第3章 基于多分辨率快速S变换的电能质量分析技术研究

为提高电能质量扰动识别准确率与分析能力，本章提出了一种多分辨率快速S变换方法，用于高噪声工业环境下的电能质量扰动信号识别。首先，分析广义S变换在不同窗宽调整因子时，时间-幅值曲线与频率-幅值曲线中扰动起、止处峭度与扰动参数检测误差间的关系；之后，根据离差最大化法确定不同频率范围内最优窗宽调整因子，并通过3次样条插值法进行拟合，自适应调整不同扰动信号识别和参数检测所需最优窗宽；最后，针对广义S变换冗余计算较多的特点，设计多分辨率快速S变换（Multiresolution fast S-transform，MFST）方法以降低运算量满足实时性要求。

经过S变换后获得的扰动信号的时-频模矩阵具有灰度图像特点。因此，可通过二维数学形态学方法，滤除噪声干扰，获得更高的识别准确率。首先，在阈值滤波基础上，根据信号时-频分布特点，选择线段型、零角度结构元进行灰度级形态学开运算，滤除高频频域噪声；之后，从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征用于构建决策树分类器，识别含噪声信号与6种复合扰动信号在内的13种电能质量信号；最后，提出最小分类损失原则，确定决策树节点分类阈值，设计扰动分类器。通过仿真对比实验发现，本方法具有更好的抗噪能力，更加适用于低信噪比环境下的电能质量信号识别。