电能质量扰动检测与识别方法研究

王瑜,王荣华

摘要：电能质量扰动信号进行傅里叶变换时，时域信号中存在的非平稳分量会产生频谱泄漏，随机噪声也会干扰信号，从而使频谱中出现大量无效极大值点，严重时导致ＥＷＴ的频谱区间错分，进而影响信号最终的检测结果。本文对电能质量扰动检测与识别方法进行分析，以供参考。

关键词：电能质量；扰动检测；特征提取；特征选择；研究

引言

伴随电气设备中非线性电力电子器件的大量应用,电网中可再生能源的广泛接入,以及节能设备的大量使用,电能质量受扰动问题日益严重,另一方面,当前的生产过程和精密设备对电能扰动的耐受性低,对电能质量要求愈发严格,这些都使得电能质量问题受到日益关注。一般电能质量问题包括扰动检测、扰动分类、扰动源定位,其中电能质量扰动检测是提高电能质量的首要环节。

1配电物联网电能质量复合扰动检测

新型电气设备在工业生产和社会生活中得到了广泛应用，但冲击性负荷在设备运行过程中会影响电力系统的安全性，导致电能数据在电网中出现质量扰动问题。在电气化水平提高的情况下，用户对电能质量提出了较高的要求。电能质量扰动在配电物联网中较为复杂，如短时间中断、电压暂降和谐波等都是其中常见的扰动，其检测难度较高，而在配电网中检测电能质量扰动就可以提高电能质量。在峰度和检测误差的基础上调整S变换的参数，根据调整后的S变换方法提取电能信号的时频特征，并将其输入分类，实现电能质量扰动检测，但其无法精准地获取电能质量复合扰动的特征，降低了该方法的识别率。利用Fourier谱包络动态测度算法获取电能信号在配电网中的特征频点，并采用小波变换对其完成分解处理，在此基础上对信号实现希尔伯特变换，最终检测电能质量扰动，但在实际应用中该方法获得的检测结果偏差较大。在小波域中确定扰动信号的稀疏性，并通过小波压缩感知方法降维处理电能信号，在正交匹配追踪算法的基础上计算稀疏系数，并建立稀疏矩阵，获得电能信号的峭度、标准差和最大值，将其作为特征，在神经网络中输入获取的特征，实现电能质量扰动检测，但该方法无法准确检测出电能质量复合扰动在配电物联网中的发生时间和结束时间。

2面向波浪能发电的电能质量扰动检测

作为可再生能源，波可以形成灵活的电力形式和大量的供给，因此它们具有巨大的发展潜力，可分为直流和交流，这种发展潜力在交流池结构简单、适用于小波发电的先进技术与产生波的直流电源相比，具有瞬时功率波动的能力， 大波动和长传输距离以及电缆的寄生参数对网络压力有较大影响，因此从长远来看，第一种电能质量扰动检测方法是快速检测电网中的干扰，并防止发生电气事故，这是目前波能产生电能质量扰动的许多方法的有力保证，包括短傅里叶变换(STFT)、小波变换(WT)、Hilbert黄色变换(HHT)， EWT等STFT系列方法具有一定的时间和频率分析信号的能力，但更适用于稳态扰动分析，WT方法对稳态扰动不敏感，且算法计算量大，主要由经验衰减模式(EMD)和HT组成，测试结果丰富，但容易出现暂时湍流混合模式问题，近年来EWT方法也被应用于电能质量控制领域， 适用于电能质量干扰的信号检测，尤其适用于复合扰动，但其缺点是带宽分配不正确，频谱间隔很容易识别，因此引入了IEWT和HT组合，实现了有效的信号参数检测，如幅度、频率、开始时间和结束复合干扰，建议的IEWT检测方法解决了传统的EWT方法存在带宽分配不正确的缺点。 与HHT方法相比，容易产生频谱误差，并且不容易产生混合模式，这更适合于分析产生电流并与电网相连的一侧的电气要素。

