基于dq变换和ANN的电能质量扰动辨识

提出了一种利用dq变换提取信号特征，并结合神经网络来识别电能质量扰动信号类型的方法。该方法通过对测量的某一相电压由单相延迟构造三相，进行dq变换提取扰动的特征量，作为人工神经网络(ANN)的输入，从而对电能质量扰动信号类型进行识别。所提出的方法可用于电能质量扰动的实时监测与统计分析。仿真分析验证了该方法的有效性。     

基于相空间重构和支持向量机的电能扰动分类方法

电能扰动的分类需要信号特性提取和分类器构造2个阶段，文中采用相空间重构和支持向量机的组合，提出了一种全新的电能扰动信号的分类方法。首先利用相空间重构方法构造扰动信号轨迹，通过编码获得二进制轨迹图像。针对该图像定义了4类具有区别性的指标，以表征不同扰动类型的特性。然后将特性指标作为支持向量机分类器的输入矢量，实现自动分类识别。算例表明该方法计算量少，正确率高，所需训练样本少，可以有效分类识别电压暂降、电压瞬升、电压中断、脉冲振荡、谐波、闪变等6种电能扰动。     

经验模态分解-熵在复合电能质量扰动信号分析中的应用

针对复合电能质量扰动问题,笔者提出了一种经验模态分解-熵(EMD-熵)的分析新方法,该方法可为复合电能质量扰动信号分类中的特征选择提供依据。文中先将复合扰动信号进行经验模态分解得到固有模态函数(IMF)后,取前三阶IMF分别计算熵参数(多尺度熵、模糊熵、Kolmogorov熵及第二阶Rényi熵),并分析各复合扰动信号的分布情况。通过仿真分析得出结论:各复合扰动信号的EMD-多尺度熵分布混叠大,分辨难度大,不适合运用于复合电能质量的区分;EMD-Kolmogorov熵IMF1、IMF3能区分开部分的扰动类别,但IMF2中暂升+谐波信号的分布几乎与其他所有类别混叠;EMD-模糊熵和EMD-Rényi熵能明显地区分开大部分的扰动类别,区分能力强。     

基于改进扰动功率和能量法的暂态扰动定位

功率和能量法是一种定位电能质量扰动问题的常用方法，但它在定位向系统注入能量的扰动类型时，会发生原理性错误。文中对此进行了改进，提出一种基于改进功率和能量法的暂态扰动定位方法。改进法结合了扰动初始能量的极值和扰动初始电压的极值，使其可以同时处理向系统注入能量的扰动和系统释放能量的扰动。改进方法不需要在定位前对暂态扰动进行分类，就可以对2类暂态扰动进行准确的定位。对比仿真分析表明，改进方法达到了准确定位2类暂态扰动的目的。     

电能质量扰动的专家概率分类器模型

电力系统以及部分用户均安装有监测装置，收集了大量的扰动数据，因此有必要研究出实用简单的、自动的扰动分类器，从而为进一步研究奠定基础。提出了电能质量扰动的专家概率分类器模型，用于常见电能质量扰动的分类。概率分类器基于数理统计规律，概念清楚、运算简单，引入专家反馈环节可以提高分类的准确性、鲁棒性，使得分类器具备一定的自适应能力。根据同一监测地点检测到的电能质量扰动样本，构建并测试了该分类器的可行性及性能，结果令人满意。     

检测电压瞬时脉冲扰动的小波-神经网络新方法

对动态电能质量暂态扰动中的电压瞬时脉冲扰动进行了分析，提出了一种基于小波-神经网络的电压瞬时脉冲扰动识别的新方法。首先讨论了电压瞬时脉冲扰动产生的原因，用PSCAD/EMTDC软件包实现电压瞬时脉冲扰动的暂态仿真。然后，选用db4小波并将扰动波形进行4尺度的小波分解，以分解后各层的能量作为3层概率神经网络(PNN)的输入特征矢量，从而正确地把雷击和开关动作造成的扰动区分开。仿真结果表明，与传统的基于电压幅值/有效值的扰动识别方法相比，该方法不但能正确区分各种扰动，且能对不同原因造成的扰动进行正确分类。     

几种短时电能质量扰动分类和检测的双小波分析法

提出了短时电能质量扰动分类和检测的双小波分析法。利用双小波（db1和db24）各自的优点，把电能质量5种扰动（电压凹陷、电压凸起、电压间断、暂态脉冲和暂态振荡）有效地从含有噪声的采样信号中鉴别出来，并能实现扰动的各项指标测定。该方法弥补了以往小波检测方法中，当噪声污染严重或扰动发生、终止在工频相角为0或π附近时，可能检测不到或误判断的不足。仿真计算结果表明，该方法对扰动的分类简单、有效，对扰动各项指标测定尤其是电压凹陷、凸起和间断的时刻及幅度的确定，精度甚高。     

希尔伯特-黄变换(HHT)在复合电能质量扰动分析中的应用

为准确分辨出电能信号中的扰动成份,进行电能质量治理,笔者通过对暂降+谐波、暂升+谐波、脉冲+谐波、暂升+波动、暂降+波动、脉冲+波动等6种双重扰动信号进行EMD分解,希尔伯特-黄变换,然后着重对信号的前2阶IMF,第1阶IMF的瞬时频率,希尔伯特谱进行分析。结果显示,EMD分解能分解出复合的扰动信号成份,第一阶的IMF分量的瞬时频率及希尔伯特谱能对扰动发生时刻、谐波成份进行较准确的分析。     

