基于多变换-谱峭度的配电网暂态电能质量扰动检测与辨识方法研究

针对配电网暂态电能质量扰动类型众多和噪声环境复杂等因素造成的暂态电能质量扰动精准辨识难度大等问题,论文深入研究了一种基于多变换和谱峭度的智能配电网暂态电能质量精准检测与辨识方法.该方法先通过小波变换消除信号中的噪声,然后对消噪后的信号进行小波变换检测出暂态电能质量扰动的幅值和时刻,并利用谱峭度对信号的冲击成分敏感及抗噪能力强等特性,通过对消噪后的信号短时傅里叶变换的谱峭度计算辨识出暂态脉冲、暂态振荡和短时电压变动,通过对短时电压变动扰动进行希尔伯特-黄变换检测出短时电压变动中的电压暂降、电压中断和电压暂升的瞬时频率和瞬时幅值,进而辨识出电压暂降、电压中断和电压暂升.该方法避免了HHT对暂态脉冲、暂态振荡的无用检测,具有计算过程简单、检测精确度高、辨识精确性高、通用性强等诸多优势.     

暂态振荡信号频率检测的Morlet小波谱峭度法

针对电力系统暂态振荡信号频率检测中存在的检测过程复杂、易受噪声影响且通用性不强的问题,提出了一种基于Morlet复小波谱峭度的暂态振荡信号频率检测方法。采用Morlet复小波对含噪暂态振荡信号进行小波分解获得小波系数;利用小波系数绝对值计算信号的谱峭度;最后,通过最大值检测方法实现对暂态振荡的频率检测。针对谱峭度对噪声适用范围不明确的问题,提出并定义相似度函数,用于分析算法对噪声的敏感程度。仿真实验表明,该方法通用性较强,且计算过程简单,检测精度可以满足实际需求。     

双馈感应风力发电机并网的复合电能质量检测方法

风电并网引起的电能质量扰动信号多为复合的暂态振荡信号,针对传统的检测算法存在模态混叠、易受干扰、通用性差等缺点,提出采用聚类经验模态分解EEMD与基于Morlet复小波的谱峭度相结合的算法实现该类扰动检测。为采集风电并网引起的相关电能质量扰动信号,在实时数字仿真RTDS平台搭建了200台双馈感应风力发电机DFIG的风电场并网模型。仿真结果表明,该算法能有效实现对风电并网引起的电能质量复合扰动信号的检测。     

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

由于可再生能源接入微电网会给其带来很多电能质量问题,因而对微电网的电能质量信号进行检测及辨识十分必要。但在对电能质量信号进行采集与检测的过程中极易受到噪声的干扰,有效地降低信号中的噪声且完整地保留下反映信号突变特征的奇异点是检测其电能质量扰动的基础。而传统检测方法基本只适用于稳态电能质量扰动且抗噪性较低。为提高在噪声条件下检测的准确性,本文提出了一种基于小波变换和希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识的方法。该方法使用小波阈值去噪方法消除信号噪声,并利用小波变换和希尔伯特-黄变换对微电网暂态电能质量扰动进行辨识及检测,同时进行了计算机仿真验证,仿真结果表明:该方法去噪效果明显、辨识效果显著、检测精度高、实用性强。     

基于BWD谱峭度的暂态电能质量扰动分类识别

根据暂态电能质量扰动的内在特性和谱峭度的特点,提出一种基于巴特沃斯分布(BWD)的谱峭度计算新方法,并与支持向量机相结合应用于暂态电能质量扰动识别。该算法采用BWD谱峭度方法计算暂态脉冲和暂态振荡2类扰动信号的谱峭度,选取谱峭度的最大值、最小值和均值作为特征量,输入PSO优化参数的SVM进行训练测试。通过PSCAD/EMTDC获得仿真数据,并分析之。结果表明,基于BWD谱峭度方法能够有效提取扰动特征量,且具有良好的抗噪性能。利用SVM分类器在小样本和叠加有其他扰动,能有效识别两类扰动,识别率较高。     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

