基于VMD-SAST的电能质量扰动分类识别方法

新能源大规模并网以及电力电子设备广泛应用引起的复杂电能质量扰动(power quality disturbances,PQDs)会威胁电力系统的安全稳定运行.针对复杂PQDs难以精准检测识别的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)与同步压缩自适应 S 变换(synchrosqueezing adaptive S-transform,SAST)的PQDs检测识别方法.首先,使用VMD将PQDs信号分解为多个模态分量,每个分量只保留局部扰动特征,降低PQDs信号的复杂度;其次,提取一种SAST时频分析方法,改善时频分辨率,集中频谱中...

Full description

Saved in:
Bibliographic Details
Published in中国电力 Vol. 57; no. 2; pp. 34 - 40
Main Authors 张博智, 张茹, 焦东翔, 王龙宇, 周一凡, 周丽霞
Format Magazine Article
LanguageChinese
Published 国网冀北电力有限公司计量中心,北京 100032 01.02.2024
Subjects
特征提取
variational mode decomposition
变分模态分解
机器学习
feature extraction
power quality disturbances
machine learning
电能质量扰动
Online AccessGet full text
ISSN1004-9649
DOI10.11930/j.issn.1004-9649.202311091

Cover

More Information
Summary:新能源大规模并网以及电力电子设备广泛应用引起的复杂电能质量扰动(power quality disturbances,PQDs)会威胁电力系统的安全稳定运行.针对复杂PQDs难以精准检测识别的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)与同步压缩自适应 S 变换(synchrosqueezing adaptive S-transform,SAST)的PQDs检测识别方法.首先,使用VMD将PQDs信号分解为多个模态分量,每个分量只保留局部扰动特征,降低PQDs信号的复杂度;其次,提取一种SAST时频分析方法,改善时频分辨率,集中频谱中的能量分布,提高对PQDs信号的检测精度;最后,基于VMD-SAST提取扰动特征,利用3种不同算法实现对PQDs信号的分类识别.通过仿真分析表明:所提出的方法具有较高的PQDs分类识别精度、较高的适用性和较强的抗噪声能力.
ISSN:1004-9649
DOI:10.11930/j.issn.1004-9649.202311091