)。
[0068]
具体过程如下：
[0069]
s21：根据基波信号l(k)得到高频信号h(k)；
[0070]
h(k)＝x(k)-l(k)
[0071]
s22：从高频信号h(k)中选取m个连续数据点生成q行m-q 1列的hankel矩阵hk；
[0072][0073][0074]
其中，qk为高频信号h(k)中提取的m个数据点构成的定义向量。
[0075]
s23：对hk进行奇异值分解即可获得奇异值特征波形p(k)：
[0076][0077]
其中：uk为对角矩阵，λk与正交；
[0078]
[0079][0080]
其中，为矩阵hk的特征值。
[0081]
只包含主要频率点的频谱xm(k)提取方法如下：利用包络极值算法从序列x(k)中提取只包含主要频点的频谱xm(k)；
[0082]
其中，k为对应的采样点，k＝1,2,
…
,n，n为信号长度，采样频率为fs。
[0083]
具体过程如下：
[0084]
s31：采集序列x(k)中所有极大值点，构成极大值序列|x1(j)|，j＝1,2，
…
，j，j为极大值点个数；
[0085]
s32：极大值包络|x2(k)|为：
[0086][0087]
其中，c＝0，1，
…
，d
j-1
；d1，d2，
…
，dj为相邻极值点相隔的频率点；
[0088][0089]
采用采样信号x(k)对应的瞬时基波幅值a(k)、奇异值特征波形p(k)和只包含主要频率点的频谱xm(k)进行目标信号的识别与匹配分析。
[0090]
为了对本发明方法进行验证，采用matlab进行数值模拟生成振荡暂态信号，如图2所示。向其加入信噪比为20db的高斯白噪声。
[0091]
采用本发明上述方法进行特征波形提取，结果如图3～5所示。图3中提取的瞬时基波幅值的幅值范围为0.9845-1.0177pu.，从而可知无幅值扰动的存在。图4是经过滑移奇异值分解的噪声处理得到的奇异值特征波形，可以看出噪声被有效地抑制，同时两个振荡的特征被增强。图5中只包含主要频率点的采样信号频谱特征xm，除基频50hz外还含有整数倍的谐波频率，表明了振荡暂态信号的特性。
[0092]
本发明采用混合变换算法对特征波形进行提取，利用希尔伯特变换、奇异值提取法和包络极值算法对采样信号进行不同特征波形的提取。按照信号中存在的波形特征针对性的特征提取以便进一步对信号进行检测与分析。考虑了暂态电能质量扰动信号的复杂特征，利用对应的变换算法对不同的特征进行提取，提高了特征的辨识度和可观性。