经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换（EWT）和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交（NDQ）算法和奇异值分解（SVD）算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法（IPSO）优化支持向量机（SVM）的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。     

基于可调窗复小波和专家系统的多重电能扰动识别

为了获取类别少、物理含义明确的识别参数,采用具有良好时频域局部化特性的连续复小波变换,并改进现有的复小波窗函数,通过调整窗函数的带宽参数较好地改善了连续复小波变换用于基波检测的动态特性以及高频分析的频率分辨率。采用基于规则匹配的专家系统,以同时识别多重电能扰动类型。MATLAB仿真结果表明,提出的方法能同时准确提取包含谐波、间谐波、频率波动以及电压变动等在内的各电能扰动类型的特征参数,并能高效准确地识别同时发生的多重电能扰动类型。     

基于多特征组合的电能质量扰动识别方法

为解决电力系统电能质量复合扰动识别困难的问题,同时为电网无功功率补偿提供依据,提出了一种基于多特征组合的电能质量复合扰动识别方法。应用小波包变换和S变换对电能质量扰动信号进行时频分析,提取信号的幅值特征和频率特征,构建电能质量扰动的多特征组合。然后利用概率神经网络构建多特征组合分类器实现电能质量扰动的分类识别。仿真实验证明,该方法能够识别包括两种复合扰动在内的7种电能质量扰动信号,并且具有较高的分类准确度和抗干扰能力,具有工程应用价值。     

电能质量扰动分析中广义S变换算法的改进与实现

基于传统广义S变换的电能质量扰动分析方法计算量大,不利于信号的实时检测与分类,且存在信噪比不高时检测精度仍较低和分类正确率不高的问题。该文对传统广义S变换算法进行改进并应用于电能质量扰动分析。首先,利用快速傅里叶变换估计信号频率,缩小频域分析范围,大幅度节省计算时间;其次,用双高斯窗替代传统高斯窗,解决传统广义S变换检测扰动起止时间的幅值曲线变化缓慢的问题,并通过自适应选择双高斯窗参数,信号变换后得到的模时频矩阵信息更加可靠。最后,借助Matlab R2010b仿真平台引入新的电能质量扰动指标准确估计扰动起止时间信息和依据提取有效特征信息直接分类或借助简单的判别树识别特定扰动,提高了分类效率和正确率。通过对12种电能质量扰动信号的分析结果,验证了文中方法的有效性。     

基于改进S变换和GA-SVM的电能质量扰动识别与分类

电能质量扰动的准确识别与有效分类是改善与治理电能质量问题的前提,针对当前电能质量扰动识别与分类存在的不足,提出一种基于改进S变换和遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)的电能质量扰动识别与分类方法.首先,在S变换高斯窗函数中引入调节因子...     

基于S变换和多级SVM的电能质量扰动检测识别

提出了一种基于S变换和多级支持向量机(SVMs)的电能质量扰动检测和识别方法.首先通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动的检测输出.然后对检测输出进行时频特征提取,并通过一个N?1级支持向量机器分类器,最后实现N种电能质量扰动信号的分类识别.测试结果表明,该方法能有效识别参数大范围内随机变化的各种电能质量扰动,识别正确率高,且训练时间很短,实时性能好.     

基于S变换和IWOA-SVM的复合电能质量扰动识别

针对目前复合电能质量扰动（PQD）信号特征冗余,分类识别准确率低的问题,提出了一种基于S变换和改进鲸鱼算法支持向量机（IWOA-SVM）的复合电能质量扰动识别方法。首先,利用S变换对7种单一电能质量扰动和生成的13种复合扰动信号进行时频分析,使复杂扰动信号的特征得以凸显。设计特征提取方法,从实频矩阵中尽可能地获取便于分类的信号特征信息;其次,引入自适应权重因子和随机差分变异策略对WOA进行优化,提升其搜索能力;最后建立IWOA-SVM分类预测模型,优化SVM高斯核函数参数,以获得更好的鲁棒性和泛化能力,对提取的特征样本进行自动分类和识别。实验结果表明,所提方法分类识别准确率高,能有效识别多种复合PQD信号,有助于评估与治理电能质量问题。     

