复杂电能质量扰动事件区段定位方法研究

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。在分时段进行扰动方向判别的基础上,提出一种基于测度加权模糊Petri网的复杂电能质量扰动事件源定位方法。基于扰动功率和能量分时段进行扰动方向判别,根据功率传输通路表确定可疑支路,综合扰动强度和扰动方向判别结果可信度给出了状态测度提取方法,最后应用测度加权模糊Petri网对可疑扰动事件源进行定位。算例结果表明,所提方法能够实现多基本事件、多扰动事件源的复杂电能质量扰动事件源定位,并具有较强的容错性能。     

复杂电能质量关联扰动模式的可拓挖掘方法

在复杂电网环境下,监测系统检测到的多个电能质量扰动事件可能在因果时空等方面具有关联性。为全面深入解释扰动事件和扰动过程的内在关系,获得更全面的电能质量诊断信息,提出复杂电能质量扰动模式的概念,建立了挖掘电网中可能存在的复杂电能质量扰动模式的方法。根据扰动形成机理,给出4种基本事件关联类型;将可拓学理论引入扰动模式挖掘领域,建立电能质量扰动可拓学模型,构建事件发展相关网、扰动传导蕴含系、因果关系链及时空分层演绎图等4种复杂电能质量扰动模式挖掘方法,给出具体的挖掘步骤和挖掘算例。算例结果表明,提出的可拓学建模方法能够形式化描述电能质量问题及其复杂的逻辑关系,挖掘方法简便直观,可操作性强。     

基于链表和矩阵算法的电能质量扰动源自动定位

为实现配电网络中发生电能质量扰动事件时的扰动源自动、精确定位,提出一种基于链表和矩阵运算的电能质量扰动事件源三级自动定位算法.采用有根树和链表共同描述网络的拓扑结构,并基于遍历搜索算法自动生成系统链路信息表和监测覆盖矩阵.利用链表法进行扰动馈线子区域的快速预判后,基于矩阵算法实现扰动事件源的初步判定,并定义“虚拟电能质...     

基于扰动测度的电能质量扰动源定位方法

针对现有电能质量扰动源定位方法中对扰动方向表征不足的问题,引入扰动测度概念,测量扰动的大小和方向,提出一种扰动方向的定量表示方法以及相应的扰动源定位算法。首先利用基本信度分配函数对扰动方向进行量化处理,然后通过隶属度函数对扰动功率和扰动能量进行综合定位,得出多测点的扰动方向测度列向量,结合覆盖矩阵得出最终的定位结果.仿真结果表明:在原方法定位不准确的情况下,新方法仍然能够正确定位扰动源,证实了此方法的有效性和可行性.     

含分布式电源的配电网电能质量扰动源定位研究

针对含分布式电源的配电网产生的电压骤降、短路、高斯噪声以及电源产生的谐波输出等一系列问题,提出了一种精确判断扰动源位置的方法,旨在提高电能质量水平。根据分布式发电机配电网的拓扑结构和电能质量监测信息,利用离散小波Mallat变换提取高频扰动的分量,根据高频扰动能量的正负对扰动的方向进行判断。同时采用遗传算法,利用高频扰动能量来设置扰动权重因子,突出强信号在定位过程中的作用,从而对扰动源进行精准定位。仿真结果表明,此方法准确性比较高且容错性较好,对电能质量监测仪的安装位置和个数方面,也具有指导意义。     

用小波变换和瞬时功率定位电能质量扰动源

为经济合理地精确定位电能质量扰动,根据监测点的电压电流波形,基于小波多分辨率,提出了一种扰动源定位新方法。该法首先对电压电流波形进行小波变换确定扰动的起止时刻,然后基于瞬时功率计算扰动功率和扰动能量,最后通过分析确定扰动源在监测设备的位置。针对电压暂降和电容器投切造成的扰动,运用此法分别依据ATP仿真数据和实际监测数据进行了分析,准确判断了扰动源在监测点的位置。结果表明,只要电网中的监测设备足够多,依据对扰动源定位的方法可实现扰动源的精确定位。     

