论文部分内容阅读
随着电网的进一步发展,电力电子器件的广泛运用,分布式新能源的接入,非线性负荷的使用,电力系统的电能质量问题面临了重大的挑战,另一方面,用户对于电能质量的要求也越来越高,精密仪器对电能质量越来越敏感,电能质量问题可能造成的损失越来越大,因此电能质量问题受到了越来越多的重视。对电能质量进行检测,分类和参数识别,能够为电力系统故障诊断和评估提供依据,保障电力系统安全稳定的运行。本文在前人研究的基础上,对电能质量扰动的检测,分类和参数识别的问题进行了分析研究。在电能质量扰动检测方面,本文提出了一个是基于数学形态学基本运算算子的形态学混合梯度差和一个基于数值积分和三角函数公式的积分算子的检测方法,并且结合阈值处理和逻辑判断形成最终的扰动检测方法,实验表明,本文提出的方法不仅实现对Matlab生成的标准信号和Simulink生成的模拟信号的检测,对于实际系统采集的扰动信号也能实现检测作用,验证了该检测方法的有效性。在电能质量扰动分类方面,本文首先利用变分模态分解对扰动信号进行分解,然后利用相移算子对分解结果和原始信号进行主要的特征提取,接着结合决策树对扰动进行分类。而对于极限学习机和支持向量机等机器学习的分类方法,除了变分模态分解结合相移算子提取的特征以外,又提出了利用信号之间的相关系数提取特征以实现对扰动地分类,最后结合别的分类扰动文献进行综合比较分析,验证本文提出的特征提取和分类方法的有效性。在电能质量扰动参数识别方面,本文提出了五个参数识别的方法分别实现了对不同扰动的信号不同参数的识别。一,提出了基于积分算子的频率算子,实现了在较短的数据窗口内对信号的频率的识别;二,提出了基于相移算子的识别方法,实现了对暂升,暂降和中断扰动信号的幅值的识别;三,提出了基于形态学滤波和变分模态分解以实现对暂态振荡扰动的参数识别,成功识别了暂态振荡的振荡频率和衰减系数,并且与基于FastICA方法的识别结果进行了比较;四,提出了基于形态学滤波和多次变分模态分解以实现对暂态振荡混合闪变的混合扰动的参数识别,成功识别的参数既包括了暂态振荡的振荡频率和衰减系数,也包括了闪变信号包络线的幅值和频率;五,提出了基于FastICA和变分模态分解的参数识别方法,实现了对暂态振荡混合谐波,暂态振荡混合暂升和谐波,暂态振荡混合暂降和谐波这三种复杂扰动的参数识别,识别的参数既包括了暂态振荡的振荡频率和衰减系数,也包括了谐波信号的幅值和相位,以及暂升或者暂降信号的变化幅值,且将该方法与经验模态分解算法,Prony算法和FastICA进行了比较,突出了本文所提方法的有效性。