基于改进HHT和决策树的电能质量扰动辨识

为了准确辨识电能质量扰动的类型,以实现电能质量问题的有效治理,提出一种基于改进希尔伯特-黄变换(Hilbert-Huang transform,HHT)和决策树的电能质量扰动辨识方法。该方法先采用改进的基于斜率的方法(improved slope based method,ISBM)抑制希尔伯特-黄变换算法的端点效应,然后利用改进的HHT方法进行电能质量扰动信号的分析;从得到的瞬时频率曲线中提取频率成分、扰动持续时间和扰动持续期间频率3个特征量,并从瞬时幅值曲线中获取扰动期间电压幅值;最后构建分类决策树,将这4个特征量作为判断依据,实现扰动信号的分类和识别。根据各类电能质量扰动信号的数学模型,产生大量的测试样本进行仿真测试,结果证明了该方法的有效性和准确性,并且与现有的2种扰动辨识方法进行对比,结果表明该方法具有更高的识别准确率,能准确辨识出电能质量扰动的类型。     

基于S变换的暂态电能质量扰动检测

针对暂态电能质量扰动信号特性,提出了一种基于S变换(S-Transfom)的信号分析法.S变换是由连续小波变换和短时傅立叶变换相结合发展而来,引入了宽度与频率成反向变化的高斯窗,不仅具有与频率相关的分辨率,更具有良好的时频特性,是一种有效的非平稳信号分析方法.通过算例验证了S变换在暂态电能质量扰动信号分析中,可提供有效、准确的分析结果.     

基于EEMD的HHT在电能质量多扰动分类识别中的应用

现有的电能质量扰动分类识别方法对电能质量多扰动的分类准确性和识别能力较低,本文提出了将基于聚类经验模态分解(EEMD)的希尔伯特—黄变换(HHT)应用于电能质量多扰动的分类识别方法。它依据电能质量多扰动信号就是在电能基波上叠加不同频率和不同幅值波形的特性,首先利用EEMD对含扰动信号分解得到信号的固有模态函数(IMF),滤除残余噪声后,将得到的IMF分量作为特征值对扰动进行分类,再对IMF进行Hilbert变换得到其瞬时频率和瞬时幅值,瞬时频率的突变点反映电能质量扰动的起止时刻,瞬时幅值反映电能质量扰动的幅度,根据对突变点的观测实现对各个扰动的准确识别。Matlab仿真分析结果表明,该方法能够准确的对电能质量多扰动的扰动类型进行分类,并确定电能质量各个扰动信号的时间、幅值和频率。     

基于时频原子变换的电力系统同步相量测量方法

时频原子变换具有理想的复带通滤波特性,对基频带滤波能够获取同步复相量并同时阻隔其他频带分量的干扰.滤波频域带宽和计算数据窗长度均实现与带通中心的频率解耦.通过尺度参数灵活控制滤波的时域和频域特性.时频原子滤波函数的实部和虚部具有一致的幅频特性,对系统频率变化有较好的适应能力.提出基于时频原子变换的同步相量测量方法,通过...     

复杂电网下基于CSDFT-MAF-PLL的电压同步方法

针对滑动离散傅立叶变换锁相环SDFT-PLL(sliding discrete Fourier transform phase-locked loop)在含整数次谐波及直流偏移分量等复杂电网条件下,发生频谱泄漏影响电压同步问题,设计一种级联型频率自适应SDFT-PLL装置CSDFT-PLL(cascaded SDFT-...     

基于S变换的电能质量扰动支持向量机分类识别

采用s变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展，S变换引入了宽度与频率成反向变化的高斯窗，具有与频率相关的分辨率。由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。     

基于自适应不完全S变换与LOO-KELM算法的复合电能质量扰动识别

针对电能质量复合扰动识别中特征提取效率低、分类器识别能力与学习速度无法同步提高的问题,提出一种基于自适应窗不完全S变换与留一交叉验证优化的核极限学习机(LOO-KELM)算法的复合电能质量扰动识别方法。首先根据选定的主频率点自适应调节S变换窗宽系数,提取具有高时频分辨率的59种电能质量(PQ)特征,再通过留一交叉验证寻找最小预测残差平方和,实现核极限学习机的输出权重优化,最后根据提取PQ特征集与优化后的核极限学习机实现复合扰动的识别与分类。仿真和实测结果表明,所提方法对不同噪声下的16类混合电能质量扰动均具有较高的分类精度,相较于现有复合电能质量识别方法,分类精度更高且训练时间更短。     