基于希尔伯特-黄变换的复杂电能质量信号检测技术

电力系统中大量非线性负荷的使用导致了电能质量信号的非平稳性和复杂性。针对复杂电能质量信号的检测问题,文中采用Hilbert-Huang变换（HHT）对复杂电能质量信号进行分析。介绍了HHT的基本原理;提出了实现复杂电能质量信号检测的HHT方法;分析了HHT在复杂电能质量信号检测中的优越性。仿真试验表明该方法可以实时精确的检测扰动起止时刻和扰动幅度,适用于电能质量多扰动的检测和辨识系统。     

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。     

具有容错能力的电能质量扰动源定位方法

为改善传统符号型定位方法的不足,实现扰动信息不可靠时扰动源的准确定位,提出一种基于遗传算法的电能质量扰动源定位方法。通过对扰动信号高频分量产生机理的分析,利用小波变换提取高频分量,将高频扰动能量的极性作为扰动方向判别的依据,给出了一种扰动方向判别的通用算法。根据系统拓扑结构及监测点布置情况,建立了扰动源定位优化模型,将扰动源定位问题转化成为0-1整数规划问题,采用遗传算法进行求解。仿真结果表明该方法具有定位准确,容错能力强等优点,为扰动源定位问题提供了一种新的解决思路。     

基于离散小波变换和小波神经网络的电能质量扰动检测与分类方法

改善电能质量的前提和关键是准确迅速地对电能质量各扰动进行检测和分类。提出了一种电能质量检测与分类的新方法。电能质量事件经过采样后采用离散小波变换(DWT)进行去噪,获得高信噪比的信号,然后将信号进行分解并提取出8个最优特征向量。选取sym4小波作为母小波,采用基于小波神经网络的方法对电能质量扰动信号进行辨识,从而实现对电能质量扰动的检测与分类。最后,仿真结果验证了所提出方法的有效性与高准确度。     

Recognition of Single-stage and Multiple Power Quality Events Using Hilbert–Huang Transform and Probabilistic Neural Network

This article presents the Hilbert–Huang transform based algorithm for recognizing the single-stage and multiple power quality events comprising voltage sag, swell, notches, spikes, harmonics, transients, and flicker. The change of the state during the course of the single-stage power quality event is called a multiple power quality event. Hilbert–Huang transform is an adaptive signal processing technique that combines empirical mode decomposition and Hilbert spectral analysis and makes it an attractive tool for analysis of power quality events. A synthetic database of power quality events is generated in MATLAB (The MathWorks, Natick, Massachusetts, USA) as per Standard IEEE-1995. The significant features are extracted from the instantaneous amplitude, phase, and frequency contours of intrinsic mode functions of each disturbance, and the events are classified using the probabilistic neural network technique.     

配电网中电压暂降源的检测方法比较

电压暂降因为对敏感设备的危害而成为最受关注的电能质量问题之一。电压暂降源的检测对电能质量故障检测、诊断及缓和策略的制订十分必要,并有助于合理解决电力部门与用户之间的纠纷。对现有的基于扰动功率和扰动能量,基于等效阻抗实部符号,基于不同故障类型等电压暂降源检测的方法进行了详细的分析,比较了它们各自的特点;在总结目前电压暂降源检测方法的基础上,对今后的配电网电压暂降源检测方法研究工作进行了展望。     

