暫態(tài)振蕩信號(hào)頻率檢測(cè)的M orlet小波譜峭度法

張巧革，劉志剛，陳剛

（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

暫態(tài)振蕩信號(hào)頻率檢測(cè)的M orlet小波譜峭度法

張巧革，劉志剛，陳剛

（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

針對(duì)電力系統(tǒng)暫態(tài)振蕩信號(hào)頻率檢測(cè)中存在的檢測(cè)過(guò)程復(fù)雜、易受噪聲影響且通用性不強(qiáng)的問(wèn)題，提出了一種基于Morlet復(fù)小波譜峭度的暫態(tài)振蕩信號(hào)頻率檢測(cè)方法。采用Morlet復(fù)小波對(duì)含噪暫態(tài)振蕩信號(hào)進(jìn)行小波分解獲得小波系數(shù)；利用小波系數(shù)絕對(duì)值計(jì)算信號(hào)的譜峭度；最后，通過(guò)最大值檢測(cè)方法實(shí)現(xiàn)對(duì)暫態(tài)振蕩的頻率檢測(cè)。針對(duì)譜峭度對(duì)噪聲適用范圍不明確的問(wèn)題，提出并定義相似度函數(shù)，用于分析算法對(duì)噪聲的敏感程度。仿真實(shí)驗(yàn)表明，該方法通用性較強(qiáng)，且計(jì)算過(guò)程簡(jiǎn)單，檢測(cè)精度可以滿足實(shí)際需求。

譜峭度；暫態(tài)振蕩信號(hào)；Morlet復(fù)小波變換；頻率檢測(cè)

暫態(tài)振蕩是一種常見(jiàn)的電能質(zhì)量暫態(tài)擾動(dòng)現(xiàn)象，其產(chǎn)生的原因有多種，其中最主要的就是電容器的投切。暫態(tài)振蕩常會(huì)導(dǎo)致電子設(shè)備的損壞、運(yùn)行設(shè)備的破壞，給電能質(zhì)量敏感用戶造成不可估量的損失[1]。由于暫態(tài)振蕩持續(xù)時(shí)間短，振蕩頻率高，目前對(duì)其針對(duì)性研究不是很多，還未引起足夠的重視[2]，給其檢測(cè)和識(shí)別帶來(lái)一定的困難。

短時(shí)傅里葉變換STFT（short-time Fourier transform）、小波變換和Prony算法是電力系統(tǒng)中常用的信號(hào)處理方法。但這些方法應(yīng)用于暫態(tài)信號(hào)分析時(shí)，都有其不足之處。STFT的時(shí)頻窗口沒(méi)有自適應(yīng)性，且參數(shù)選擇困難，不適合分析暫態(tài)振蕩信號(hào)的瞬變過(guò)程；小波變換雖然有時(shí)頻局部化的特點(diǎn)，但小波基不易選擇；Prony算法對(duì)噪聲非常敏感且需事先判斷信號(hào)發(fā)生的時(shí)刻。文獻(xiàn)[1]結(jié)合小波分析時(shí)頻局部化特點(diǎn)和Prony算法可以準(zhǔn)確獲取振蕩模式的優(yōu)點(diǎn)，提出基于特定頻帶的Prony暫態(tài)振蕩檢測(cè)方法，能夠檢測(cè)出暫態(tài)振蕩信號(hào)的幅值和頻率。文獻(xiàn)[3]結(jié)合STFT和小波分析的優(yōu)點(diǎn)，提出基于特定頻帶的STFT的方法，可準(zhǔn)確得到暫態(tài)信號(hào)中主要諧波頻率分量的頻率和幅值。文獻(xiàn)[4]提出基于聚類模態(tài)分解EEMD（ensembleempiricalmode decomposition）的希爾伯特-黃變換HHT（Hilbert-Huang transform）電能質(zhì)量擾動(dòng)檢測(cè)方法，能夠檢測(cè)暫態(tài)振蕩的頻率。但是，上述方法計(jì)算過(guò)程復(fù)雜且對(duì)噪聲比較敏感，不適用于含噪信號(hào)。

