近年来, 随着电力系统容量不断扩大, 各种分布式发电单元逐步接入电网, 同时各种大功率的非线性负载使用不断增加, 造成公用电网电能质量日益恶化。电力系统中由各种电能质量扰动 (Power Quality Disturbance, PQD) 引起的电能质量问题主要分为稳态和暂态两大类:稳态电能质量问题以波形畸变为特征, 主要包括谐波、间谐波、电压波动等;暂态电能质量问题常以幅值、频谱和暂态持续时间为特征, 常见的扰动有电压中断、电压暂升 (暂降) 和电磁暂态等[1~2]。为了采取合理的措施提高电能质量, 减小扰动带来的影响, 首先要对电能质量问题进行评估与分析, 对各种扰动进行正确的识别[3]。
PQD治理系统如图1所示, 从中可以看出PQD识别主要包括扰动特征提取和分类器设计两个环节, 而有效特征的提取是提高识别率的关键因素之一。
1 电能质量扰动的特征
特征为扰动识别提供依据。直接对各种扰动信号时域波形进行特征提取, 所能提取的特征主要有扰动波形幅值、均方根值、均值或能量、扰动持续时间等, 直接利用这些特征对含有基波的PQD信号进行识别, 扰动信号还不能有效的识别。为了提高扰动识别的分类率, 一般都要对含有扰动的原始信号进行数学变换, 在扰动新的变换域中可以实现对扰动信号由表及里、由粗及精的分析, 进而揭示各种扰动内在不同, 从中找到更为有效的扰动特征。
2 特征提取方法
基于数学变换的特征提取方法主要有的基于时频分析的方法和基于非时频分析的方法。其中, 基于非时频分析的方法主要包括Hirbert变换、FFT变换、数学形态学、dq0变换和瞬时无功功率理论等方法。基于时频分析的方法主要包括小波变换、希尔伯特-黄变换、S变换等。基于以上几种分析方法的PQD的特征提取是识别扰动的基础。
2.1 非时频方法
(1) dq变换。
如图2所示, 三相标准电压经过变换后, 在d, q轴上表现为直流分量。且由式中可知, 当w=1w且ϕ=0时, d轴的直流分量为0, q轴的直流分量为, 再在q轴上就相当于减去了三相标准的正弦基波, 剩下部分经过反变换后就得到了扰动信号。
其中
文献[4]将dq变换后直轴和交轴的输出量的平方和作为特征量对低频、高频振荡、脉冲暂态和谐波进行识别。文献[5]通过dq变换监测瞬时有效值是否超过一定的限值识别有电压骤降和骤升。文献[6]利用dq变换结果进行处理作为相位跳变和频率偏移扰动识别的依据。文献[7]通过dq0变换计算波动开始至扰动结束的最大值、平均值、最小值和持续时间作为特征对多相同时出现电压暂升、电压暂降等扰动进行识别。
dq0变换能够反映扰动随时间的变化规律, 但对表述信号的另一个重要参数—频率却无法反映, 这是dq0变换方法的不足。
(2) FFT变换。
FFT变换是离散傅氏变换的快速算法, FFT存在频谱泄露和栅栏效应等缺陷, 无法满足对具有暂态、突变等特性的电能质量扰动非平稳信号进行分析的要求。通常采用加窗插值算法对F F T算法进行修正, 可大大减小频谱泄露, 有效抑制各次谐波之间的干扰[8], 在谐波和间谐波等稳态信号的分析中是很有优势的。文献[9]通过FFT变换得到频域最大3个波峰值及其对应的频率点6个频域特征量对扰动进行识别。文献[10]对小波系数呈现相似分布的陷波和谐波应用F F T变换后的频谱特性进行区分。文献[11]根据闪变的频谱只分布在基频及其附近, 利用FFT提取特征并对谐波与闪变进行识别。
虽然FFT变换能够将信号的时域特征和频域特征联系起来, 分别从信号的时域和频域观察, 但却不能把二者有机地结合起来。
2.2 时频方法
(1) 小波变换。
小波变换是由Morlet于1980年在进行地震数据分析工作时创造的。小波就是最短最简单的振动。小波分析方法是一种窗口大小固定但其形状可改变的时频局部化分析方法。它在低频部分具有较高的频率分辨率和较低的时间分辨率, 而在高频部分具有较高的时间分辨率和较低的频率分辨率。对于电能质量领域的非平稳时间序列, 小波变换在提取这类PQD特征优势很明显。近年来, 国外许多学者都利用小波变换对电能质量问题进行研究。文献[12]利用Daubechie先提取基波频段所在的小波系数将电压暂升、电压暂降和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量, 区分暂态脉冲和振荡。文献[13]采用了db4小波对PQD进行分解, 计算各尺度的能量和与基波信号能量作差作为特征对电压暂升、电压暂降和电压中断识别。
