针对复合电能质量扰动检测算法实时性差、时频分辨率低的问题,提出了一种基于改进自适应S变换(improved adaptive S transform, IAST)的电能质量扰动实时检测方法。构建全局自适应高斯窗作为IAST的核函数,可随检测频率变化自适应调整窗...针对复合电能质量扰动检测算法实时性差、时频分辨率低的问题,提出了一种基于改进自适应S变换(improved adaptive S transform, IAST)的电能质量扰动实时检测方法。构建全局自适应高斯窗作为IAST的核函数,可随检测频率变化自适应调整窗函数有效窗长及频谱,避免为提高时频分辨率频繁切换窗口参数,降低算法复杂度。以增强信号能量集中度为参数调优目标选取窗口参数,确保对各类扰动的精确时频定位。采用自动阈值法确定实际扰动信号的主频点,并对主频点进行时频变换,进一步提高算法执行效率。仿真和实测结果表明,相比于现有复合电能质量扰动检测算法,该检测方法实时性好、时频分辨能力强、计算复杂度低,适用于复杂电能质量扰动实时准确检测。展开更多
针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting ...针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。展开更多
文摘针对复合电能质量扰动检测算法实时性差、时频分辨率低的问题,提出了一种基于改进自适应S变换(improved adaptive S transform, IAST)的电能质量扰动实时检测方法。构建全局自适应高斯窗作为IAST的核函数,可随检测频率变化自适应调整窗函数有效窗长及频谱,避免为提高时频分辨率频繁切换窗口参数,降低算法复杂度。以增强信号能量集中度为参数调优目标选取窗口参数,确保对各类扰动的精确时频定位。采用自动阈值法确定实际扰动信号的主频点,并对主频点进行时频变换,进一步提高算法执行效率。仿真和实测结果表明,相比于现有复合电能质量扰动检测算法,该检测方法实时性好、时频分辨能力强、计算复杂度低,适用于复杂电能质量扰动实时准确检测。
文摘针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。