一种电能质量扰动的检测和分类方法

提出了一种噪声情况下检测、定位电能质量扰动，同时对电能质量扰动的形式进行分类的新方法。这种方法基于2种短窗算法：短窗功率算法和短窗自相关算法。任何加载在电压上的扰动实际上可以视为电压的能量在这段时间发生了变化，短窗功率算法就是基于这个事实而提出，短窗自相关算法用来滤除电压功率微分中的噪声。仿真算例结果验证了这种方法的有效性。     

基于S变换模时频矩阵局部相似度的短时电能质量扰动分类

采用基于S变换下的模时频矩阵局部相似度对短时电能质量扰动进行分类。首先,由时频尺度缩放将各类持续时间不同的扰动特征标准化,按照各扰动特征选取其模时频矩阵特定部分,以此建立矩阵大小不一且特征明显的各类扰动标准化模板;然后计算未知扰动各局部模时频矩阵与各类扰动标准化模板之间的相似度,按照相似度最大原则将扰动进行分类。由于各类扰动在不同的时频区域高度聚合了自身特征,采用局部时频区域相似度原理大大提高了同类扰动的相似度,建立的各类扰动标准化模板之间差异明显,不使用辅助性分类器而直接实现扰动分类,且分类过程简单明确,可用于不同时间长度的扰动分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力比采用全局相似度强。仿真结果表明了很好的短时电能质量扰动分类效果。     

基于概率神经网络的电压暂态扰动分类

概率神经网络主要应用于模式识别、分类等问题，有很多优良的性质，但结构上固有的2个缺点限制了其应用。文中通过把测试样本由线性不可分转化为线性可分，在不改变概率神经网络结构的条件下，对其2个缺点进行了改进，扩大了方法的应用范围。经电压暂态扰动分类的仿真验证了改进后的方法可取得更高的正确率。     

基于小波熵的电容器扰动识别和定位

对投电容器扰动识别和定位的方法进行了改进。针对其他此类方法的不足，比如在电压幅值低时投电容器扰动的识别、定位“可信度不高”等，文中通过提取小波变换的特定层的系数，对需要识别的电容器扰动的分解信号相对增强，而其他扰动的分解信号相对减弱，然后再提取熵特征值，结果表明它可以作为识别低电压时投电容器扰动的依据。在对电容器扰动进行定位时，参考了功率和能量定位法，并对其进行了改进。仿真分析证明，在电压幅值较低时，可以准确和可靠地对电容器扰动进行识别和定位。     

有源电力滤波器研究现状及其发展动向

随着非线性负荷的广泛使用,电能质量日益下降,有源电力滤波技术是解决该问题的有效手段.介绍有源电力滤波器的基本原理和分类;论述有源电力滤波器的两个关键性技术.根据存在的主要问题,对其发展进行了分析和展望.     

电力系统强迫功率振荡扰动源的对比分析

电力系统中持续周期性小扰动由于共振可能引起联络线的大幅度强迫功率振荡,扰动源很难发现和捕捉。文中以两机等值系统模型为基础,在机理上研究了原动机功率与负荷两者持续周期性小扰动所造成电网功率振荡的区别,阐述了2种扰动源的不同性质。基于MATLAB对两者引起的电网强迫功率振荡进行了时域仿真分析。结果表明:相同幅值和频率情况下,原动机功率扰动比负荷扰动所引起的电网功率振荡幅值更大,接近其理论放大倍数。原动机功率扰动引起电网强迫功率振荡的可能性更大。该研究结果对理解目前电力系统存在的低频振荡现象具有一定的参考价值。     

乐滩水电站感应工频磁场干扰计算及分析

对水电站电磁干扰源的产生和影响进行详细阐述，并描述了具体的计算方法，针对乐滩水电站的具体情况进行电磁场干扰的分析，并以下游副厂房102．50m高程中央控制室、计算机室、继电保护屏室为例，进行了详细的计算和分析，最后提出水电站电磁干扰的一般性结论和防范措施。     

电力系统中无功补偿装置分类及选择

无功补偿是电力系统广泛采用的改善电网质量、节能降损最经济有效的方法之一,通过对各种自动无功补偿装置的分类比较,介绍了各类无功补偿的优缺点,说明了无功补偿装置的选择方法。     

土体受施工扰动影响程度的定量化识别

施工扰动改变了土体的应力状态和应变（位移）状态。笔者试图用剪切应变表示施工扰动程度，研究了经受不同剪切应变土体的压缩变形特性，从而确定施工扰动对土体压缩变形的影响。     

大量风电引入电网时的频率控制特性

大量风力发电引入电网时,会对电网的频率控制带来影响。在深入分析异步电动机频率特性的基础上,采用所开发的电力扰动装置对不同转矩特性的异步电动机的频率特性进行了测试。基于加权综合的思路建立了包含异步电动机的综合负荷的频率特性模型。同时分析了风力发电的出力特性。通过对一个包含风力发电的电网进行分析,论证了考虑负荷频率特性以后,在同样电网调频能力的情况下,频率波动的偏差会变小。