基于短时傅里叶变换的电压暂降扰动检测

用短时傅里叶变换作为时频信号分析工具，研究在电压暂降扰动下暂降电压幅值检测、扰动时间定位和扰动源识别问题。提出利用暂降后电压信号的基频幅值曲线检测暂降电压幅值，利用暂降发生和结束时产生的高频信号对电压暂降扰动时间定位的方法，并提出根据基频幅值和扰动点个数来识别电压暂降扰动源的方法，该方法可以有效区分由短路故障引起的电压暂降和由感应电机启动引起的电压暂降。仿真试验结果表明该方法对电压暂降扰动检测精度高，同时比以往基于小波变换的方法在抵御谐波和噪声干扰方面更具有优越性。     

基于小波域相子的电压暂降特征提取与成因辨识

有效提取电压暂降的特征并进行成因辨识是确定治理方案的前提。在多分辨分析基础上发展起来的离散小波变换(DWT)具有简单、快速和信息非冗余等特点,但一般认为不易于提取电压暂降信号的相位跳变特征。基于小波域相子方法对电压暂降的幅值和相角特征进行了有效提取。通过小波域相子的幅值和相位信息构造出电压暂降成因辨识特征指标。最后采用支持向量机(SVM)方法进行了电压暂降成因的辨识。结果表明,所提方法可以有效实现电压暂降的特征提取和成因辨识。     

基于正序电流故障分量相位比较的电压暂降扰动源分界

准确判断电压暂降扰动源的相对位置,对界定供用电双方责任以及制定治理措施提高供电质量具有重要意义。文中提出了基于正序电流故障分量相位比较原理的配电网电压暂降扰动源分界方法。通过建立不同位置发生不同类型故障时的正序故障分量等值网络,分析变电站内所有进出线的正序电流故障分量相位分布与故障位置间的关联关系,进而构建基于正序电流故障分量相位比较的电压暂降扰动源分界判据及其动作边界。该方法进行电压暂降扰动源分界时仅利用站端进出线的电流信息,测量信息获取方便,具有很好的工程应用前景。基于PSCAD建模仿真,验证了短路故障、相位跳变以及负荷扰动情况下,文中所提电压暂降扰动源分界方法效果较佳。     

基于GWO-SVM的电压暂降扰动源识别

针对电压暂降扰动事件发生频繁、扰动种类多样,难以有效识别扰动源的实际情况,结合电压暂降扰动信号的时-频特性、灰狼优化算法(GWO)和支持向量机(SVM)分类模型,提出了一种电压暂降扰动源识别新方法。通过S变换对电压暂降扰动信号进行多分辨率时-频分析,从S变换结果矩阵中提取出信号的特征曲线,建立6类电压暂降混合扰动信号的8个特征量。构建GWO-SVM一对余(OVR)分类器,以提取出的特征量作为输入,对扰动源进行分类识别。基于MATLAB/Simulink构建电压暂降模型,经仿真验证分析,该方法可以有效识别电压暂降扰动源,也为电压暂降扰动治理提供必要的技术支撑。     

基于改进S变换的复合电压暂降源识别特征分析

电压暂降是较常见、影响较大的电能质量问题,识别电压暂降扰动源对改善和治理电压暂降具有重要意义。分析了由线路短路故障、感应电动机启动、变压器投入等单一电压暂降扰动源和复合电压暂降扰动源引起的电压暂降现象,提出采用改进S变换分析复合电压暂降扰动源识别特征。根据基频幅值曲线和2~5倍基频幅值和曲线,从统计量、熵和能量等方面构建电压暂降识别特征指标,将这些特征指标作为支持向量机的输入实现对不同类型电压暂降扰动源的分类识别。仿真结果表明,采用改进S变换构建电压暂降识别特征指标比标准S变换在电压暂降扰动源分类识别上效果更好。     

基于集合Kalman滤波的暂态电压扰动检测

随着电力系统中非线性负荷的增加,由暂态电压扰动引起的电能质量问题越来越严重,对暂态电压扰动信号的检测成为改善电能质量的关键。基于集合Kalman滤波方法进行暂态电压扰动检测分析,结合暂态电压扰动特点,构造了集合Kalman滤波的背景集合。由k-1,k-2时刻的电压状态修正值组成背景集合,然后进行递归运算,提取出实时的电压幅值,从而定位暂态扰动发生的起止时刻以及跟踪突变的幅值。仿真结果表明,所提方法能快速检测到电压暂降/突升、暂态电压脉冲信号发生的起止时刻,跟踪到突变幅值。其对谐波加电压暂降混合扰动信号的扰动起止时刻以及混合扰动信号中基波、谐波的幅值的跟踪也非常有效。所提方法总体优于传统的Kalman滤波法和有效值法。     

