一种暂态电能质量扰动检测的新方法

电能质量信号在采集的过程中通常会被噪声污染,而暂态扰动检测的主要挑战就是噪声干扰。传统的扰动检测算法存在只适用于稳态扰动的分析、运算量太大、易受噪声影响致使检测的准确性急剧下降等缺点。为提高强噪声环境下暂态扰动检测的准确性,该文提出一种扰动检测的新方法。该方法非常简单,无需前置滤波单元,仅有2个参数且对检测结果的影响不灵敏。仿真中,将该文算法与广义形态滤波与差分熵的扰动检测方法和基于奇异值分解的扰动检测方法进行暂态扰动检测对比分析,结果表明该文算法不仅具有较强的抗噪性,且对过零时刻发生的扰动也具有较好的检测效果,同时还能指示扰动突变的极性。最后通过对实际暂态扰动数据的检测,进一步验证算法的有效性。     

基于差分波形奇异值极差的通用电力扰动检测方法

电力扰动数据蕴含大量系统和设备状态信息，基于电力扰动检测分析可实现系统和设备的状态感知。现有扰动检测方法以检测电能质量扰动和故障扰动为主，算法针对性强，通用性和适应性较差，尤其当扰动幅值小或持续时间短时，检测灵敏度较低。为此，提出一种通用的高灵敏度电力扰动检测方法，基于相邻周期差分信号的奇异值分布规律实现扰动检测，利用奇异值极差进行扰动与正常波形区分，提出基于历史奇异值极差序列参考值和差分信号分布特征的自适应阈值计算规则。通过大量仿真和现场实测数据对算法进行验证，结果表明算法在强噪声背景下对各类微弱扰动均具有较高检测灵敏性，证明了算法的正确性和有效性。     

基于多域特征的扰动辨识方法研究

扰动波形的辨识是基于扰动开展特征提取和信息挖掘等研究工作的前提,而噪声、扰动间干扰以及特征提取方法的影响,都有可能导致针对不同扰动提取出的同一域下典型特征间边缘重叠,进而影响扰动辨识的准确性。提出一种利用多域典型特征来识别扰动类型的辨识方法。首先,利用多域特征样本和单域特征样本先后训练神经网络,进而结合DS证据理论融合各域输出以建立面向多域特征的辨识算法。其次,在对三种因素影响下的单域特征开展分析的基础上,对所提出的辨识算法与各种传统的基于单域特征辨识算法的正确率进行对比,以论证所提出辨识算法的有效性。该方法克服了待辨识扰动单域下异常特征对辨识精度的影响,受噪声影响小,算法稳定性好。     

谐振接地系统暂态波形差异性识别法接地选线

利用谐振接地系统发生单相接地故障时,故障线路与非故障线路间的暂态零序电流波形差异性大于非故障线路间的暂态零序电流波形差异性的特点,提出一种基于暂态波形差异性识别的接地选线新方法。对各线路故障暂态零序电流波形进行小波包分解、重构及信号增强处理,根据各频带频率大小确定该频带的时间窗的划分数量,求取各组时间窗波形的分布特征矩阵及其相互间的相对熵,用于衡量同组时间窗波形间的差异程度,采用等权重投票法统计各频带各组时间窗的初步选线结果并确定故障线路。大量仿真结果表明该选线方法选线准确、可靠。     

面向电力扰动数据分析的暂态扰动检测

面向电力扰动数据分析提出了一种暂态电力扰动检测方法。针对IEC推荐的暂态电能质量检测标准中波形对比法的缺陷,将改进型波形对比检测和有效值检测相结合,同时针对电压和电流数据进行检测,对暂态形式的电能质量及非电能质量扰动都具有较高的敏感性。通过应用于现场实测扰动数据表明,该方法能够有效检测出各类暂态电力扰动,较好的解决了检测灵敏度同所需数据量之间的矛盾,能够满足电力扰动数据分析对扰动检测的基本要求。     

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。     

基于形态学的暂态电能质量扰动检测

针对扰动检测过程中存在的脉冲噪声和白噪声影响暂态电能质量信息准确提取的问题,文章设计了一种基于LMS的多结构复合形态滤波算法,该算法具有在保留信号的有效成分的基础上最大限度地滤除噪声的功能。文章使用电压暂降、电压暂升、电压中断等对所提方法进行了仿真实验。仿真结果表明,基于LMS的多结构复合滤波算法得到的信噪比是多结构自适应复合滤波算法的1.01倍左右,是小波变换的1.1倍左右,即该算法能有效地滤除暂态电能质量扰动分析中的随机噪声和脉冲噪声;而且,该算法可较好地保持扰动信号的形状和特征。     

利用广域测量系统定位大电网中短路故障点的方法

研究基于广域测量系统的电网中故障点的定位方法,对于快速实施电网故障后的自动控制策略具有重要意义。当电网中发生短路故障时,针对在短路故障点产生的暂态扰动变量向电网中广泛传播的特点,提出一种利用暂态扰动变量波形相似度确定电网中故障点的方法。具体作法是：利用广域测量系统获取电网中不同测量点在一段相同时间段内的电压局部极大值和极小值及其对应的时刻数据,利用Hermite函数拟合出电压极大值和极小值曲线并相加,提取各测点的电压暂态扰动变量;利用波形相似度函数计算相邻测点间该扰动变量的传播时差,结合相邻测点间已知的线路长度计算扰动变量行波的波速并确定故障点。通过一个2机无穷大系统的仿真实验,验证了该方法的正确性和准确性。理论分析和仿真实验结果表明,该方法需要安装的测点数量少,不仅可以节省投资,而且可快速确定故障点。     

