電能質(zhì)量擾動(dòng)相關(guān)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(fù)荷在電力系統(tǒng)中的廣泛使用，由此各種擾動(dòng)引起的電能質(zhì)量(power quality，PQ)問題日益嚴(yán)重，因而電能質(zhì)量越來(lái)越受到關(guān)注，同時(shí)也得到了比較深入的研究。但是對(duì)于電能質(zhì)量擾動(dòng)信號(hào)的去噪、壓縮和分類等問題，目前還沒有一種公認(rèn)的方法，鑒于電能質(zhì)量擾動(dòng)問題的廣泛性和當(dāng)前分析方法的不足，有必要加強(qiáng)對(duì)電能質(zhì)量擾動(dòng)分析算法的研究。
　　 圍繞電能質(zhì)擾動(dòng)相關(guān)問題，本文對(duì)涉及電能質(zhì)量擾動(dòng)信號(hào)

2、的去噪、壓縮、模式識(shí)別以及諧波分析和抑制等方面進(jìn)行了研究，其主要內(nèi)容如下：
　　 （1）設(shè)計(jì)了一種具有PQ擾動(dòng)實(shí)時(shí)在線檢測(cè)與分類功能的電能質(zhì)量分析平臺(tái)。該平臺(tái)基于DSP和FPGA，實(shí)現(xiàn)了信號(hào)的采集、處理和顯示。采用了一種簡(jiǎn)單和高效的PQ擾動(dòng)分類方法，即基于規(guī)則基的決策樹模式識(shí)別方法，同時(shí)提取五個(gè)典型的PQ擾動(dòng)時(shí)頻特征量作為決策樹的輸入量，實(shí)現(xiàn)了九種典型PQ擾動(dòng)的辨識(shí)。最后，通過(guò)算法仿真及硬件平臺(tái)驗(yàn)證，結(jié)果表明可以滿足對(duì)PQ擾動(dòng)分

3、類的精度和實(shí)時(shí)性的要求。
　　 （2）提出了一種基于小波鄰域閾值分類的自適應(yīng)閾值電能質(zhì)量信號(hào)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(gè)尺度攜帶信號(hào)信息的小波系數(shù)具有局部相關(guān)性，通過(guò)鄰域閾值對(duì)小波系數(shù)進(jìn)行分類：對(duì)小于閾值的系數(shù)直接置零；對(duì)大于閾值的系數(shù)則通過(guò)最小均方誤差準(zhǔn)則得到其估計(jì)。仿真實(shí)驗(yàn)結(jié)果表明該算法對(duì)實(shí)際電能質(zhì)量信號(hào)去噪是有效的，在去噪性能上優(yōu)于常用的多種自適應(yīng)閾值去噪算法。

4、　　 （3）針對(duì)電能質(zhì)量擾動(dòng)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(yīng)信號(hào)處理方法來(lái)估計(jì)電能質(zhì)量信號(hào)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(jìn)行分離， 然后采用參數(shù)量化和小波變換技術(shù)分別對(duì)確定的正弦參數(shù)和殘余信號(hào)進(jìn)行壓縮。利用實(shí)際電網(wǎng)中采集的各類電能質(zhì)量擾動(dòng)數(shù)據(jù)對(duì)方法進(jìn)行了驗(yàn)證，結(jié)果表明本算法適用于各種波形特征的擾動(dòng)信號(hào)，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(yīng)用價(jià)值。
　　 JPEG2000是最新靜態(tài)圖像壓縮的國(guó)際標(biāo)準(zhǔn)，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(dòng)數(shù)據(jù)的壓縮。對(duì)于實(shí)際電網(wǎng)中采集的各類電能質(zhì)量擾動(dòng)信號(hào)，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(jìn)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(shí)傅里葉變換的擴(kuò)展，由于S變換很好的時(shí)頻分析特性，非常適合分析電能質(zhì)量擾動(dòng)。而且基于模糊規(guī)則基的推理系統(tǒng)是容易升級(jí)和維護(hù)的，同時(shí)可升級(jí)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(dòng)自動(dòng)分類方法。實(shí)驗(yàn)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(luò)提高了3％左右。
　　 熵是對(duì)系統(tǒng)不確定性程度的描述，為了提高小波包用于信號(hào)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(diǎn)，來(lái)提取電能質(zhì)量擾動(dòng)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(jī)進(jìn)行訓(xùn)練并辨識(shí)各類電能質(zhì)量擾動(dòng)。實(shí)驗(yàn)結(jié)果表明這是一種有效的、高精度的辨識(shí)方法。
　　 基于多域特征提取和自適應(yīng)神經(jīng)-模糊推理系統(tǒng)提出了一種新的電能質(zhì)量擾動(dòng)分類方法。首先基于波形包絡(luò)閾值線對(duì)擾動(dòng)進(jìn)行檢測(cè)；接著在時(shí)域、頻域和小波域進(jìn)行多域特征提取，選取擾動(dòng)信號(hào)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(guò)自適應(yīng)神經(jīng)-模糊推理系統(tǒng)對(duì)各類電能質(zhì)量擾動(dòng)進(jìn)行分類。仿真結(jié)果表明該方法對(duì)特征不規(guī)則的待檢電能質(zhì)量擾動(dòng)信號(hào)具有良好的柔性和適應(yīng)性。
　　 （5）針對(duì)實(shí)際電力系統(tǒng)中可能同時(shí)存在多個(gè)振蕩瞬態(tài)的情況，首先利用自適應(yīng)陷波濾波器實(shí)現(xiàn)基波與振蕩瞬態(tài)信號(hào)的分離以減少基波對(duì)奇異值分解結(jié)果的影響；再利用線性預(yù)測(cè)奇異值分解算法，估計(jì)出每單個(gè)振蕩瞬態(tài)信號(hào)的起始幅值、起始相位、頻率和衰減系數(shù)等參數(shù)。仿真實(shí)驗(yàn)的結(jié)果顯示在多個(gè)振

9、蕩瞬態(tài)同時(shí)存在的情況下，用該方法估計(jì)多個(gè)振蕩瞬態(tài)信號(hào)參數(shù)是可行的和有效的。
　　 （6）由于常規(guī)電量計(jì)量裝置是基于正弦波設(shè)計(jì)的，因此在非正弦條件下進(jìn)行測(cè)量必然帶來(lái)一定的誤差。本文采用改進(jìn)的傅氏系數(shù)自適應(yīng)組合估計(jì)算法來(lái)進(jìn)行諧波檢測(cè)與功率計(jì)算，該方法對(duì)非同步采樣及初始值不敏感，實(shí)驗(yàn)表明一般經(jīng)過(guò)約一個(gè)周期便能對(duì)非正弦信號(hào)進(jìn)行實(shí)時(shí)跟蹤，從而精確測(cè)量出電壓與電流各次諧波的幅值及相位，從而實(shí)現(xiàn)功率的實(shí)時(shí)高精度計(jì)算。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效

10、性。
　　 IEC標(biāo)準(zhǔn)推薦了諧波與間諧波的分析方法，但是無(wú)法滿足進(jìn)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(hào)分類(multiple signAlclassification，MUSIC)算法通過(guò)調(diào)節(jié)因子改變MUSIC偽譜在目標(biāo)區(qū)域的頻率分辨率來(lái)提高分辨率，通過(guò)互相關(guān)的互譜計(jì)算來(lái)提高抗噪性能，以及設(shè)置閾值來(lái)估計(jì)信號(hào)中的諧波和間諧波頻率，根據(jù)估計(jì)出的頻率，利用AR（autoregressive model）模型參數(shù)