電能質(zhì)量擾動(dòng)信號(hào)檢測(cè)與識(shí)別算法研究.pdf

1、目前，我國(guó)正處在工業(yè)化、城鎮(zhèn)化加快推進(jìn)的重要時(shí)期，這一時(shí)期電力需求一直保持較快的增長(zhǎng)態(tài)勢(shì)，給現(xiàn)代大電網(wǎng)互聯(lián)的迅速發(fā)展以及電力系統(tǒng)規(guī)模的日益擴(kuò)大帶來(lái)了發(fā)展契機(jī)。但隨之而來(lái)的各種電力電子設(shè)備、沖擊性與非線性負(fù)荷的大量投入，導(dǎo)致供電質(zhì)量出現(xiàn)電壓暫降、電壓暫升、電壓波動(dòng)、諧波、電壓缺口、脈沖與振蕩暫態(tài)干擾等一系列電能質(zhì)量問(wèn)題。因此，對(duì)電能質(zhì)量信號(hào)進(jìn)行實(shí)時(shí)監(jiān)控與智能化分析，搭建電能質(zhì)量擾動(dòng)分析的理論框架，不僅可為電能質(zhì)量擾動(dòng)的檢測(cè)、識(shí)別與擾動(dòng)源定

2、位等問(wèn)題提供一定的解決思路和輔助方法，還為電能質(zhì)量的管理與治理提供輔助決策，具有重要的現(xiàn)實(shí)意義?；诖耍疚脑诜治龇€(wěn)態(tài)擾動(dòng)、暫態(tài)擾動(dòng)以及混合擾動(dòng)的基礎(chǔ)上，進(jìn)行了電能質(zhì)量擾動(dòng)的檢測(cè)、識(shí)別以及定位研究。主要研究?jī)?nèi)容包括：
　　 ⑴在擾動(dòng)檢測(cè)方面，提出了一種新的基于數(shù)學(xué)形態(tài)學(xué)與熵理論的電能質(zhì)量擾動(dòng)信號(hào)檢測(cè)方案。該方案利用廣義形態(tài)濾波器對(duì)信號(hào)進(jìn)行濾波處理，使其在濾除噪聲的同時(shí)盡量保持信號(hào)原有擾動(dòng)特征；再利用自定義的差分熵對(duì)信號(hào)突變程度進(jìn)

3、行度量，一般來(lái)說(shuō)，信號(hào)突變處的熵值會(huì)比較大，由此可定位擾動(dòng)開(kāi)始與結(jié)束的時(shí)刻。其次，論文定義了一種新的形態(tài)非抽樣小波(Morphological Undecimated Wavelet，MUDW)，并將其應(yīng)用于電能質(zhì)量擾動(dòng)信號(hào)的檢測(cè)定位。該形態(tài)小波包含了開(kāi)閉與閉開(kāi)組合濾波器與可檢測(cè)突變信號(hào)上下邊緣的形態(tài)梯度，完全滿足信號(hào)重構(gòu)條件。利用MATLAB對(duì)單一擾動(dòng)信號(hào)與混合擾動(dòng)信號(hào)進(jìn)行了仿真驗(yàn)證，并與前人構(gòu)造的形態(tài)非抽樣小波進(jìn)行了對(duì)比分析。結(jié)果表

4、明，自定義的形態(tài)非抽樣小波具有很好的擾動(dòng)信號(hào)特征描述能力及抗噪性能，即使在強(qiáng)噪聲環(huán)境下，也能正確指示擾動(dòng)起止時(shí)刻以及突變極性。
　　 ⑵在單一擾動(dòng)識(shí)別方面，提出了一種基于數(shù)學(xué)形態(tài)學(xué)與動(dòng)態(tài)時(shí)間扭曲的識(shí)別算法(Mathematical Morphology-Dynamic Time Warping，MM-DTW)。算法首先利用形態(tài)濾波器對(duì)擾動(dòng)信號(hào)進(jìn)行濾波處理，再利用dq變換提取信號(hào)的幅值特征，最后將處理后的擾動(dòng)測(cè)試信號(hào)與參考信號(hào)的特