譜峭度的概念最早由Dwyer提出，用來(lái)檢測(cè)含噪信號(hào)中的瞬態(tài)成分[5]。隨后，Vrabie定義譜峭度為一個(gè)過(guò)程距離高斯性的度量，并在文獻(xiàn)[6]中將其應(yīng)用到滾動(dòng)軸承故障診斷中。Antoni在文獻(xiàn)[7]中系統(tǒng)定義了譜峭度，提出了基于STFT的譜峭度，論證了其具有檢測(cè)加性噪聲中非平穩(wěn)信號(hào)的能力。石林鎖和Sawalhi先后提出基于Morlet小波變換的譜峭度法，并將其應(yīng)用到機(jī)械故障診斷中[8，9]。由于譜峭度分析非平穩(wěn)暫態(tài)信號(hào)時(shí)具有良好的性質(zhì)，本文將其應(yīng)用于電力系統(tǒng)暫態(tài)振蕩信號(hào)頻率檢測(cè)中，基于Morlet小波變換譜峭度算法的基礎(chǔ)，提出并定義一種相似度函數(shù)，用來(lái)衡量算法對(duì)噪聲的敏感性，分析譜峭度的適用范圍。研究了Morlet小波參數(shù)對(duì)計(jì)算結(jié)果的影響和該算法檢測(cè)暫態(tài)振蕩頻率的適用性、穩(wěn)定性和有效性。

1 基本理論

1.1 譜峭度定義

譜峭度[7]SK（spectral kurtosis）是反映信號(hào)經(jīng)時(shí)頻分解后原始信號(hào)在某個(gè)頻率成分上峭度值大小的指標(biāo)。它可以指示一系列暫態(tài)信號(hào)的存在及其在頻域內(nèi)的位置，可以用來(lái)分析非平穩(wěn)信號(hào)。

非平穩(wěn)情況下，信號(hào)x（t）的Wold-cramer分解的頻域表達(dá)式[9]為

其中H（t，f）是隨時(shí)間變化的，可解釋為頻率f處的復(fù)包絡(luò)。

過(guò)程Y（t）的四階譜累積量定義為

式中，S（f）為譜瞬時(shí)矩，即

于是，譜峭度可定義為

1.2 基于小波變換的譜峭度

小波變換繼承和發(fā)展了短時(shí)傅里葉變換的局部化思想，能在時(shí)間域和頻率域同時(shí)對(duì)信號(hào)進(jìn)行局部化分析，因此在各個(gè)領(lǐng)域得到了廣泛關(guān)注[10～12]。

Morlet小波是一種連續(xù)復(fù)小波，其基小波定義為復(fù)指數(shù)函數(shù)與高斯函數(shù)的乘積。其采用的Gauss窗是時(shí)-頻面積最小的窗函數(shù)，時(shí)頻域局部化性能好，對(duì)稱性好，且其變換結(jié)果可同時(shí)反映信號(hào)的幅值和相位關(guān)系[13]。因此，選Morlet小波對(duì)原始信號(hào)進(jìn)行連續(xù)小波分解。

信號(hào)x（t）的連續(xù)小波變換表示為Wx（a，b）。以Morlet復(fù)小波函數(shù)為母函數(shù)的小波變換可表示為

在一個(gè)給定的尺度a上對(duì)信號(hào)進(jìn)行小波變換，得到小波系數(shù)，再利用小波系數(shù)的絕對(duì)值，根據(jù)式（6）計(jì)算每個(gè)頻率點(diǎn)對(duì)應(yīng)的峭度，便可得到信號(hào)的譜峭度。