一种改进不完全S变换的电压暂降检测方法

为实现对电压暂降的准确快速检测,提出了一种改进不完全S变换(MIST)的电压暂降检测方法。该方法对从电网中采集到的电压信号进行快速傅里叶变换,获得信号的主要频率点;对各主频点进行改进的S变换,获得信号主频特征分量;利用这些特征分量信息实现对电压暂降扰动特征量的检测。首先描述了改进不完全S变换的原理及其参数选择的原则,然后详细叙述了电压暂降特征量的提取方法,最后对实际信号进行了仿真。仿真结果表明,该方法可有效地提取电压暂降的幅值、持续时间、相位跳变等特征信息,并且准确率高,运算量小,同时具有一定的抗干扰能力。     

两种扰动源引起电压暂降的快速检测及特征分析

电压暂降在电网中具有一定的传播性,无论从电网还是用户都迫切需要对电压暂降进行研究和治理。作为解决电压暂降问题的前提,需先对其检测方法进行研究。分析了感应电动机启动和变压器激磁两种扰动情况引起电压暂降的原因,在此基础上采用了基于S变换的短时电能质量扰动检测方法,从S变换的结果中提取出所需数据,并以此来对上述两种扰动情况的暂降深度、相位跳变、持续时间和谐波含量进行分析。仿真结果表明,该方法很好地实现了对电压暂降各特征量的检测;在对暂降录波波形数据进行后续离线分析应用方面具有较高的实用价值。     

基于改进S变换-TT变换的电压暂降特性研究

针对S变换的窗函数固定,以及在检测扰动信号的起止时刻、幅值变化、相位变化时的检测精度不高的问题,在S变换中引入两个调谐因子,得到一种改进的S变换,并对改进的S变换进行傅里叶反变换得到TT变换,将改进的S变换与TT变换相结合应用到主要引起电压暂降的3种暂降源中,并在MATLAB软件上对这3种暂降扰动源信号进行了仿真分析。仿真结果表明,所提的方法比使用S变换方法在检测电压暂降信号上具有更高的检测精度和更好的效果,为更好地提取暂降特征信息以及暂降源的识别打下基础。     

基于扰动功率小波奇异熵的电压暂降源定位

针对现行的电压暂降源定位方法在含有变压器以及复杂电网结构场景下准确度较低的问题,提出一种基于扰动功率小波奇异熵的电压暂降源定位法。首先,基于电能质量监测仪采集到电压电流波形数据计算得到瞬时有功和无功功率,获得加权瞬时扰动有功功率和无功功率;然后,通过小波变换,奇异值分解,结合信息熵原理得到扰动功率的小波奇异熵值,由小波奇异熵值的大小来确定电压暂降扰动源的相对位置;最后,仿真和实例分析证明了所提方法的有效性和准确性。     

考虑新能源出力相关性的电网电压暂降随机预估

针对含有风电、光伏及电动汽车充电站的新能源电力系统,提出了一种考虑新能源出力相关性的电网电压暂降随机预估方法。首先构建了故障信息随机模型及新能源出力随机模型,采用拉丁超立方采样（Latin hypercube sampling,LHS）得到故障信息样本,利用皮尔森相关分析法确定同一类型新能源出力的相关系数后,采用Nataf变换及LHS法得到含有相关性的新能源随机出力样本;然后通过故障仿真模拟,得到一系列暂降事件,计算各节点电压暂降指标,预估各节点电压暂降情况;最后以IEEE 30节点为例进行了仿真分析,研究相关系数变化下的新能源出力及不同类型新能源的接入对电网电压暂降的影响。     

动态电压恢复器补偿策略的研究

能有效解决暂态电能质量中的电压跌落问题,而动态电压恢复器(DVR)的补偿策略决定了电压补偿的效果.介绍了DVR现有的补偿策略.通过计算分析,对其进行了优化.优化后的补偿策略兼顾了DVR的功率输出和补偿跌落电压的效果.仿真结果验证了该补偿策略能实现DVR的优化补偿.     