小波变换的本质是度量被分析信号波形与所用小波波形的局部相似程度。要想使这种变换方法取得成功, 选择合适的小波, 使之尽可能地与被分析的信号相匹配, 是必须认真考虑的关键问题。不同的小波基在正交性、紧支性、平滑性甚至对称性上表现出不同的特性, 不同的小波基对同一信号的分析效果是不同的。小波基的选取没有固定的模式, 一般依据其对待分析信号的检测效果来确定。但实际上进行PQD类型识别时, 由于无法提前预知扰动类型, 所以就只能采用一种类型的小波基和固定的尺度数去分析所有类型的扰动波形。今后要做的工作应该是找出最适合电能质量分析的小波基函数。
(2) S变换。
S变换是Stockwell等人于1996年提出的一种时频分析方法, 它继承和发展了小波变换和STFT变换的局部化思想。利用S变换可以独立分析信号各频率分量的幅值变化特征, 并且可以得到更高的频率分辨率[14]。由信号S变换得到的幅值矩阵与STFT变换一样也为一个2维矩阵, 其行、列分别对应采样点与频率值, 矩阵元素为对应时频点的幅值。目前, 基于S变换的PQD特征一般是从待分析扰动信号的S变换幅值矩阵中提取。文献[15]利用S变换提取以下3组特征向量:S变换幅值矩阵中与额定频率对应的行向量、各频率对应的行向量的平均值组成的向量以及各频率对应的行向量的标准差组成的向量, 实现了7种单一型PQD的有效识别。文献[16]利用信号不同分辨率的S变换提取信号的时频特征并利用14条规则实现了7种扰动类型的识别。以上这些基于S变换的PQD特征提取方法, 可以直观地、定性的反映PQD信号变化特点[17]。
2.3 各方法的分析比较 (见表1)
特征的有效与否要看对PQD分类率的高低, 一般一种单一的特征提取方法很难对所有PQD准确识别, 只能有效识别部分扰动。为了提高扰动的识别, 一般要根据不同扰动的特点选择不同的特征提取方法, 如文献[18]利用信号S变换幅值矩阵和时域信息直接提取与各类电能质量扰动相应的特征, 实现了不同噪声水平下的多种PQD的有较识别。文献[19]利用扰动的Hibert包罗线和FFT变换提取时域特征实现了8种常见扰动的识别。文献[20]利用统计特性, 提出了短窗功率算法和短窗自相关算法, 能在噪声情况下定位扰动时间并实现识别。文献[21]提出利用瞬时无功功率理论并结合差变法来实现扰动信号的定位与识别, 该方法简单、快捷, 但噪声的影响会使分析产生较大的误差。文献[22]采用差变信号与复小波相结合, 利用二十进制转换法对电能质量扰动进行识别, 不同的电能质量扰动信号对应特有的二进制码, 这种识别方法避免了歧义性问题, 具有快速、准确、可扩展等特点。文献[23~24]利用数学形态学在保留突变点信息方面的优越性, 结合网格分形或dq分解, 对扰动进行了快速而准确的时间定位, 也便于提取特征, 进行识别[25]。
3 结语
从上文分析中可以看出, 各种特征提取方法具有各自优点的同时不可避免地存在各种缺点, 没有一种方法能有效的将目前已知的PQD的识别提至较高的水平, 这是由PQD自身特点所决定的。未来PQD特征提取的方法将向以下两个方向发展。
(1) 更多特征提取方法的结合。特征提取方法的目标是为了提高扰动识别的准确率, 各种种扰动产生的机理又千差万别, 这很难有一种方法实现对各种扰动的识别。
(2) 特征提取方法的实时性。对PQD识别的目的是为了了解其产生的机理, 为PQD的治理提供依据。如果特征提取方法过于复杂, 耗费时间长, 必将会导致PQD治理系统的实时性不好, 未来的对特征提取算法的要求是耗时要小。
摘要：全面综述了特征提取方法在电能质量扰动识别中的应用。将电能质量特征提取方法划分为基于时频与非时频两种方法, 重点对基于非时频方法的dq0变换法、FFT变换和基于时频分析方法的小波变换、S变换在电能质量扰动识别特征提取中的应用加以讨论, 并对比分析了各种方法的利弊, 对进一步研究的问题及今后的主要研究方向进行了展望。
关键词：电能质量扰动,特征提取,扰动识别,dq0变换法,FFT变换,小波变换,,S变换
参考文献
[1] 胡铭, 陈珩.电能质量及其分析方法综述[J].电网技术, 2000, 24 (2) :36～38.
