電能質(zhì)量擾動相關問題研究.pdf

1、隨著電力工業(yè)的發(fā)展，以及各種電力電子裝置和沖擊性負荷在電力系統(tǒng)中的廣泛使用，由此各種擾動引起的電能質(zhì)量(power quality，PQ)問題日益嚴重，因而電能質(zhì)量越來越受到關注，同時也得到了比較深入的研究。但是對于電能質(zhì)量擾動信號的去噪、壓縮和分類等問題，目前還沒有一種公認的方法，鑒于電能質(zhì)量擾動問題的廣泛性和當前分析方法的不足，有必要加強對電能質(zhì)量擾動分析算法的研究。
　　 圍繞電能質(zhì)擾動相關問題，本文對涉及電能質(zhì)量擾動信號

2、的去噪、壓縮、模式識別以及諧波分析和抑制等方面進行了研究，其主要內(nèi)容如下：
　　 （1）設計了一種具有PQ擾動實時在線檢測與分類功能的電能質(zhì)量分析平臺。該平臺基于DSP和FPGA，實現(xiàn)了信號的采集、處理和顯示。采用了一種簡單和高效的PQ擾動分類方法，即基于規(guī)則基的決策樹模式識別方法，同時提取五個典型的PQ擾動時頻特征量作為決策樹的輸入量，實現(xiàn)了九種典型PQ擾動的辨識。最后，通過算法仿真及硬件平臺驗證，結(jié)果表明可以滿足對PQ擾動分

3、類的精度和實時性的要求。
　　 （2）提出了一種基于小波鄰域閾值分類的自適應閾值電能質(zhì)量信號去噪算法，首先結(jié)合所用小波函數(shù)，由模極大值小波域確定最佳鄰域窗口尺寸；然后利用各個尺度攜帶信號信息的小波系數(shù)具有局部相關性，通過鄰域閾值對小波系數(shù)進行分類：對小于閾值的系數(shù)直接置零；對大于閾值的系數(shù)則通過最小均方誤差準則得到其估計。仿真實驗結(jié)果表明該算法對實際電能質(zhì)量信號去噪是有效的，在去噪性能上優(yōu)于常用的多種自適應閾值去噪算法。

4、　　 （3）針對電能質(zhì)量擾動數(shù)據(jù)的壓縮問題，提出了一種基于諧波陷波濾波器的壓縮方法。該數(shù)據(jù)壓縮方法采用一種自適應信號處理方法來估計電能質(zhì)量信號的基波和諧波分量的參數(shù)（幅值、頻率和相位），并將它們與暫態(tài)分量進行分離， 然后采用參數(shù)量化和小波變換技術分別對確定的正弦參數(shù)和殘余信號進行壓縮。利用實際電網(wǎng)中采集的各類電能質(zhì)量擾動數(shù)據(jù)對方法進行了驗證，結(jié)果表明本算法適用于各種波形特征的擾動信號，并且在保證壓縮質(zhì)量的前提下，可以獲得較大的壓縮比，

5、具有一定的應用價值。
　　 JPEG2000是最新靜態(tài)圖像壓縮的國際標準，雖然JPEG2000編解碼器主要用于圖像壓縮，但是本文展示了其用于電能質(zhì)量擾動數(shù)據(jù)的壓縮。對于實際電網(wǎng)中采集的各類電能質(zhì)量擾動信號，JPEG2000的壓縮性能好于常見的一些壓縮方法，該方法可以使用已有的JPEG2000編解碼器的軟硬件資源，特別可以省去專門的硬件開發(fā)成本。JPEG2000編解碼器的一些優(yōu)良特性，諸如精確的碼率控制和累進式傳輸，也將得到保留。

6、
　　 （4）S變換是連續(xù)小波變換和短時傅里葉變換的擴展，由于S變換很好的時頻分析特性，非常適合分析電能質(zhì)量擾動。而且基于模糊規(guī)則基的推理系統(tǒng)是容易升級和維護的，同時可升級的系統(tǒng)規(guī)則也是容易修改的。由此提出了基于S變換和模糊專家系統(tǒng)的電能質(zhì)量擾動自動分類方法。實驗結(jié)果表明使用相同的特征矢量作為輸入，模糊專家系統(tǒng)的分類精度比神經(jīng)網(wǎng)絡提高了3％左右。
　　 熵是對系統(tǒng)不確定性程度的描述，為了提高小波包用于信號分析的性能，本文

7、將小波包分析與熵相結(jié)合，充分利用二者的優(yōu)點，來提取電能質(zhì)量擾動的特征參數(shù)，并將這些參數(shù)作為特征向量，采用最小二乘支持向量機進行訓練并辨識各類電能質(zhì)量擾動。實驗結(jié)果表明這是一種有效的、高精度的辨識方法。
　　 基于多域特征提取和自適應神經(jīng)-模糊推理系統(tǒng)提出了一種新的電能質(zhì)量擾動分類方法。首先基于波形包絡閾值線對擾動進行檢測；接著在時域、頻域和小波域進行多域特征提取，選取擾動信號的基波均方根幅值、總諧波畸變率、次諧波幅值和小波包能量

8、共同組成輸入特征矢量；最后通過自適應神經(jīng)-模糊推理系統(tǒng)對各類電能質(zhì)量擾動進行分類。仿真結(jié)果表明該方法對特征不規(guī)則的待檢電能質(zhì)量擾動信號具有良好的柔性和適應性。
　　 （5）針對實際電力系統(tǒng)中可能同時存在多個振蕩瞬態(tài)的情況，首先利用自適應陷波濾波器實現(xiàn)基波與振蕩瞬態(tài)信號的分離以減少基波對奇異值分解結(jié)果的影響；再利用線性預測奇異值分解算法，估計出每單個振蕩瞬態(tài)信號的起始幅值、起始相位、頻率和衰減系數(shù)等參數(shù)。仿真實驗的結(jié)果顯示在多個振

9、蕩瞬態(tài)同時存在的情況下，用該方法估計多個振蕩瞬態(tài)信號參數(shù)是可行的和有效的。
　　 （6）由于常規(guī)電量計量裝置是基于正弦波設計的，因此在非正弦條件下進行測量必然帶來一定的誤差。本文采用改進的傅氏系數(shù)自適應組合估計算法來進行諧波檢測與功率計算，該方法對非同步采樣及初始值不敏感，實驗表明一般經(jīng)過約一個周期便能對非正弦信號進行實時跟蹤，從而精確測量出電壓與電流各次諧波的幅值及相位，從而實現(xiàn)功率的實時高精度計算。仿真實驗驗證了該算法的有效

10、性。
　　 IEC標準推薦了諧波與間諧波的分析方法，但是無法滿足進一步提升間諧波分析精度的要求。本文提出了可調(diào)分辨率的多重信號分類(multiple signAlclassification，MUSIC)算法通過調(diào)節(jié)因子改變MUSIC偽譜在目標區(qū)域的頻率分辨率來提高分辨率，通過互相關的互譜計算來提高抗噪性能，以及設置閾值來估計信號中的諧波和間諧波頻率，根據(jù)估計出的頻率，利用AR（autoregressive model）模型參數(shù)