3电能质量扰动检测方法

在短时傅里叶变换(FT)的基础上，添加了一个沿时间轴线移动的短窗口函数，该函数将非对称信号视为时间延长，并分析了信号的局部特征，该函数在一定程度上克服了傅立叶变换(FT)误差，该误差仅分析了短时傅里叶变换(FT)信号的整体状态，这是一种典型的局部线性时域分析方法，它可以获取特定时刻的扰动信号的频谱信息或与FT相比的特定频率的时域幅值信息。

4电能质量扰动识别方法

根据经验法则，近年来模糊逻辑(FL)在电能质量扰动识别中得到广泛应用。多位学者将专家系统、神经网络、决策树和向量机结合起来，形成了一系列用于学习和分类扰动要素的模糊分类器，综合仿真和实验表明，这些方法具有较高的精度和良好的识别效果，基于模糊逻辑的电能质量扰动分类器的设计要求对所有类型的数据进行结构识别，使仿真更加逼真，并保证了分类器输入变量类型的可靠性， 场域模糊分割和模糊分类规则概括如下:1)确定输入域和处理域值从信号分析处理等一系列数学变换方法中提取，通常反映扰动信号类的基本特征或信息，如基频幅值、基频幅值的标准偏差、谐波含量、扰动频率、扰动时间等，是要分类的所有样本的特征量分布范围。 此范围的最小值和最大值舍入到最大值2)确定函数堆栈此步骤模糊了电能质量类扰动输入域空间的划分，您可以使用模糊算法，例如模糊c平均法、区间划分法或最大树法来模糊空间的隶属度-反映输入值属于该类型的子函数的输出的级别，即信号类的数量。 信号类别可以是单一的电能质量干扰，也可以是一般函数之间的混合质量干扰，例如keyston、三角学和Gauss。若要实现重叠和扩展阵列子元素的空间，还必须通过计算信号样本元素的值来确认函数的特定形状参数。

结束语

在配电物联网中，电能质量复合扰动问题受到用电市场和电力系统的广泛关注。针对现有电能质量复合扰动检测方法存在识别率低、检测偏差大和检测效果差的问题，本文提出配电物联网电能质量复合扰动的检测方法，在支持向量机的基础上，依据电能质量复合扰动的特点实现检测。所提方法解决了传统方法中存在的问题，为配电物联网的运行提供了保障。本文针对电能信号的分解、特征向量提取等进行研究,提出了基于变分模态分解和数据降维的电能质量扰动参数检测方法,可有效实现电能质量扰动检测,精度高,适用范围广。1)通过对VMD算法的优化,对电能质量信号分解,可有效避免VMD模态混叠。2)利用PCA对分解的本征模态分量有效降维,依据电能质量特点选择主元模态分量进行电能质量检测,可简化分析结果的复杂度,更准确检测出电能质量扰动参数。3)仿真信号的实验及结果分析验证了方法有效性和优越性;实际工程信号的分析处理结果证明了本文提出方法精度高,实时性强。验证了本文方法的实际应用价值。

参考文献

[1]徐佳雄,张明,王阳,程郴,何顺帆.基于改进HHT的电能质量扰动检测新方法[J].智慧电力,2021,49(01):1-8.

[2]廖晓辉,陈川川.改进的VMD-HT在电能质量扰动检测中的应用[J].郑州大学学报(工学版),2021,42(01):21-27.

[3]古庭赟,高云鹏,吴聪,林呈辉,范强,徐梅梅.基于改进小波阈值函数和奇异值分解的电能质量扰动检测[J].电测与仪表,2020,57(21):111-118.

[4]徐长宝,古庭赟,高云鹏,吴聪,龙秋风,周金.基于改进小波阈值函数和变分模态分解的电能质量扰动检测[J].湖南大学学报(自然科学版),2020,47(06):77-86.

[5]罗雪莲,刘桂英,刘香银.基于小波变换与希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识研究[J].电力电容器与无功补偿,2020,41(03):182-188.