基于小波變換的譜峭度計(jì)算公式為

2 算法原理與步驟

2.1 譜峭度算法的選擇

譜峭度的計(jì)算建立在時(shí)頻分析的基礎(chǔ)上，目前已有的計(jì)算譜峭度的算法主要有：基于STFT的譜峭度法、基于小波變換的譜峭度法和基于Wigner-Ville分布WVD的譜峭度法。其中基于STFT的譜峭度法，受限于時(shí)頻分辨率的折中問(wèn)題，信號(hào)噪聲較大時(shí)效果不理想；基于WVD的譜峭度具有許多良好的性質(zhì)，但由于電力系統(tǒng)暫態(tài)振蕩信號(hào)是基頻信號(hào)和振蕩信號(hào)的疊加，故其對(duì)于疊加信號(hào)的交叉項(xiàng)無(wú)法完全消除，從而影響分析效果；基于小波變換的譜峭度具有較高的分辨率，且其尺度變換能夠滿足暫態(tài)振蕩信號(hào)頻率檢測(cè)的需要，故選用基于小波變換的譜峭度法。

2.2 相似度函數(shù)的定義

非平穩(wěn)隨機(jī)過(guò)程可表示為

如果式（7）中N（t）為獨(dú)立于Y（t）的加性高斯噪聲，則N（t）的譜峭度可表示為

式中：KZ（f）和KY（f）分別為Z（t）和Y（t）在f處的SK值；ρ（f）為噪聲-信號(hào)功率比，ρ（f）=S2N（f）/ S2Y（f）。

為了描述KZ（f）和KY（f）的相似性，本文提出并定義一種相似度函數(shù)ε，用于分析算法對(duì)噪聲的適用范圍。由式（8）知，ρ（f）越小，KZ（f）和KY（f）的相似性越高，反之亦然。故相似度函數(shù)應(yīng)滿足以下性質(zhì)：

（1）ε取值應(yīng)在0～1范圍內(nèi)，且ε的值越大，表示KZ（f）和KY（f）的相似程度越高。

（2）當(dāng)沒(méi)有噪聲時(shí)，ρ（f）為零，KZ（f）與KY（f）完全相同，相似度為1。噪聲越大，KZ（f）和KY（f）的相似程度越低，ε的取值越小。

（3）ε的值隨噪聲變化的越快，說(shuō)明譜峭度對(duì)噪聲越敏感，反之亦然，故可由ε隨噪聲的變化率來(lái)反映譜峭度對(duì)噪聲的敏感程度。

基于以上考慮，相似度函數(shù)定義為

2.3 算法步驟

譜峭度算法步驟如下。

（1）選用Morlet小波作為小波基，設(shè)置帶寬、中心頻率、小波時(shí)間窗長(zhǎng)度等參數(shù)，對(duì)采集到的含噪信號(hào)進(jìn)行小波變換，得到小波系數(shù)矩陣；

（2）小波系數(shù)矩陣取絕對(duì)值后，對(duì)每一行先求二階累計(jì)量，再求其四階累計(jì)量；

（3）根據(jù)式（6）計(jì)算每一行的SK值，每個(gè)SK值對(duì)應(yīng)一個(gè)頻率點(diǎn)；

（4）根據(jù)式（9）計(jì)算不同噪聲條件下相似度函數(shù)ε，繪制相似度曲線，分析算法對(duì)噪聲的敏感程度；

（5）繪制頻率-譜峭度曲線，根據(jù)曲線特征，利用最大值檢測(cè)法檢測(cè)暫態(tài)振蕩信號(hào)的頻率；

（6）誤差分析，穩(wěn)定性和準(zhǔn)確性研究。

3 仿真分析

3.1 暫態(tài)振蕩信號(hào)仿真與小波變換參數(shù)選取

1）暫態(tài)振蕩信號(hào)的產(chǎn)生

本文采用文獻(xiàn)[14，15]中的數(shù)學(xué)模型產(chǎn)生暫態(tài)振蕩仿真信號(hào)，暫態(tài)振蕩模型為

利用式（10）產(chǎn)生基頻為50Hz、峰值為1.7 p.u.、振蕩頻率為500 Hz、持續(xù)時(shí)間2個(gè)周期、信噪比為20 dB的典型的暫態(tài)振蕩信號(hào)，如圖1所示。