5、征模板進(jìn)行匹配，計(jì)算信號(hào)之間的距離矩陣，采用動(dòng)態(tài)時(shí)間扭曲算法在距離矩陣中尋求測(cè)試信號(hào)與各類參考信號(hào)間路徑長(zhǎng)度最短的最優(yōu)扭曲路徑，根據(jù)兩信號(hào)距離最小、相似度最大的原則，選取路徑最短的一次匹配為識(shí)別結(jié)果。仿真驗(yàn)證表明該算法識(shí)別效果較好，且不受原始擾動(dòng)的幅值變化、擾動(dòng)發(fā)生時(shí)刻(包括過(guò)零點(diǎn)擾動(dòng))、持續(xù)時(shí)間變化以及噪聲強(qiáng)度的影響，具有較好的適應(yīng)性。其次，論文專門針對(duì)振蕩暫態(tài)與脈沖暫態(tài)兩類高頻暫態(tài)擾動(dòng)，提出了一種基于高階累積量(Higher ord

6、er cumulants，HOC)與支持向量機(jī)(Support vector machine，SVM)的識(shí)別算法。該算法利用高階累積量提取脈沖暫態(tài)與振蕩暫態(tài)兩類擾動(dòng)的3階與4階統(tǒng)計(jì)特征，并選取各階統(tǒng)計(jì)結(jié)果中的極大值個(gè)數(shù)、極小值個(gè)數(shù)以及最大值、最小值共8個(gè)特征量作為支持向量機(jī)的輸入，從而得出識(shí)別結(jié)果。該算法在有噪聲干擾與其他擾動(dòng)干擾的情況下也能正確識(shí)別出兩類高頻擾動(dòng)。
　　 ⑶在混合擾動(dòng)的識(shí)別方面，基于小波變換、Teager能量算

7、子(Teager EnergyOperator，TEO)以及prony算法，構(gòu)建了一個(gè)適用于混合電能質(zhì)量擾動(dòng)的識(shí)別系統(tǒng)，本系統(tǒng)首先對(duì)混合擾動(dòng)進(jìn)行小波變換，將其分解到不同的頻率空間；再利用 TEO算法對(duì)低頻空間的信號(hào)分量進(jìn)行分析，判斷信號(hào)是否發(fā)生了頻率波動(dòng)、電壓暫降、電壓暫升或電壓中斷擾動(dòng)；緊接著采用prony法分析去除低頻分量后的其他分量，判斷信號(hào)是否包含有諧波、間諧波與振蕩暫態(tài)擾動(dòng)；最后對(duì)高頻分量進(jìn)行擾動(dòng)起止時(shí)刻與加窗的擾動(dòng)能量計(jì)算，

8、判斷信號(hào)是否發(fā)生脈沖暫態(tài)或是電壓缺口擾動(dòng)。利用大量的理論混合擾動(dòng)信號(hào)與PSCAD仿真信號(hào)對(duì)此識(shí)別系統(tǒng)進(jìn)行了驗(yàn)證，結(jié)果表明，本系統(tǒng)對(duì)混合信號(hào)的識(shí)別具有較好的適應(yīng)性，識(shí)別率較高。
　　 ⑷在擾動(dòng)源定位方面，研究了兩處電容器同時(shí)投切時(shí)的定位問(wèn)題，以電容器投切造成的暫態(tài)信息為切入點(diǎn)，利用聯(lián)網(wǎng)監(jiān)測(cè)信息計(jì)算得出擾動(dòng)能量與支路電流變化值，并將這兩種特征向量輸入到概率神經(jīng)網(wǎng)絡(luò)，從而得出電容器投切時(shí)的具體位置。論文還討論了系統(tǒng)發(fā)生暫降擾動(dòng)的定位問(wèn)