電能質(zhì)量復合擾動信號檢測和識別算法研究.pdf

1、隨著智能電網(wǎng)的建設和電力自動化水平的提高，電能在日常生活和生產(chǎn)中起到了越來越重要的作用，優(yōu)質(zhì)的電能供應能夠提高供電利用率，保障供電可靠性，受到了越來越多的重視。對電能質(zhì)量進行檢測和識別，能夠為電力系統(tǒng)故障診斷和評估提供依據(jù)。實際中的電能質(zhì)量擾動信號多種多樣，檢測和識別算法缺乏統(tǒng)一的標準，本文在充分研究各種電能質(zhì)量擾動特點及相關(guān)檢測和識別算法的基礎(chǔ)上，利用譜峭度和多標簽分類算法對單一和復合電能質(zhì)量參數(shù)檢測和分類識別進行了研究，提出了相應的

2、改進算法。
　　現(xiàn)有的電力系統(tǒng)暫態(tài)振蕩信號頻率檢測方法過程復雜、易受噪聲干擾且通用性較差，為了解決這些問題，本文利用譜峭度能夠檢測信號中非高斯分量及其頻率所在位置的性質(zhì)，提出基于Morlet復小波譜峭度(spectral kurtosis，SK)的暫態(tài)振蕩頻率檢測方法。該方法首先采用Morlet復小波對含噪暫態(tài)振蕩信號進行小波分解獲得小波系數(shù)，然后利用SK的定義計算信號的SK值，最后通過最大值檢測法檢測暫態(tài)振蕩信號的頻率。為了分析

3、算法對噪聲的敏感程度，提出并定義相似度函數(shù)。理論分析和實驗表明，該算法對噪聲不敏感，具有良好的抗噪性。本文通過仿真和實測信號證明，該方法具有普遍適用性，且計算過程簡單，檢測精度較高。
　　SK是建立在時頻分析的基礎(chǔ)上的，不同的時頻分析方法有不同的側(cè)重點，相應的SK所反應的暫態(tài)擾動的特點也不同，本文通過理論和實驗分析了不同SK計算方法的特點，并在此基礎(chǔ)上提出基于Choi-Williams分布的譜峭度(CWD-SK)。通過對5種暫態(tài)擾

4、動信號的分析結(jié)果，證明了CWD-SK相比于其它SK計算方法對暫態(tài)擾動具有更好的區(qū)分度。為了保證識別算法的有效性和準確性，分析了暫態(tài)擾動的各種參數(shù)及噪聲對CWD-SK的影響，并在此基礎(chǔ)上提出基于CWD-SK的暫態(tài)擾動識別方案。最后利用多種仿真和實際信號驗證了算法具有較高的識別率，并且對于實際信號依然有效。該算法通過閾值進行分類，避免了使用復雜的分類器所帶來的計算量大等問題，算法簡單有效。
　　由于實際電力系統(tǒng)的復雜性，實際中的電能質(zhì)