2）小波變換參數(shù)的選取

以圖1中的信號(hào)為例，研究帶寬和小波分解尺度對(duì)譜峭度計(jì)算結(jié)果的影響。

首先，固定fc=2，m=500，取fb從1到9，對(duì)圖1中的信號(hào)求基于小波變換的譜峭度（采樣頻率fs=2 kHz），檢測(cè)結(jié)果見(jiàn)表1，部分譜峭度如圖2所示。

圖1 暫態(tài)振蕩信號(hào)波形Fig.1 Curve of transientoscillation signal

表1 不同帶寬的檢測(cè)值及檢測(cè)誤差Tab.1 Detection valuesand detection errors in differentbandw idth

圖2 不同帶寬的譜峭度對(duì)比Fig.2 Conparison of SK in differentbandw idth

表1中：fce為檢測(cè)頻率；fshi為暫態(tài)振蕩頻率；誤差e=|fce-fshi|/fshi。由表1和圖2可知，fc和m固定時(shí)，帶寬fb越大，譜峭度最大值越小。在一定范圍內(nèi)，帶寬對(duì)檢測(cè)精度基本無(wú)影響。

取fc=2，fb=6，令m的取值范圍為100～800，分別計(jì)算譜峭度，檢測(cè)結(jié)果見(jiàn)表2。

表2的數(shù)據(jù)表明，小波分解尺度對(duì)檢測(cè)結(jié)果幾乎無(wú)影響，當(dāng)m過(guò)小或過(guò)大時(shí)，誤差很小。

實(shí)驗(yàn)結(jié)果表明，只要在合適的范圍內(nèi)，帶寬和小波分解尺度的取值對(duì)結(jié)果的影響不大。從計(jì)算量和檢測(cè)精度兩方面綜合考慮，取fb=6，m=500，對(duì)算法的檢測(cè)精度和適用性進(jìn)行研究。

表2 不同分解尺度的檢測(cè)值及檢測(cè)誤差Tab.2 Detection valuesand errors in different wavelet scales

3.2 相似度曲線的計(jì)算及分析

根據(jù)譜峭度計(jì)算公式和相似度函數(shù)定義，對(duì)圖1所示的信號(hào)加入從小到大的白噪聲，根據(jù)式（6）和式（9）計(jì)算不同噪聲下相似度函數(shù)的值，噪聲-相似度曲線如圖3所示。

圖3 相似度曲線Fig.3 Sim ilarity curve

由圖3可知，沒(méi)有噪聲或噪聲非常小（信噪比較大）時(shí)，ε的值接近于1且衰減很快，這說(shuō)明噪聲很小時(shí)，譜峭度對(duì)噪聲的變化比較敏感；當(dāng)噪聲大到一定程度時(shí)，相似度函數(shù)值很小并且達(dá)到穩(wěn)定，說(shuō)明，此時(shí)譜峭度值受噪聲影響較小。由此推斷：噪聲很小時(shí)，算法不穩(wěn)定，噪聲達(dá)到一定的水平后，算法準(zhǔn)確度較高且較穩(wěn)定。

3.3 準(zhǔn)確性及適用性研究

為了探究該算法的準(zhǔn)確性及適用性，分別從暫態(tài)振蕩信號(hào)幅值、頻率、噪聲大小、暫態(tài)振蕩持續(xù)時(shí)間和疊加諧波等方面進(jìn)行仿真分析。

1）改變暫態(tài)振蕩信號(hào)幅值

改變圖1中仿真信號(hào)的幅值，其他參數(shù)不變，當(dāng)幅值α從0.1 p.u.增大到0.8 p.u.時(shí)，所測(cè)得的誤差隨幅值的變化如圖4所示。

