离散小波变换用于电能质量扰动数据实时压缩

电力系统中与电能质量扰动相关的监测数据规模在短时间内迅猛增加，其庞大的数据容量给存储带来了很大的麻烦，亟须在存储前对其做压缩处理。文中提出了电能质量扰动数据的实时离散小波变换（DWT）法，该方法能够实时地对电能质量扰动数据信号进行多分辨分析（MRA），在各尺度上筛选与扰动相关的小波变换系数并进行保留，从而实现实时压缩的目的。该方法还可以利用保留下来的小波变换系数进行几乎无信息损失的信号重构来复原原始电能质量扰动数据信号。工程实际应用证明了该实时压缩方法的可行性。     

基于生成对抗网络的电能质量扰动数据增强方法

针对当前电能质量扰动自动识别受样本集的规模和质量影响较大及扰动数据匮乏的问题，提出一种在二维尺度上结合深度卷积生成对抗网络(deep convolutional generative adversarail networks, DCGAN)对电能质量扰动数据进行增强的方法。将典型扰动二维图像数据作为输入，以提高数据特征提取能力，再通过深度卷积生成对抗网络不断生成优化扰动数据，并选择验证集上取得最高AUC值的增强数据集进行电能质量扰动的识别测试。在某电网公司提供的真实数据集上进行测试，结果表明：基于DCGAN数据增强方法能生成较大规模、高质量的数据，在网络训练速度及电能质量扰动识别的准确率上有明显提升。     

基于大数据深化分析的电能质量扰动辨识方法研究

随着海量充电桩、分布式能源和新型储能设备等新型设备接入电网,导致电能质量问题日益突出。该文以随机矩阵理论为基础,提出基于大数据深化分析的电能质量扰动辨识方法,实现电能质量异常扰动的高精度辨识及挖掘。利用高维随机矩阵对电能质量状态进行表征;通过计算随机矩阵的谱半径来映射电网电能质量的数据变化状态,以实现电能质量扰动的自动辨识;以仿真的电网运行数据为对象进行实例分析,验证了所提方法的有效性。     

基于数据关联性分析的工业用户电能质量特征识别

随着电力电子型用电设备的大量使用，电网公共连接点上干扰源用户的类型和数量越发增多，使得其电能质量扰动指标特征和时空特征更为复杂。针对目前电能质量监测装置难以对每条馈线上各终端用户均实现专门监测，且无法识别馈线上多个用户各自电能质量特征等问题，提出一种基于多源数据关联分析的工业用户电能质量特征识别方法。首先，以指标限值和累积分布图拐点为依据，提取监测点电能质量时间序列的超标和波动的数值及其时段，得到谐波关键指标、电压偏差、负序电压不平衡度等指标的扰动时序数据；其次，提出一种基于导数动态时间弯曲的时序距离计算方法，分析扰动时段下监测指标与工业用户用电数据的相关性，依据不同指标关联度识别用户的电能质量特征；最后，基于多类型干扰源仿真和实测算例，验证所提方法的可行性，可实现不同工业用户的电能质量特征识别。     

配电网电能质量监测数据简约方法探讨

模拟具有正态分布特征的电能质量扰动样本,对其施加IEC 61000-4-30规定的数据简约方法进行抽样,同时进行无数据简约方法的等时间间隔抽样,对各类抽样进行95%置信区间参数无偏估计,通过分析比较不同样本分布信息得出如下结论：IEC 61000-4-30规定的数据简约方法较大程度地改变了电能质量实际扰动的分布。在此基础上文章提出了适合配电网的电能质量监测方法,即放弃IEC 61000-4-30规定的数据简约方法,对10周波原始记录采取定时间间隔抽样。分析结果表明该方法不仅能够反映真实的电能质量扰动分布特征,也利于降低监测设备成本,便于在配电网大规模应用。     

基于数据驱动的多污染模式电能质量耦合性评估

为量化电网中不同电能质量变化规律下节点间扰动的相互影响,提出一种基于数据驱动的多污染模式电能质量耦合性评估方法。首先,利用频域分解构建周期性和随机性变化扰动模式,根据扰动的变化趋势和严重性,通过考虑局部极值点的分段线性拟合提取扰动模式特征。其次,提出模式距离度量法对各扰动模式特征实施模式匹配,分析不同模式下节点间扰动时间序列的耦合性,确定系统节点间扰动的相互影响。最后,采用IEEE 14节点系统进行仿真算例分析,通过对比常用的时间序列模式匹配方法,验证了所提方法的准确性和适用性。     

一种电能质量异常数据剔除的有效方法

海量的电能质量数据常存在异常数据,会干扰电能质量数据分析,甚至带来错误的分析结果。为此,提出一种新的电能质量异常数据剔除方法,用于电能质量在线监测数据及测试数据中的异常数据发现。对于电能质量稳态数据,首先是根据各指标的业务取值范围对数据进行初判,找出整体异常数据,分析其数据曲线的斜率变化率,滤除曲线的异常点;其次是根据各数据之间的业务关系对数据进行相互校验,完成电能质量稳态数据的异常剔除。对于电能质量扰动波形数据,采用基于S变换的方法对待筛选数据和异常模板库进行对比,与异常模板库中信号相近的扰动波形,认为是异常数据,从而完成电能质量扰动波形数据的异常剔除。该方法已用于某省级电能质量监测系统中,实践证明该方法有效、可行。     

基于Hoeffding Tree的电能质量在线扰动分类

为满足电能质量扰动事件的在线分类需求,提出了一种基于Hoeffding Tree的电能质量扰动在线分类方法。对电能质量在线扰动分类中的关键技术进行了研究,提出用小波变换和离散傅里叶变换相结合的判别方法检测电能质量扰动,该算法采用自适应滑动数据窗算法,能够根据扰动持续时间提取完整的扰动事件。以小波信号能量以及基波有效值构成特征向量,利用Hoeffding Tree算法构建增量式分类训练模型。仿真结果表明,所提方法的准确度和效率均满足电能质量扰动事件在线检测和分类的要求。     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

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。