(19)中华 人民共和国 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 202111647126.4 (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 代理人 刘锡莉 (51)Int.Cl. G06F 30/25(2020.01) G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/10(2020.01) (54)发明名称 一种基于图像增强和二维变换的电能质量 扰动识别方法 (57)摘要 一种基于图像增强和二维变换的电能质量 扰动识别方法， 包括以下步骤： 首先将一维的电 能质量扰动信号转换成等行列的二维信号， 利用 二维离散正交S变换方法从二维信号中得到其振 幅矩阵， 再对振幅矩阵进行二维卷积以及伽马校 正优化处理， 根据优化后的矩阵图像特征进行重 新分块， 然后提取其基于统计、 能量和图像的特 征， 再使用非支 配排序粒子群优化算法将提取的 大量特征降维成少量有用的特征 组， 最后使用支 持向量机进行分类。 本发明克服了现有技术的不 足， 通过使用图像增强算法处理振幅图像， 提高 了二维振幅图像的幅频特征， 相比于现有方法， 对低噪声情况 下的扰动识别准确率 提升明显 。 权利要求书1页 说明书3页 附图8页 CN 114417684 A 2022.04.29 CN 114417684 A 1.一种基于 图像增强和二维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： 将一维电能质量扰动信号 转化成二维灰度信号； 步骤S2： 对二维灰度信号使用二维离 散正交S变换 方法得到二维信号的振幅矩阵； 步骤S3： 对 振幅矩阵运用二维卷积变换和伽马校正进行优化处 理； 步骤S4： 对 优化后的振幅矩阵重新分块并提取基于统计、 能量和图像的特 征； 步骤S5： 对特征集合使用非支配排序粒子群优化算法方法优化特征相关性， 得到最优 特征集合； 步骤S6： 使用支持向量机分类 器对各类 扰动信号进行分类识别。 2.根据权利要求1所述的一种基于图像增强和二维变换的电能质量扰动识别方法， 其 特征在于： 所述步骤S1中， 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， 将由1024个数据点组成的一维信号 转换成一个32* 32的二维图像信号。 3.根据权利要求1所述的一种基于图像增强和二维变换的电能质量扰动识别方法， 其 特征在于： 所述步骤S 3中， 二维卷积变换的变换方式为自卷积， 卷积 类型为Valid型， 最终的 卷积结果与原振幅矩阵的尺寸相同。 4.根据权利要求1所述的一种基于图像增强和二维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： 根据二维卷积优化矩阵的特 征， 对其进行重新分块； 步骤S42： 再对新矩阵振幅图像结果， 以不同颜色的黑白点表示不同的矩形块区域， 新 矩阵共分为69块； 步骤S43： 根据分块情况对各信号矩阵提取基于统计、 能量和图像的特 征。权　利　要　求　书 1/1 页 2 CN 114417684 A 2一种基于图像增强和二维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识别技术领域， 具体涉及一种基于图像增强和二维变换 的电能质量扰动识别方法。 背景技术 [0002]随着现代社会的发展， 电网将人们的生活紧紧的联系在一起。 目前非线性负载在 电网中急剧增加， 电能质量问题也日益严重， 冲击性负载会导致供配电网络中电压发生各 种电能质量扰动现象， 严重时会造成电压敏感的电力 设备运行故障甚至永久性损毁， 以至 于造成巨大的经济损失和不良影响。 因此对电网中出现的各种电能质量扰动事件进行准确 分类有着重要的意义。 分析识别电能质量扰动现象是开展针对性治理和提高电能质量的前 提。 [0003]其中利用二维离散正交S变换生成电能质量扰动信号的特征， 再使用第二代非支 配排序遗传算法和K近邻选择特征数最少、 识别准确率最高的特征 组， 实验结果表明该方法 对11种电能质量扰动信号有较好的识别准确率。 [0004]目前现有技术下使用二维时频变换进行电能质量扰动识别的方法里存在幅频特 征不明显， 对噪声或复合扰动识别准确率低的问题。 发明内容 [0005]针对现有技术的不足， 本发明提供了一种基于图像增强和二维变换的电能质量扰 动识别方法， 克服了现有技术的不 足， 设计合理， 通过使用图像增强方法提高二维振幅图像 的幅频特征， 结果特征优化算法以及机器学习分类， 对噪声环境下电能质量扰动识别准确 率有显著提高， 特别在信噪比较低时， 优势更加明显， 体现出良好的抗噪性。 [0006]为实现以上目的， 本发明通过以下技 术方案予以实现： [0007]一种基于图像增强和二维变换的电能质量扰动识别方法， 包括以下步骤： [0008]步骤S1： 将一维电能质量扰动信号 转化成二维灰度信号； [0009]步骤S2： 对二维灰度信号使用二维离 散正交S变换 方法得到二维信号的振幅矩阵； [0010]步骤S3： 对 振幅矩阵运用二维卷积变换和伽马校正进行优化处 理； [0011]步骤S4： 对 优化后的振幅矩阵重新分块并提取基于统计、 能量和图像的特 征； [0012]步骤S5： 对特征集合使用非支配排序粒子群优化算法方法优化特征相关性， 得到 最优特征集合； [0013]步骤S6： 使用支持向量机分类 器对各类 扰动信号进行分类识别。 [0014]优选地， 所述步骤S1中， 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， 将由1024个数据点组成的一维信号 转换成一个32* 32的二维图像信号。 [0015]优选地， 所述步骤S3中， 二维卷积变换的变换方式为自卷积， 卷积类型为Valid型， 最终的卷积结果与原振幅矩阵的尺寸相同。 [0016]优选地， 所述 步骤S4具体包括以下步骤：说　明　书 1/3 页 3 CN 114417684 A 3