圖4表明，振蕩幅值很小時(shí)（約小于0.22 p.u.），檢測(cè)結(jié)果誤差很大，幾乎不可用。但當(dāng)振蕩幅值大于0.22 p.u.時(shí)，平均誤差只有1.07%。這說(shuō)明，算法對(duì)振蕩幅值很小的暫態(tài)振蕩信號(hào)不適用。因?yàn)樾〔ㄗ儞Q本身會(huì)受噪聲影響，暫態(tài)振蕩幅值很小時(shí)，對(duì)小波分解系數(shù)影響很小，即使用譜峭度也很難得到準(zhǔn)確檢測(cè)結(jié)果。

圖4 誤差隨幅值的變化Fig.4 Error variation w ith am plitude change

2）改變暫態(tài)振蕩信號(hào)頻率

改變圖1中信號(hào)的頻率，其他參數(shù)不變，當(dāng)頻率從300Hz增大到900Hz時(shí)，所測(cè)得誤差隨頻率的變化如圖5所示。

圖5 頻率變化時(shí)的誤差分布Fig.5 Error variation w ith frequency change

圖5中最大誤差為5.48%，平均誤差1.98%，隨頻率變化誤差隨機(jī)波動(dòng)，因每次所加的都是隨機(jī)噪聲，故檢測(cè)結(jié)果會(huì)有所變化，跟頻率基本無(wú)關(guān)。

3）改變信噪比

保持圖1中仿真信號(hào)的參數(shù)不變，信噪比從10 dB增大到30dB，所測(cè)得的誤差分布如圖6所示。

圖6 誤差隨噪聲的變化Fig.6 Error variation w ith SNR change

由圖6可知，信噪比變化時(shí)，誤差隨機(jī)波動(dòng)，在一定的噪聲范圍內(nèi)檢測(cè)結(jié)果較好。但隨著噪聲的減?。ㄐ旁氡仍龃螅z測(cè)誤差整體上越來(lái)越大。這說(shuō)明在一定的范圍內(nèi)，算法的準(zhǔn)確度不受噪聲影響，但噪聲非常小時(shí)，該方法效果不理想。這是因?yàn)樵肼曅r(shí)譜峭度對(duì)噪聲變化比較敏感，這與圖3分析的結(jié)果一致。

4）改變暫態(tài)振蕩信號(hào)持續(xù)時(shí)間

改變圖1中仿真信號(hào)的振蕩持續(xù)時(shí)間，變化范圍20～60ms（即T～3T），保持其他參數(shù)不變，取100組數(shù)據(jù)，檢測(cè)結(jié)果如圖7所示。由圖7知，暫態(tài)振蕩持續(xù)時(shí)間改變時(shí)，誤差隨機(jī)變化，變化范圍小于4.0%，平均誤差為1.21%。這說(shuō)明算法對(duì)暫態(tài)振蕩持續(xù)時(shí)間不敏感，適用于時(shí)間變化的各種情況。

圖7 持續(xù)時(shí)間改變時(shí)的誤差分布Fig.7 Error variation w ith duration change

5）疊加諧波

在電力系統(tǒng)中，諧波也是一種常見(jiàn)的擾動(dòng)，諧波信號(hào)的數(shù)學(xué)模型為

式中，i為諧波的次數(shù)，電力系統(tǒng)中的諧波通常為奇次諧波，且超過(guò)7次的諧波幅值很小，故i= 3，5，7，…，且αi∈[0.05，0.3]p.u.。

在圖1中的仿真信號(hào)中，疊加3、5、7次諧波，各次諧波的幅值在0.05～0.30 p.u.間隨機(jī)產(chǎn)生。取100組數(shù)據(jù)進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖8所示。