采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

为了满足对电网非平稳扰动信号快速、准确分析的要求,提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰,并通过奇异值梯度求取扰动指示信号,得到初步定位结果。提出无参自适应阈值,进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单,无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明,所提算法定位准确、抗干扰能力强,对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析,进一步验证了所提算法的有效性。     

深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法

非侵入式负荷监测中虽然高频采样能提高负荷辨识准确率,但对数据采集设备要求高,难以推广,因此,低频采样下负荷辨识方法成为研究热点。以低频采样下负荷投入时的暂态电流波形为特征,采用卷积神经网络算法实现负荷辨识,辨识结果发现CNN对暂态电流波形差异大的负荷辨识准确度高,但是对暂态电流波形相似的负荷识别准确率低,为解决这一问题,在卷积神经网络辨识的基础上,对暂态电流波形相似的负荷,以暂态电流幅值为特征作进一步辨识,以提高辨识准确率。通过使用实测数据进行验证,结果表明所提算法可以很好地克服低频采样下波形特征相似负荷识别准确率低的问题。     

基于数字图像处理技术的暂态电能质量扰动分类

为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。     

暂态零序电流波形差异的单相接地故障选线

配电网结构日趋复杂,系统发生单相接地故障的概率较高。文中在选定频段(SFB)内配电网零序电流分布特征研究的基础上,提出了基于暂态零序电流波形差异的配电网单相接地故障选线新方法。该方法利用小波包变换引入基于SFB的馈线零序电流特征分量的概念,定义符号化处理后的各馈线零序电流特征分量的互差绝对值之和为馈线零序电流波形差异系数,并根据故障馈线零序电流波形差异系数最大的特点进行选线,凸显了故障馈线与健全馈线之间的差异。PSCAD仿真表明文中方法选线准确率和可靠性高,不受故障电阻、故障距离、中性点接地方式、电弧和噪声的影响。     

基于ARIMA的矿山电网故障暂态行波波头辨识及故障测距

由于矿山电网含有大量的整流设备及非线性负载,运行时含有稳定的高次谐波分量和高频噪声,同时矿山电网多为短距离线路,故障后产生的暂态信号与原有高次谐波混叠严重,给行波故障测距带来了极大的困难。通过分析矿山电网故障行波的时域特征,提出基于整合移动平均自回归模型(ARIMA)对行波波头到达前的高频周期信号进行预测,并结合波头到达时刻的真实波形得到波形残差,同时对残差进行平稳性校验,通过行波波头到达时刻前后残差平稳性的不同确定准确的波头到达时刻,进而实现行波故障测距。利用低压电缆网络仿真实现矿山电网故障,仿真结果表明:与小波变换与经验模态分解相比,所提方法能够准确辨识行波波头,且不易受故障状况和噪声的影响,能有效提升行波可行性及精度,尤其适用于含有整流设备及非线性负载矿山电网故障测距。     

基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测

非侵入式负荷监测已经成为智能电网负荷监测管理的关键技术之一。用电设备状态变化过程所表现出的暂态特征是进行非侵入式用电设备状态辨识的重要依据,但其精准提取取决于用电设备状态变化的准确检测。为此,提出了一种基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测算法。首先对排列熵算法进行多尺度改进,利用多尺度排列熵的差值分析确定状态变化发生的区间,然后利用Yamamoto算法进行区间检测,定位状态变化的时刻。仿真分析结果表明,所提算法可准确检测用电设备的状态变化,有效地提高后续利用暂态特征的设备状态辨识准确率。     

基于聚类和关联分析的居民用户非侵入式负荷分解

现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率变量作为负荷特征,并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据,并计算得到暂态功率波形;然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度,并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作;最后以周为单位对负荷操作进行关联分析,确定每种电器对应的多个暂态特征。仿真结果表明,所提方法易于实现,在准确率和可靠性方面有明显提高。     

一种基于分层分析系统的电能质量扰动分类方法

建立了电能质量监测和分析系统,对改善电能质量、避免设备损坏和电力系统故障有重要的作用.提出了一种基于分层分析系统的电能质量扰动分析算法,来提高电能质量扰动分类的准确性及对噪声的适应性.采用多种信号处理算法方法,萃取能反映信号扰动参数的特征并逐层进行分析,最后综合判定信号的扰动类型.在不同噪声水平的情况下,通过对6种常见的单一电能质量扰动信号和4种复合扰动信号的仿真,验证了该方法的有效性和准确性.     

一种基于小波包变换的电力系统谐波检测方法

非线性设备的大量使用和分布式电源的投入使得谐波污染愈加严重,文中提出了一种基于小波包变换的谐波检测方法,能对电能质量进行有效的分析。该方法在五层db40小波包变换的基础上,利用希尔伯特变换做移频运算,避免了中间频段小波混叠对检测精度造成的不利影响,并将各次谐波分量转移到精度较高的边频带进行小波包分解并重构信号,实现了各次谐波的高精度检测,同时通过Matlab工具对不同算法的仿真进行了比较和误差分析。仿真表明,相比于传统傅里叶变换,该算法具有高分辨率时频分析能力,能有效定位暂态干扰;与经典小波包变换相比,测量精度也有了较为明显的提高,实验结果一致显示了该算法的可行性和优越性。