電能質(zhì)量復(fù)合擾動(dòng)信號(hào)檢測(cè)和識(shí)別算法研究.pdf

1、隨著智能電網(wǎng)的建設(shè)和電力自動(dòng)化水平的提高，電能在日常生活和生產(chǎn)中起到了越來越重要的作用，優(yōu)質(zhì)的電能供應(yīng)能夠提高供電利用率，保障供電可靠性，受到了越來越多的重視。對(duì)電能質(zhì)量進(jìn)行檢測(cè)和識(shí)別，能夠?yàn)殡娏ο到y(tǒng)故障診斷和評(píng)估提供依據(jù)。實(shí)際中的電能質(zhì)量擾動(dòng)信號(hào)多種多樣，檢測(cè)和識(shí)別算法缺乏統(tǒng)一的標(biāo)準(zhǔn)，本文在充分研究各種電能質(zhì)量擾動(dòng)特點(diǎn)及相關(guān)檢測(cè)和識(shí)別算法的基礎(chǔ)上，利用譜峭度和多標(biāo)簽分類算法對(duì)單一和復(fù)合電能質(zhì)量參數(shù)檢測(cè)和分類識(shí)別進(jìn)行了研究，提出了相應(yīng)的

2、改進(jìn)算法。
　　現(xiàn)有的電力系統(tǒng)暫態(tài)振蕩信號(hào)頻率檢測(cè)方法過程復(fù)雜、易受噪聲干擾且通用性較差，為了解決這些問題，本文利用譜峭度能夠檢測(cè)信號(hào)中非高斯分量及其頻率所在位置的性質(zhì)，提出基于Morlet復(fù)小波譜峭度(spectral kurtosis，SK)的暫態(tài)振蕩頻率檢測(cè)方法。該方法首先采用Morlet復(fù)小波對(duì)含噪暫態(tài)振蕩信號(hào)進(jìn)行小波分解獲得小波系數(shù)，然后利用SK的定義計(jì)算信號(hào)的SK值，最后通過最大值檢測(cè)法檢測(cè)暫態(tài)振蕩信號(hào)的頻率。為了分析

3、算法對(duì)噪聲的敏感程度，提出并定義相似度函數(shù)。理論分析和實(shí)驗(yàn)表明，該算法對(duì)噪聲不敏感，具有良好的抗噪性。本文通過仿真和實(shí)測(cè)信號(hào)證明，該方法具有普遍適用性，且計(jì)算過程簡(jiǎn)單，檢測(cè)精度較高。
　　SK是建立在時(shí)頻分析的基礎(chǔ)上的，不同的時(shí)頻分析方法有不同的側(cè)重點(diǎn)，相應(yīng)的SK所反應(yīng)的暫態(tài)擾動(dòng)的特點(diǎn)也不同，本文通過理論和實(shí)驗(yàn)分析了不同SK計(jì)算方法的特點(diǎn)，并在此基礎(chǔ)上提出基于Choi-Williams分布的譜峭度(CWD-SK)。通過對(duì)5種暫態(tài)擾

4、動(dòng)信號(hào)的分析結(jié)果，證明了CWD-SK相比于其它SK計(jì)算方法對(duì)暫態(tài)擾動(dòng)具有更好的區(qū)分度。為了保證識(shí)別算法的有效性和準(zhǔn)確性，分析了暫態(tài)擾動(dòng)的各種參數(shù)及噪聲對(duì)CWD-SK的影響，并在此基礎(chǔ)上提出基于CWD-SK的暫態(tài)擾動(dòng)識(shí)別方案。最后利用多種仿真和實(shí)際信號(hào)驗(yàn)證了算法具有較高的識(shí)別率，并且對(duì)于實(shí)際信號(hào)依然有效。該算法通過閾值進(jìn)行分類，避免了使用復(fù)雜的分類器所帶來的計(jì)算量大等問題，算法簡(jiǎn)單有效。
　　由于實(shí)際電力系統(tǒng)的復(fù)雜性，實(shí)際中的電能質(zhì)