(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111645068.1 (22)申请日 2021.12.3 0 (71)申请人 安徽大学 地址 230039 安徽省合肥市经济技 术开发 区九龙路1 11号 (72)发明人 杨猛　 (74)专利代理 机构 苏州知释知识产权代理事务 所(普通合伙) 32501 专利代理师 刘锡莉 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G01R 31/00(2006.01) (54)发明名称 一种基于二维离散余弦S变换的电能质量扰 动识别方法 (57)摘要 一种基于二维离散余弦S变换的电能质量扰 动识别方法， 包括以下步骤： 步骤S1： 将需要识别 的一维电能质量扰动信号转换成二维图像矩阵； 步骤S2： 对转换成二维图像矩阵后的扰动信号应 用二维离散余弦S变换方法， 生成振幅矩阵； 步骤 S3： 提取振幅矩阵中基于统计、 能量和图像的特 征； 步骤S4： 再使用多目标优化算法第二代非支 配排序遗传算法生成特征中最相关的特征组； 步 骤S5： 采用机器学习支持向量机分类器进行分 类。 本发明克服了现有技术的不足， 能够准确高 效识别17类电能质量事件， 并且有较好的抗噪 性， 同时对复合扰动也有较高的分类准确率， 为 电能质量扰动分类问题提供了新的方法。 权利要求书1页 说明书3页 附图5页 CN 114492509 A 2022.05.13 CN 114492509 A 1.一种基于二维离散余弦S变换的电能质量扰动识别方法， 其特征在于， 包括以下步 骤： 步骤S1： 将需要识别的一维电能质量扰动信号 转换成二维图像矩阵； 步骤S2： 对转换成二维图像矩阵后的扰动信号应用二维离散余弦S变换方法， 生成振幅 矩阵； 步骤S3： 提取振幅矩阵中基于统计、 能量和图像的特 征； 步骤S4： 再使用多目标优化算法第 二代非支配排序遗传算法生成特征中最相关的特征 组； 步骤S5： 采用机器学习支持向量机分类 器进行分类。 2.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法， 其特 征在于： 所述步骤S1是依据扰动信号的周期性对其等长截取后分别映射成列向量进行重 组。 3.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法， 其特 征在于： 所述 步骤S3具体包括以下步骤： 步骤S31： 根据得到振幅矩阵 图像分成3 6个子块； 步骤S32： 分别提取基于统计的特 征、 基于能量的特 征和基于二维信号处 理的特征； 步骤S32： 形成一个总的特 征矩阵。 4.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法， 其特 征在于： 所述步骤S32中， 基于统计的特征包括算术平均数、 调和平均数、 标准差、 偏度、 峰 度； 基于能量的特 征包括能量、 熵、 对数能量熵； 基于二维信号处 理的特征包括同质性。 5.根据权利要求1所述的一种基于二维离散余弦S变换的电能质量扰动识别方法， 其特 征在于： 所述 步骤S4具体包括以下步骤： 步骤S41： 使用多目标遗传算法进行降维， 通过使用两个适应度函数选择出特征数目最 少、 分类准确率 最高的最佳 结果， 得到最 适合的特征组。权　利　要　求　书 1/1 页 2 CN 114492509 A 2一种基于二维离散 余弦S变换的电能质量扰动识别方 法 技术领域 [0001]本发明涉及电能质量扰动信号识别技术领域， 具体涉及一种基于二维离散余弦S 变换的电能质量扰动识别方法。 背景技术 [0002]在现代电网中获得可靠和高质量的电能已成为供应商和消费者最重要的目标之 一。 风力发电厂、 太阳能发电厂等可再生能源的整合， 电力电子转换器的使用增加， 大型工 业负荷的调整切换， 居民区和工业区敏感电子负荷的增加使用， 都会导致电能质量扰动。 因 此， 对电能质量扰动的自动识别和分类， 以实现电网中生产者和消费者的健康工作 环境， 是 当前研究的主题。 [0003]PQD的识别分类是电能质量分析和控制的关键， 分类方法一般要经过特征提取、 特 征选择和分类三个主要步骤。 目前一 维信号处理方法被广泛用于提取代表电能质量扰动的 特征， 如短时傅里叶变换、 小 波变换、 S变换和希尔伯特 ‑黄变换等。 [0004]目前技术中， 一维变换存在各种各样的问题， 如短时傅里 叶变换衡量时频分辨率 困难， 捕捉信号瞬态特征的能力较低； 小波变换具备时频分析能力， 适合分析突变的非平稳 信号， 但易受噪声影响， 存在计算量较大、 母函数选择困难等问题； S变换抗噪能力强， 不需 要设置窗函数， 被较多用于电能质量扰动的检测与分类， 但存在运算量大的不足； 希尔伯 特‑黄变换是非平稳信号分析的常用方法之一， 该方法对信号的奇异 点敏感， 在分析暂态电 能质量问题时有较好的动态性能， 但同样存在抗噪性能差等问题。 二维方法中同样存在 复 杂度较高， 识别准确率较低的问题。 发明内容 [0005]针对现有技术的不足， 本发明提供了一种基于二维离散余弦S变换的电能质量扰 动识别方法， 克服了现有技术的不 足， 能够准确高效识别17类电能质量事件， 并且有较好的 抗噪性， 同时对复合扰动也有较高的分类准确 率， 为电能质量扰动分类问题提供了新的方 法。 [0006]为实现以上目的， 本发明通过以下技 术方案予以实现： [0007]一种基于二维离 散余弦S变换的电能质量扰动识别方法， 包括以下步骤： [0008]步骤S1： 将需要识别的一维电能质量扰动信号 转换成二维图像矩阵； [0009]步骤S2： 对转换成二维图像矩阵后的扰动信号应用二维离散余 弦S变换方法， 生成 振幅矩阵； [0010]步骤S3： 提取振幅矩阵中基于统计、 能量和图像的特 征； [0011]步骤S4： 再使用多目标优化算法第二代非支配排序遗传算法生成特征中最相关的 特征组； [0012]步骤S5： 采用机器学习支持向量机分类 器进行分类。 [0013]优选地， 所述步骤S1是依据扰动信号的周期性对其等长截取后分别映射成列向量说　明　书 1/3 页 3 CN 114492509 A 3