含双馈异步风力发电机组的配电网电压暂降研究

分布式发电快速发展,并为一些电力用户供电.与传统集中式大电网不同,分布式发电在用户侧或在地方电网直接向当地配电网供电.对含有分布式电源的配电网进行了研究,通过临界距离法计算了电压暂降幅值.在Matlab环境下对短路故障造成的配电网电压暂降进行了仿真,结果表明不同控制模式下的双馈异步风力发电机组不能有效抵制电压暂降,采用动态电压恢复器可以快速有效地裣电压暂降.     

基于PSB/Matlab的动态电压恢复器仿真模型的研究

通过对动态电压恢复器（DVR）的仿真模型分析,介绍了DVR的工作原理和相关的控制策略,并在PSB/Matlab下建立DVR和PWM控制器的模型,对电压跌落情况下的DVR电压补偿过程进行仿真。仿真结果验证了DVR的动态特性和对系统电压跌落的补偿效果。     

基于梯度提升树的电压暂降源概率辨识

提出一种基于梯度提升树的电压暂降源概率辨识方法,通过多个决策树弱学习器的依次学习不断拟合残差,依据算法输出的概率结果对暂降源进行辨识。依据仿真获得的各类暂降源波形对该方法的有效性和准确性进行验证,并与传统的支持向量机算法进行了对比。在相同样本数量下该方法相较支持向量机具有更高辨识准确性,所给出的各类暂降源辨识概率信息更能反映模型辨识的可信度,利于辅助决策人员进行决策。     

基于空间矢量PWM的DVR仿真研究

阐述了基于空间矢量PWM动态电压恢复器(DVR)控制技术的基本原理,提出用锁相环技术闭环控制负荷侧电压的方法,建立了三相电压源空间矢量PWM控制模型.通过Matlab/Simulink软件对220 V配电系统发生三相和单相电压凹陷进行了仿真,仿真结果验证了所提出方法在系统发生单相和三相电压凹陷进行补偿时的有效性.     

基于空间矢量的快速电压暂降检测方法

提出了一种基于空间矢量的快速电压暂降检测方法。该方法通过对三个不同时刻的三相电压信号进行Clark Transform,结合快速椭圆重构算法计算出空间矢量在复平面上的轨迹方程,根据轨迹形状进行电压暂降的检测并识别出故障相。同时由椭圆参数求解出电压暂降过程中电压相位角跳变值,进而根据相位角跳变值对原始电压数据进行移相处理,最终可快速计算出电压暂降深度。仿真实验验证了文中方法的有效性。     

基于复小波变换和有效值算法的电压暂降检测方法

对电压暂降三大特征量即持续时间、相位跳变和幅值的准确检测是实现电压暂降有效补偿的前提。文中提出复小波变换和有效值算法相结合的电压暂降检测方法。详细研究了复小波变换奇异性检测原理及其在电压暂降起止时间检测中的应用,采用具有四阶消失距的复Gaussian小波(Cgau4)能准确检测电压暂降发生、恢复时刻和相位跳变,利用有效值算法实现电压暂降幅值的检测。通过在Matlab中对有无畸变情况下的的电压暂降问题建模仿真,验证了该算法的有效性,实验结果表明该方法能精确检测电压暂降三大特征量。     

基于优化极限学习机的电压暂降源识别方法

准确识别电压暂降源对暂降责任分摊和治理决策至关重要。文中提出一种基于优化极限学习机的电压暂降源识别方法。通过直接提取电压暂降波形的时域特征和经S变换提取能量熵和奇异熵2种时频域特征,构建基于时域和时频域的特征向量,弥补现有方法仅采用时频变换提取特征,可能丢失仅存在于时域内的重要信息而影响识别精度的不足。针对极限学习机输入权值和隐含层偏置随机产生的不足,采用遗传算法对其进行优化,构建优化极限学习机模型,解决利用模式识别存在模型复杂和耗时较长,难以实现快速识别的问题。应用仿真数据和实测数据验证了所提特征向量和优化极限学习机模型的有效性;并与其他方法相比,证明所提模型简单、训练和分类识别速度快,识别精度更高,适用于边缘计算,可实现电压暂降源的快速准确识别。