[2] 林海雪.现代电能质量的基本问题[J].电网技术, 2001, 25 (10) :5～12.
[3] 肖湘宁.电能质量分析与控制[M].北京:中国电力出版社, 2004.
[4] 徐永海, 肖湘宁, 杨以涵, 等.基于dq变换和ANN的电能质量扰动辨识[J].电力系统自动化, 2001, 33 (5) :24～26.
[5] 王霄桦, 程浩忠, 胡丹.基于数学形态学复合滤波和无时延d-q变换的电压暂态扰动识别[J].继电器, 2007, 35 (9) :32～35.
[6] 张秀娟, 徐永海, 肖湘宁.基于dq变换与小波变换的电能质量扰动检测与识别方法[J].电力自动化设备, 2005, 25 (7) :1～3.
[7] 欧阳森, 王建华, 宋政湘, 等.一种基于dq0变换和专家系统的电能质量信号辨识方法[J].电力系统自动化学报, 2003, 15 (5) :21～23.
[8] HEYDT G T, FJELD P S, LIU C C, et al.Application of thwindowed FFTto electric power quality assessment[J].IEEETransactions on Power Delivery, 1999, 14 (4) :1411～1416.
[9] 唐求, 王耀南, 郭斯羽, 等.基于S变换与傅里叶变换的电能质量多扰动分类识别[J].湖南大学学报 (自然科学版) , 2009, 36 (4) :38～40.
[10] 赵凤展, 杨仁刚.基于时域、小波变换和FFT的电能质量扰动识别[J].继电器, 2006, 34 (8) :50～52.
[11] 张斌, 孙静.基于Mallat算法和快速傅里叶的电能质量分析方法[J].电网技术, 2007, 31 (19) :35～37.
[12] 刘晓芳, 刘会金, 柯定芳.基于小波变换和神经网络的暂态电能质量扰动自动识别[J].继电器, 2005, 33 (23) :46～48.
[13] 秦英林, 田立军, 常学飞.基于小波变换能量分布和神经网络的电能质量扰动分类[J].电力自动化设备, 2009, 29 (7) :64～67.
[14] Stockwell R G, Mansinha L, Lowe R P.Localization ofthe Complex Spectrum:the S Transform[J].IEEE Transon SignalProcessing, 1996, 44 (4) :998～1001.
[15] 占勇, 程浩忠, 丁屹峰, 等.基于S变换的电能质量扰动支持向量机分类识别[J].中国电机工程学报, 2005, 25 (4) :51～56.
[16] Chilukuri M V, Dash P K.Multiresolution S-transform-based fuzzy recognition systemfor power quality events[J].IEEE Trans.on Power Delivery, 2004, 19 (1) :323～330.
[17] 赵凤展, 杨仁刚.时频分析方法在电能质量扰动检测与识别中的应用[J].华北电力大学学报, 2006, l33 (5) :33～35.
[18] 赵凤展, 杨仁刚.基于S变换和时域分析的电能质量扰动识别[J].电网技术, 2006, 30 (15) :90～94.
[19] 张新闻, 周春艳.一种特征提取的新方法在电能质量扰动识别中的应用[J].宁夏大学学报 (自然科学版) , 2010, 31 (3) :63～65.
[20] 文继锋, 刘沛.一种电能质量扰动的检测和分类方法[J].电力系统自动化, 2002, 26 (1) :42～44.
[21] 魏磊, 张伏生, 耿中行, 等.基于瞬时无功功率理论的电能质量扰动检测、定位与分类方法[J].电网技术, 2004, 28 (6) :53～58.
[22] 陈祥训.采用小波技术的几种电能质量扰动的测量与分类方法[J].中国电机工程学报, 2002, 22 (10) :1～6.
[23] 李庚银, 罗艳, 周明, 等.基于数学形态学和网格分形的电能质量扰动检测及定位[J].中国电机工程学报, 2006, 26 (3) :25～30.
[24] 王丽霞, 何正友, 赵静.基于数学形态学的电能质量扰动检测和定位[J].电网技术, 2008, 32 (10) :63～68, 88.
[25] 方群会, 刘强, 周林.模式分类方法在电能质量扰动信号分类中的应用综述[J].电网技术, 2009, 33 (1) :31～33.