基于FST和LibSVM的電能質(zhì)量擾動信號分類

孫玉杰，張占強，孟克其勞，呂曉圓

(1.內(nèi)蒙古工業(yè)大學信息工程學院，內(nèi)蒙古 呼和浩特 010080；2.內(nèi)蒙古工業(yè)大學能源與動力工程學院，內(nèi)蒙古 呼和浩特 010080)

1 引言

近年來，電力電子設備及非線性負載使用量的增加，使電能質(zhì)量問題日趨嚴重，對電力系統(tǒng)和用電設備造成嚴重影響[1]。因此，對電能質(zhì)量擾動(Power Quality Disturbances，PQD)信號進行實時有效的分類，對于改善和提高電能質(zhì)量尤為重要。

PQD信號分析主要有特征提取和分類。特征提取的主要方法有短時傅里葉變換(Short Time Fourier Transform，STFT)，小波變換(Wavelet Transform，WT)，希爾伯特-黃變換(Hilbert-Huang Transform，HHT)，S變換等。STFT時頻分辨率單一[2]；WT母函數(shù)選擇困難且易受噪聲影響[3]；HHT存在端點效應及模態(tài)混疊問題[4]；S變換計算時間長，存儲空間消耗大，難以實時監(jiān)測[5]。文獻[6]提出快速S變換(FST)算法，與傳統(tǒng)S變換的時間復雜度O(N3)相比，F(xiàn)ST的時間復雜度降為O(NlogN)，計算速度快。

分類方法主要有隨機森林(Random Forest，RF)[7]，神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)[8]，支持向量機(Support Vector Machine，SVM)[9]等。RF易受噪聲影響；ANN訓練時間長；SVM適合小樣本分類，準確率高。

為實現(xiàn)PQD信號準確快速分類，通過引入調(diào)節(jié)因子λ改進FST中的高斯窗函數(shù)，λ直接控制窗函數(shù)的寬度來提高FST變換的時頻分辨率，滿足不同擾動信號對時頻分辨率的要求，提高了信號特征提取精度。采用FST和LibSVM能夠在短時間內(nèi)識別單一和復合PQD信號，抗噪能力強，分類精度高。

2 電能質(zhì)量擾動信號特征提取

2.1 快速S變換原理

換是由Stockwell R.G等人提出的一種可逆線性時頻分析方法[10]。文獻[11]提出信號x(t)的快速S變換(FST)

(2)

對S(τ，f)進行FT，引入α域

α(v′，f)=FT(S(τ，f))=X(v′+f)×W(v′，σ)

(3)

對式(3)進行FT逆變換得到信號在S域內(nèi)的時頻矩陣

(4)

2.1.1 選……