圖8 疊加諧波后的誤差分布Fig.8 Error variation w ith harmonic supplement

圖8中平均誤差為2.29%，最大誤差小于4.0%。這說(shuō)明疊加諧波后該算法仍然適用。

綜合以上分析結(jié)果可知，基于Morlet復(fù)小波變換的譜峭度法對(duì)大部分含噪暫態(tài)振蕩信號(hào)都適用，且準(zhǔn)確度較高，檢測(cè)結(jié)果較穩(wěn)定，檢測(cè)精度能夠滿足實(shí)際需要。

4 結(jié)語(yǔ)

本文將基于Morlet小波變換的譜峭度應(yīng)用于暫態(tài)振蕩信號(hào)頻率檢測(cè)中，克服了小波變換受噪聲干擾大、小波基難以選取的缺點(diǎn)。提出并定義一種相似度函數(shù)，用來(lái)衡量文中算法對(duì)噪聲的敏感程度，理論與仿真結(jié)果一致。算法過(guò)程簡(jiǎn)單，無(wú)需對(duì)信號(hào)進(jìn)行去噪濾波等預(yù)處理。大量的仿真結(jié)果表明，算法對(duì)Morlet小波的參數(shù)不敏感，對(duì)大部分常見(jiàn)的暫態(tài)振蕩信號(hào)都適用，在一定的范圍內(nèi)，準(zhǔn)確度不受噪聲的影響，對(duì)疊加諧波的復(fù)合擾動(dòng)信號(hào)仍然適用。

[1]陳曉芳，趙成勇（Chen Xiaofang，Zhao Chengyong）．基于特定頻帶的Prony暫態(tài)振蕩檢測(cè)方法（The Prony detectionmethod of transientoscillation based on the specific frequency band）[J]．電測(cè)與儀表（ElectricalMeasurement&Instrumentation），2011，48（5）：1-5．

[2]劉桂英，粟時(shí)平（Liu Guiying，Su Shiping）．風(fēng)電接入系統(tǒng)暫態(tài)電能質(zhì)量擾動(dòng)小波檢測(cè)方法（Waveletdetection method of transient power quality disturbance for power system connectedwithwind energy generation）[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2011，23（1）：22-27.

[3]趙成勇，何明鋒（Zhao Chengyong，HeMingfeng）．基于特定頻帶的短時(shí)傅里葉分析（Short time Fourier analysis based on the special frequency component）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2004，28（14）：41-44．

[4]張楊，劉志剛（Zhang Yang，Liu Zhigang）．EEMD在電能質(zhì)量擾動(dòng)檢測(cè)中的應(yīng)用（Application ofEEMD in power quality disturbance detection）[J]．電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2011，31（12）：86-91．

[5]Dwyer R F．Detection ofnon-Gaussian signalsby frequency domain Kurtosis estimation[C]//IEEE International Conference on Acoustics，Speech and Signal Processing. Boston，USA：1983．

[6]Vrabie V，Granjon P，Maroni C S，et al．Application ofspectral kurtosis to bearing fault detection in induction motors[C]//5th International Conference on Acousticaland Vibratory Surveillance Methods and Diagnostic Techniques.Senlis，F(xiàn)rance：2004.

[7]Antoni J．The spectralkurtosis：a useful tool for characterizing non-stationary signals[J]．Mechanical Systems and SignalProcessing，2006，20（2）：282-307．

[8]石林鎖（Shi Linsuo）．滾動(dòng)軸承故障檢測(cè)的改進(jìn)包絡(luò)分析法（Rolling bearing faultdetection using improved envelope analysis）[J]．軸承（Bearing），2006（2）：36-39.