基于CWD谱峭度的暂态电能质量扰动识别

针对现有的暂态电能质量扰动识别过程复杂、易受噪声影响的问题,提出基于CWD的谱峭度与有效值相结合的电能质量扰动识别算法。该算法通过CWD谱峭度值将扰动信号分为暂态脉冲、暂态振荡和幅值类扰动3类,将电压暂升、暂降和中断这3种幅值类扰动看作一类,再通过计算幅值类扰动的有效值区分暂升、暂降和中断。该算法不需要使用任何分类器,极大地简化了算法流程,减少了计算时间。仿真结果验证了理论分析的正确性。     

基于S变换和分类树的电网暂态电能质量扰动分类辨识

针对暂态电能质量的检测分析,分别在强弱两种噪声背景下运用S变换的不同方法对暂态多扰动信号进行定位检测.对于暂态多扰动的分类辨识,运用了基于S变换和分类树相结合的暂态电能质量多扰动分类辨识方法,首先运用S变换对暂态多扰动信号进行时频分析,然后提取扰动信号的特征量,最后生成用于对暂态多扰动信号进行分类的决策树分类辨识方法,以此来实现对暂态多扰动信号的分类辨识.仿真计算结果表明,该方法对暂态多扰动信号能够进行有效的分类辨识,准确度高且抗噪能力强.     

基于小波变换和改进Prony方法的电能质量扰动分析

传统的电能质量分析方法通常只针对某一类特定的电能质量扰动问题进行分析,为了实现对常见电能扰动信号进行有效的区分与辨识,提出小波分析与Prony方法相结合的分析算法。首先引入小波多分辨分析(multi-resolution analysis),选取合适的小波函数对扰动信号进行分解,判断分解信号是否存在模极大值点,从而区分出稳态与暂态电能质量扰动问题。对于暂态扰动问题,优化了Mallat重构层数,提取出暂态扰动波形,以实现对扰动类型的判断。对于稳态扰动问题,改进Prony方法对于系统阶数估计的过程,提高了参数辨识精度。最后对混合扰动信号进行分析,并使用Matlab进行了仿真和实验验证。仿真和实验结果表明,该算法能准确地识别出各种类型的电能质量扰动信号。     

基于希尔伯特-小波变换与神经网络的风电接入配电网电能质量检测与辨识方法研究

提出了一种希尔伯特变换、小波变换与神经网络相结合的风电接入配电网电能质量检测与辨识方法。该方法利用希尔伯特变换对低频电能质量扰动敏感、小波变换对高频电能质量扰动和短时电能质量扰动敏感及消噪能力强、神经网络模式识别能力强等特性,通过合理的小波变换消噪、希尔伯特变换的时间幅值特性和时间频率特性以及离散小波变换的细节系数、尺度系数和模极大值的计算,可以检测出各个电能质量扰动的实时值、幅值、频率和起止时间;通过合适的神经网络,辨识出各个电能质量扰动的具体类型。该方法具有通用性强、检测信息全面、检测准确度高和辨识准确性高等优点,仿真结果验证了其有效性和可行性。     

基于小波变换和Prony算法的振荡瞬变和电压波动检测

近年来,电能质量扰动信号的检测已成为国内外研究的一个热点。就振荡瞬变与电压波动这两种电能质量现象提出了新的检测方法。对于振荡瞬变现象,现有的方法往往只能实现扰动定位检测,难以提供振荡频率、幅值、持续时间等必要特性参数。提出了基于小波变换和Prony算法的检测方法,利用小波奇异性检测特性实现扰动定位检测,同时还利用Prony算法直接求取其特征参数。对于电压波动,IEC推荐的闪变仪不适合分析时变的或含多种调制频率的波动信号,并且只能提供基于统计评价的闪变值。提出的基于小波变换的检测方法,利用小波奇异性检测特性检测出波动的起止时刻：利用小渡多分辨分析理论测量出波动分量含有的各调制频率及对应幅值,最后计算出闪变值。基于Matlab和Simulink／PSB软件的仿真结果都表明了提出的两种检测方法的有效性。     

