电压暂降分类特征可比性、相关性及马氏距离分类法

分类特征选取和分类方法是电压暂降分类的基础。从分类学原理出发,针对不同分类目标的电压暂降分类,引入电压暂降分类特征概念,研究同类和异类暂降分类特征的可比性,提出基于费希尔判别准则的分类特征线性判别和分类特征选取方法;考虑同类和异类暂降间分类特征相关程度的不同,提出基于马氏距离的电压暂降分类方法。以短路故障、变压器空载激磁和大型感应电动机起动引起的电压暂降为分类目标,对理论样本和不同情况下实测数据的分析证明该方法正确性、可行性和良好的噪声鲁棒性,并证明,在分类过程中考虑特征属性可有效提升其分类性能。

基于S变换标准模板相似度的电压暂降分类

提出了一种基于S变换的标准模板相似度的电压暂降分类方法。采用双线性插值尺度变换形成各类持续时间不同暂降的全局模板;提取全局模板中最能反映该类暂降特征的特定部分建立该类暂降的唯一标准模板。将未知暂降信号的模时频矩阵经尺度变换和局部化提取后的实测局部模板与标准模板做相似度对比,依据模板相似度最大原则进行分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力强,解决了持续时间不同的暂降信号需建立不同模板的问题,分类过程简洁直观。Matlab仿真和实际试验结果显示,该方法在噪声情况下可准确对所考查的暂降信号进行分类,是一种有效的电压暂降分类方法。

基于HHT和特征离散化的电压暂降扰动源分类特征提取

特征提取是分类问题最关键的环节之一,针对电压暂降扰动源分类中分类特征的提取问题进行研究。首先基于希尔伯特—黄变换(HHT)和类别—属性关联程度最大化(CAIM)离散化方法提出了三种分类特征提取方案,然后分别在决策树(DT)、概率神经网络(PNN)和支持向量机(SVM)上进行了验证。仿真结果表明,基于HHT的特征提取方法可提取有效的电压暂降扰动源分类特征。而且特征的离散化处理可以在不降低分类精度的前提下,有效压缩训练样本集。同时增强分类算法的鲁棒性,对实现电压暂降扰动源的快速、准确识别具有重要的意义。