电能质量复合扰动检测与识别算法研究

发布时间：2021-11-10 07:41

　　电能质量是衡量供电系统是否正常的一项重要指标,由于新能源发电的并网及各种非线性负荷的接入,使得电能质量问题越加严重和复杂。为了提高电能的质量通常在进行各种补偿措施之前,需要对不同的电能质量扰动（Power Quality Disturbances,PQD）实现类型的分类与特性的检测。在真实环境中投入运营的电力系统,其存在的电能质量扰动在同一个时间段内并不可能是仅仅由一种构成,而是由许多种扰动在信号波形上叠加而成的,所以研究这些信号波形的检测算法对于后期的改善具有重要意义。针对扰动类型繁多且识别难度较大的问题,本文首先分析了扰动类型的定义,利用改进后的小波算法解决了信号波形中存在大量冗余数据与噪声的问题。由于S变换时频精度不能满足复合扰动的需求,故本文提出了分频改进S变换（Frequency Divided S Transform,FDST）检测算法,并进行了仿真对比分析。最后设计了基于径向基函数（Radial Basis Function,RBF）神经网络用于扰动类型的识别,并利用粒子群优化（Particle Swarm Optimization,PSO）算法对网络参数进行了定量求取,... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

不同频率下窗函数时域曲线图

电能质量复合扰动检测与识别算法研究-22-(3)对离散信号xkT做傅里叶变换，即使KT趋近于NT，其中为频率点，得到信号xkT的频谱为HNT；(4)对于任意频率不为0的点处，窗gk,n的傅里叶变换为2222π,emnGmn，其中k趋近于频率点m；(5)取=mn，可以推出mnXNT，使得频谱图向左位移m点，再计算出X和G的乘积，即可得到n的频谱。3.1.3广义S变换S变换的处理虽然解决了STFT窗函数窗宽无法改变的缺点，但是在处理数据量庞大且复杂的电网扰动时高斯窗函数并不能满足要求。通过对S变换的窗函数乘以一个系数，使得S变换对时间和频率都拥有很好的处理分辨率。在低频区段下，扩大其高斯窗口的宽度，提高频率分辨率；在高频区段下，使高斯窗口变的更窄，提高时域分辨率。对S变换使用的窗函数进行修改，其高斯窗表达式为：22"21e2πtfwtf(3.15)将窗宽修改为：1fgf(3.16)其中，g为引入的窗宽调整系数，通过对窗宽系数的调整，可以对高斯窗进一步调整，以获得更好的时频处理效果。不同g值下的高斯窗函数时域形态曲线如图3.3。图3.3不同g值下的窗函数时域曲线

兰州交通大学硕士学位论文-23-对幅值和频率分别修正，引入不同的调节系数将高斯窗口实现改进，得到广义S变换[44]，称为GST，其表达式为：2222π2,d2πftiftfGSTffteet(3.17)其中，和是对窗宽进行修正的系数，分别可以调整高斯窗函数对S变换的时间及频率分辨率。当=1或者=1时，即为传统连续S变化；当1或者1时，会使高斯窗变宽，从而增大了信号的频率分辨率；当1或者1时，系数会使得高斯窗的宽度变窄，从而来增大信号的时域分辨率。3.2基于高低频改进S变换算法的电能质量扰动分析3.2.1广义S变换算法的改进由式3.5可知，S变换的窗口宽度与频率成反比，因此窗函数可以在不同频率点处拥有不同的宽度，但由于电能质量扰动具有频率不固定的特点，对于同一频率下的扰动而言，窗宽固定不能改变，因此不能对电能质量扰动具有很好的时频分辨率。为了改进不同频率下S变换对电能质量扰动的时频分析特性，通过对窗函数引入一个系数，来改变窗宽改变的速率，从而对不同频率下的扰动具有更好的检测效果。以最常见的暂降扰动波形为例，采样频率为3200Hz进行离散采样，图3.4为扰动信号经过传统S变换后的时频等高线。图3.4传统S变换时频等高线


本文编号：3486858