结合短时傅里叶变换和谱峭度的电力系统谐波检测方法

针对电能质量分析中的谐波检测问题,提出一种结合短时傅里叶变换和谱峭度的电力系统谐波检测方法。采用短时傅里叶变换作为时频分析工具对采样信号进行时频分解,同时引入频谱标准差和基于短时傅里叶变换的谱峭度作为辅助分析。通过频谱标准差和谱峭度对谐波模态进行识别,并根据识别结果从频谱矩阵中提取出相应的谐波分量,然后采用基于奇异值分解的扰动定位方法对暂态谐波的起止时刻进行准确定位。仿真实验结果验证了算法的有效性,在低信噪比的情况下仍具有较高的检测精度,具有较好的抗噪性和鲁棒性。     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。     

一种新的电能质量扰动信号压缩感知识别方法

针对现有电能质量扰动信号识别方法存在数据量大、准确率不高的不足,提出了一种基于压缩感知稀疏向量特征提取的电能质量扰动信号分类识别方法。该方法首先针对原始信号,利用压缩感知理论获取降维的测量信号,并基于?1范数正交匹配追踪算法获取稀疏向量。然后针对稀疏向量提取最大值、次大值、均方根、标准差、峭度和裕度因子等特征,作为神经网络的输入,实现电能质量扰动信号的分类识别。最后,针对六类典型电能质量扰动信号,开展仿真实验验证。仿真结果表明,现有识别方法需要处理的原始信号长度为1024,而所提方法特征提取时所处理的数据长度仅有30,从而大大减少了所需处理的数据量,并且由于实现了以非常少的数据量保存原有全部有用特征信息,因而更有利于提高识别准确率。通过与广泛采用的小波变换识别方法进行比较,所提方法的平均准确率高达98.71%,远远高于小波变换方法的92.86%。     

基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

针对短时电能质量变化和暂态扰动现象的不同特点，提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance，PQD)识别方法。建立了正弦信号和6 种常见PQD 信号的数学模型，通过小波分解得到了上述信号的特征量，结合决策树方法实现了对PQD 的自动分类，并通过合理选择小波类型、分类算法和去噪方法提高了PQD 的分类精度。实验结果验证了该识别方法的准确性和高效性。     

风电接入的电力系统电能质量扰动的检测与定位

风能的波动性、间歇性和随机性等特性使接入风电的电力系统运行特性和电能质量受到复杂的影响。针对风电接入的电力系统电能质量扰动问题,重点研究电能质量扰动的小波检测方法,提出了基于Euclidean分解算法的db4复小波的提升方案。通过Euclidean分解算法得到复小波提升方案,求取了db4复小波自适应提升因子并构建了分解与重构模型,对扰动信号和基波分量进行提升变换后得到幅值和相位信息分别作差。利用幅值差和相位差来确定扰动的幅度和时间,并根据扰动段的幅值差和相位差值实现了扰动起止时刻定位。基于Matlab的仿真结果表明,与复小波相比,该方法能进一步提高风电接入电力系统电能质量扰动信号定位的速度和精度。     

基于二进小波变换的电能质量扰动检测

电能质量扰动起止时刻和持续时间是描述扰动的重要属性,为了对电能质量进行分析与评估,需要对其进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。连续小波变换的计算量大,存在较大冗余,而多分辨率分析的方法由于进行了二抽取,难以直接根据变换结果进行检测,需要重构信号,因此,采用了二进小波变换对电能质量扰动进行检测。使用电磁暂态分析程序ATP仿真软件对电能质量扰动信号进行了仿真,用样条小波进行二进小波变换,检测结果表明在分解尺度一上可以实现较为准确的检测。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。