[9]SawalhiN，Randall RB．Spectral Kurtosisoptimization for rolling elementbearings[C]//8th International Symposium on Signal Processing and its Applications.Sydney，Australia：2005．

[10]石林鎖，張亞洲，米文鵬（Shi Linsuo，Zhang Yazhou，Mi Wenpeng）．基于WVD的譜峭度法在軸承故障診斷中的應(yīng)用（Application ofWigner-Ville-distribution-based spectral kurtosis algorithm to fault diagnosis of rolling bearing）[J]．震動(dòng)、測(cè)試與診斷（Journal of Vibration，Measurement&Diagnosis），2011，31（1）：27-31，126．

[11]張凱，關(guān)根志，張海龍（Zhang Kai，Guan Genzhi，Zhang Hailong）．用小波變換和瞬時(shí)功率定位電能質(zhì)量擾動(dòng)源（Location for disturbance source based on wavelet transform and instantaneous power）[J].高電壓技術(shù)（High Voltage Engineering），2008，34（3）：573-577.

[12]管霖，吳國(guó)沛，黃雯瑩，等（Guan Lin，Wu Guopei，Huang Wenying，etal）．小波變換在電力設(shè)備故障診斷中的應(yīng)用研究（Study on the application ofwavelet transform in faultdiagnosisofelectric devices）[J]．中國(guó)電機(jī)工程學(xué)報(bào)（Proceedinsof the CSEE），2000，20（10）：46-49，54．

[13]揭林玲，唐昆明，張?zhí)冢↗ie Linling，Tang Kunming，Zhang Taiqin）．Morlet復(fù)小波算法在自適應(yīng)電流保護(hù)中的應(yīng)用研究（Study on application of Morlet complex waveleton adaptive currentprotection）[J]．電力系統(tǒng)保護(hù)與控制（Power System Protection and Control），2009，37（22）：40-43，48．

[14]Youssef A M，Abdel-Galil T K，El-Saadany E F，et al. Disturbance classification utilizing dynamic time warping classifier[J].IEEETranson Power Delivery，2004，19（1）：272-278．

[15]張全明，劉會(huì)金（Zhang Quanming，Liu Huijin）．最小二乘支持向量機(jī)在電能質(zhì)量擾動(dòng)分類中的應(yīng)用（Application of LS-SVM in classification of power quality disturbances）[J]．中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2008，28（1）：106-110．

Frequency Detection of TransientOscillation SignalUsing M orletW avelet Based on SpectralKurtosisM ethod

ZHANGQiao-ge，LIU Zhi-gang，CHENGang
（SchoolofElectricalEngineering，Southwest Jiaotong University，Chengdu 610031，China）

The existedmethods of frequency detection of transientoscillation signal in power system are intricate and susceptible to noise and abominable in versatility.To overcome these disadvantages a novelmethod based on Morlet wavelet-based-spectralkurtosis（SK）is proposed in this paper.In thismethod，theMorletwavelet transform is initially adopted to obtain the wavelet coefficients.Then the wavelet-based-SK is calculated via the absolute value of the waveletcoefficients.Finally，the transientoscillation frequency is detected by themaximum of the SK.In order to analyze the influence on the detection results caused by noise，the similarity function is proposed and defined in the paper. The simulation results indicate that thismethod isapplicable and effective tomostof the common oscillation signals.In addition the calculation process issimple，and theaccuracy canmeet theactualneeds.

spectralkurtosis；transientoscillation signal；Morletwaveletcomplex transform；frequency detect

TM712

A

1003-8930（2013）05-0001-06

張巧革（1987—），女，碩士研究生，研究方向?yàn)楝F(xiàn)代信號(hào)處理理論及其在電力系統(tǒng)中的應(yīng)用。Email：zqg0424@126.com

2012-07-23；

2012-08-22

國(guó)家自然科學(xué)基金資助項(xiàng)目（U1134205，51007074）；教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目（NECT-08-0825）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（SWJTU11CX141）

劉志剛（1975—），男，教授，博士生導(dǎo)師，研究方向?yàn)楝F(xiàn)代信號(hào)處理與智能計(jì)算及其在電力系統(tǒng)中的應(yīng)用。Email：liuzg_cd@126.com

陳剛（1986—），男，碩士研究生，研究方向?yàn)楝F(xiàn)代信號(hào)處理理論及其在電力系統(tǒng)中的應(yīng)用。Email：chengangdadada@163.com