采用复原子解耦调制滤波的次同步振荡模态分析方法及其仿真

利用尺度因子对加高斯窗的正交三角基进行解耦调制可以构造具有灵活滤波控制特性的复原子函数。该复滤波函数的时频域带宽不受带通中心频率约束,且能根据分析要求通过尺度因子调整。为此,根据高斯窗半径计算公式设置具有紧凑频域带宽和较短观测时窗长度的复原子参数,在次同步频率范围内逐步调整中心频率实现对各振荡模态的检测,每次有效滤波输...     

基于最小二乘法和时频原子变换的谐波/间谐波测量算法

提出了最小二乘法与时频原子变换相结合的谐波/间谐波测量方法。应用最小二乘法对整个测量频段扫频,获取谐波/间谐波分量的个数和大致频率。依次对各个分量跟踪配置时频原子变换对应的带通滤波器,精确测量其频率和幅值。时频原子变换是具有自适应复带通滤波特性的新型时频分析方法,其频窗宽度与频窗中心相互解耦,可以灵活调整而不受窗函数中心频率的限制。通过构造频窗互不交叉的复带通滤波器来抑制频率邻近分量之间的干扰,同时能在非同步采样条件下抑制基波频率波动对测量精度的影响。仿真结果表明该方法具有测量精度高、计算量小、抗噪性能好等优点。     

基于广义S变换和DE-ELM的电能质量扰动信号分类*

电能质量扰动信号分类对电能质量综合评估、扰动源定位治理具有重要意义。提出了一种基于广义S变换和差分进化优化极限学习机的电能质量扰动信号分类方法。首先,通过改变S变换在不同频段的窗宽因子,来提高特征表现能力;然后,采用极限学习机作为扰动分类器,引入具有全局寻优功能的差分进化算法,优化极限学习机输入权值和隐藏层结点偏置,增强极限学习机的泛化能力,提高分类准确率。最后,仿真对比实验表明,相比于支持向量机和极限学习机,文中新方法准确率高、抗噪性强,更适用于电能质量扰动识别工作。     

基于特定频带的短时傅里叶分析

短时傅里叶分析(STFT)和小波分析都具有分析暂态谐波的能力,但两者都存在不足之处,STFT需要有一个合适的窗才能有满意的分析效果,小波分析不能得到单个的谐波频率和幅值。文中通过比较STFT和小波分析在电力系统暂态信号分析中的优缺点,结合两者的优点,提出了基于特定频带的STFT的方法。该方法利用多分辨率分析确定暂态故障发生的时刻和暂态信号的主要频率范围,在此基础上确定STFT的时窗中心和合适的窗宽,可有效地提高STFT的精度和效率,快速、准确地得到暂态信号中’主要谐波频率分量的频率和幅值,通过MATLAB仿真证明了该方法的有效性。     

Comparison of 2L-VSC and MMC-based HVDC Converters: Grid Frequency Support Considering Reduced Wind Power Plants Models

Several technologies for wind power plants (WPPs) have been developed during the last years, increasing the number of such plants connected to the electrical power systems. Therefore, studies for the integration of these technologies into the grid are required, including their contribution to the power system stability. This paper compares two technologies of high-voltage direct-current (HVDC) transmission system during frequency support provided by WPPs. Considering the grid side converter, modular multilevel converters (MMCs) and two-level voltage-source converters are compared in terms of dynamic behavior, and disturbance rejection capability. A frequency domain analysis for frequency support studies using MMC-based HVDC is proposed. For study cases, a large WPP connected in a hydro-dominated power system, based on IEEE 12-bus system is simulated using Matlab/Simulink tool. In frequency and time domain analysis, similar dynamic performances were found out in normal operation conditions, but during frequency support conditions, a slight improved stability performance was observed in MMC topology. This fact is important in HVDC systems, since a good DC-link regulation, with more disturbance rejection capability, can improve the system reliability.