1.一种基于ISVMD‑HT的复合电能质量扰动参数辨识方法,其特征在于:通过最佳匹配延拓对连续变分模态分解算法进行改进,通过对经改进后的连续变分模态分解算法分解的模态分量分别进行希尔伯特变换,得到各模态分量对应的希尔伯特瞬时幅频谱;通过对瞬时频率谱分析对各扰动分量扰动发生的起止时间进行定位,利用其瞬时幅值谱可以对各扰动分量的幅值变化进行跟踪确定;最后通过对瞬时谱处理分析得到对复合扰动中各扰动成分的高精度参数辨识。
2.根据权利要求1所述的基于ISVMD‑HT的复合电能质量扰动参数辨识方法,其特征在于:通过最佳匹配延拓对连续变分模态分解算法进行改进具体包括以下步骤:步骤S1:采样得到原始信号x(t),分别求取信号的极值点序列ni;
步骤S2:选取特征波形,以包含左端点x(1)和极值点x(n1)、x(n2)、x(n3)的波形为特征波形W,长度为L,极值点x(n3)是特征波形的右端点;
步骤S3:往后截取匹配波形,在后续信号中,以x(n2k+1)作为右端点,向左取长度为L的波形,作为匹配波形Wk(k=2,3,…);
步骤S4:将曲率匹配作为最佳匹配延拓的关键指标,按照下式计算波段内采样点附近曲率,作为特征曲率C:式中,i为波段内采样点序列编号; 为第i个采样点的一阶导数,为第i个采样点的二阶导数;
步骤S5:选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选;利用式(1)计算k个波形段内采样点附近的曲率Ck(i);根据以下公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差;
式中,Cov(C,Ck)表示特征波段曲率与第k个匹配波段曲率的协方差;D(C)为特征波形曲率的方差,D(Ck)为第k个匹配波形曲率的方差;σk0表示特征波段与第k个匹配波段的绝对误差;N0为特征波段内采样点数,N为总采样点数;
步骤S6:以匹配度Pk0为最佳匹配延拓的比较指标来选取最优匹配波形,当第k波形段绝对误差满足σ<α*L且匹配度Pk0最大,以Wk为最佳匹配波形段;以其左端点x(i)的前一点x(i‑
1)作为延拓波形的右端点,向左截取长度为u的波形作为延拓波形;u的大小根据扰动信号的情况确定;将延拓波形左移至x(1)前,完成信号的左端点延拓;并按照相同规则完成信号的右端点延拓:式中,α为常数,根据实际信号进行调整;Pk0为第k匹配波形段与特征波形段的匹配度指标;
如果未寻到最佳匹配波形段,表明内在曲率规律不适应边界选取的特征波形曲率变化趋势,即在波形端点处的扰动部分或非扰动部分波形长度太短,不能找到与之匹配的波形段;此时选取距离端点最近的极值点作为镜像延拓的镜面对称轴,完成端点处信号的延拓;
步骤S7:对延拓后的信号进行连续变分模态分解并初始化惩罚因子α和误差ε;假设输入信号被分解为L个本征模态,则有:f(t)=uL(t)+fr(t) (6)
式中,uL(t)为第L个本征模态函数,fr(t)表示残差分量,fr(t)表示前L‑1模态之和和未被分解的部分信号fu(t);
步骤S8:构建连续变分模态分解SVMD的约束项:J1、J2和J3:
(1)各个模态函数频率窄带应收敛于ωL,ωL为第L模态函数的中心频率;
(2)残差分量fr(t)在第L个模态函数有意义的情况下最小化:
式中, 为滤波算子,为了最小化fr(t)和uL(t)的模态混叠,经过滤波算子滤波的fr(t)能量应该最小化;
(3)第L个模态函数uL(t)在其他模态中心频率附近的能量应最小化:
(4)所有模态函数与fu(t)之和所得重构信号应等于延拓信号:
步骤S9:添加二次惩罚因子并构建拉格朗日约束问题,通过求解拉格朗日最优解,进而实现对延拓信号的SVMD分解:步骤S10:根据步骤S6延拓波形长度u,对分解后的模态分量分别进行延拓部分截取,获得对信号的改进连续变分模态分解ISVMD。
3.根据权利要求2所述的基于ISVMD‑HT的复合电能质量扰动参数辨识方法,其特征在于:对经所述改进连续变分模态分解ISVMD分解后的模态分量分别进行希尔伯特变换求取各模态分量的瞬时幅频谱;通过对瞬时频率谱分析可以对各扰动分量扰动发生的起止时间进行定位,利用其瞬时幅值谱对各扰动分量的幅值变化进行跟踪确定;由此实现对复合电能质量扰动各扰动组成分量参数的准确辨识。
4.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑3其中任一所述的基于ISVMD‑HT的复合电能质量扰动参数辨识方法。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑3其中任一所述的基于ISVMD‑HT的复合电能质量扰动参数辨识方法。