应用主成分分析约简电压暂降扰动源识别特征的方法

电压暂降是一种典型的电能质量扰动现象,准确识别引起电压暂降的扰动源类型是电能质量监测与管理的重要内容之一。为解决由于特征指标的相关性和冗余性而导致电压暂降扰动源识别准确率低的问题,提出一种基于主成分分析的电压暂降扰动源识别特征约简方法。通过分析单一电压暂降扰动源和复合电压暂降扰动源,利用小波系数从统计量、波形态、熵、能量等方面构建电压暂降特征指标。根据主成分分析方法对原始特征指标进行标准化处理,计算协方差矩阵并确定综合特征指标个数,最后得到约简后的综合特征指标。这些综合特征指标有效地消除了原始特征指标间的相关性和冗余性。采用常规方法构造分类器进行验证表明,约简后得到综合特征指标,不仅有效降低了输入到分类器中的特征向量个数,而且在不同噪声强度下对单一电压暂降扰动源和复合电压暂降扰动源的识别准确率明显高于利用原始特征指标进行的分类识别。     

An image processing based method for power quality event identification

This paper presents a novel technique to visualize and detect various power quality disturbance events. It is based on the image processing methods known as grayscale images and binary images. Gray image created from recorded disturbance voltage waveform is first represented as a transverse wave having compressions and rarefactions. Then using image enhancement techniques, the unique features of the disturbance waveform are visualized. Furthermore, the patterns obtained for a pure sine signal and the signal with disturbances are compared for identification of the signal with disturbance. The decision regarding the disturbance type is made using binary image analysis techniques. Finally, to exhibit the novelty of the proposed method, a comparison is made with a conventional image processing based power quality event detection method. In addition, evaluation studies for verifying the accuracy of the method are presented.     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

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。     

法国电网电能质量承诺和电能质量评估

介绍法国电网的电能质量承诺,包括输电运营商（TSO）的质量承诺和配电运营商（DSO）的质量承诺。TSO和DS0在作出电能质量承诺的同时,还利用入网规则以协议的方式来考虑和限制每个客户的负荷和分布式电源对电能质量的影响。这些协议的实施表明,只有遵守承诺,加上电网运营商与用户双方共同作出努力,才能获得全面良好的电能质量。对于电网干扰评估,建议使用基波潮流计算与多相谐波注入相结合的方法。这个方法利用很短的计算时间就能对非线性负荷建模情形给出可接受的结果。所提议的频域方法的要点在于,将每个谐波源逐一地同时作为扰动源和受扰者来考察,以便计及扰动源之间的相互作用。研发了一个即插即用的HVDC组件并将其用在文章最后部分实例研究中。     

基于斜坡渐变扰动的新型电力系统等效惯量评估

基于阶跃扰动的惯量评估方式依赖难以准确测量的初始频率变化率（RoCoF）与稀少的频率事件,而基于类噪声扰动的惯量评估方法无法评估电流源型虚拟惯量且对数据要求高。对此,提出基于可再生能源机组主动输出斜坡渐变扰动功率的惯量评估方法。建立含RoCoF与斜坡渐变扰动功率的等效惯量评估基础模型。考虑RoCoF噪声阶跃易导致等效惯量评估产生较大误差,推导双二阶广义积分锁相环中的q轴电压分量变化量与RoCoF的线性关系,并将其代入基础评估模型替代RoCoF。采用改进的非线性最小二乘拟合斜坡渐变扰动下q轴电压分量变化量与时间的非线性表达式,从拟合的表达式中提取系统等效惯量。在改进的EPRI-36中验证了所提评估方法相较于常规方法的优越性。     

基于循环神经网络的电能质量扰动识别

针对电能质量扰动信号识别算法复杂、识别率低等问题,提出一种将长短时记忆神经网络应用于电能质量扰动信号识别分类的新方法。首先在 Tensorflow中搭建长短时记忆神经网络,建立电能质量扰动信号分类模型。其次利用分类模型对电能质量扰动信号原始数据进行有监督学习,提取扰动信号的深层次特征,并将其连接到Softmax分类器输出各扰动信号的识别率。最后将电能质量扰动信号通过递归图生成的二维轨迹图像作为分类模型的输入,通过训练模型实现扰动信号的分类。仿真结果表明,该分类模型对电能质量扰动信号的一维和二维表示均有较好的分类准确率,可以有效识别7种单一扰动和6种复合扰动信号。