采用自适应广义S变换与概率神经网络的电能质量扰动识别

摘要

针对S交换窗函数固定,时-频分辨率有限的缺点,提出一种根据电能质量扰动信号傅里叶谱特征,自适应调整窗函数宽度的广义S变换用于分析扰动信号.首先,根据暂态扰动信号傅里叶谱,确定信号主要频率成分,由此初步确定扰动类型.然后,根据扰动信号对时间与频率分辨率的不同需求,自适应调整广义S变换的窗宽调整因子,控制窗口宽度.将优化后的自适应广义S变换用于分析扰动信号.最后,提取7种特征,构造概率神经网络分类器,识别含2种复合扰动在内的10种扰动信号.仿真实验证明,新方法分类过程简单,识别准确率高,抗噪声干扰能力强.