一种电能质量扰动的检测和分类方法

一种电能质量扰动的检测和分类方法

文继锋!刘

沛

"华中科技大学电气与电子工程学院!湖北省武汉市#$%%&#’

摘要(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+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*关键词(电压质量扰动,短窗功率算法,短窗自相关算法中图分类号(-./

$收稿日期(+%%01%21+3,修回日期(+%%01%410$*

5引言

大型电力变压器)电力电子设备)各种自动化设

备及其他一些非线性负荷的大量使用已造成了电能质量方面的一些问题*电压波形畸变的程度越来越

严重!已引起许多国家电力部门和用户的关注607$8

*在我国!电能质量问题的研究已经大量展开*

为了采取合理措施提高电能质量!建立电能质量检测和分析系统!对其进行正确的检测)评估和分类十分必要*电能质量检测实际上就是对电力系统各种信号"如电压)电流等’进行处理分析!傅里叶变换作为最经典的信号处理手段在电能质量检测中发挥了重要作用!但其不具有时频分析能力!不能有效地对各种暂态电能质量问题进行分析*

近几年发展起来的小波变换具有良好的时9频

局部化特性!

能够很好地处理微弱信号或突变信号*但小波变换对各类噪声和微弱信号的识别都非常敏感!在实际应用中!为了能够取得较好的结果!小波检测和定位必须和其他有效的去噪方法结合使用*

分析随机噪声重要而有效的工具是其统计特性*为了在噪声情况下对电能质量扰动进行准确的分类和定位!本文从噪声的统计特性出发!首先介绍

+种短窗算法(

短窗功率算法和短窗自相关算法!然后利用短窗功率算法进行电能质量扰动的分类!对短窗功率变换的结果进行微分后!利用短窗自相关算法滤除电压能量微分中的噪声!从而定位电能质量扰动发生的时刻和持续的时间*

:短窗算法分析

:;:短窗功率算法

信号<"=

’的能量表达式6#8

为(>?

@

A B C B

D <"=’D +

E =

"0’

对于离散的采样序列短窗算法可以设计为(从

采样序列中取出一段F G H !G H A 0!I!G H AJC 0K !其中J 为窗口的长度!实际上就是将采样序列乘以一个长度为J 的矩形窗!这段序列的功率为(

>?

L JC 0

M ?%

G

"H A M ’G "H A M ’"+’

电力系统中理想的电压信号是单一的3%N O 的正弦信号!由于正弦信号的周期性!当窗长度取半个

周期的整数倍时!

变换后的结果是一个恒定的值*一旦有扰动加载在电压信号上时!短窗功率算法就可以比较灵敏地反映出来*同时!经过处理的信号的统计特性满足式"4’和式"/’!进而可以利用短窗自相关算法进行准确的定位!这也是本文采用该算法的主要原因*:;P 短窗自相关算法

一般来说!电力系统中的各种噪声都可以认为是随机性最强的白噪声!严格来说随机噪声的傅里叶变换是不存在的!各种统计特性就成为描述随机

噪声的主要方法638

*白噪声G "=

’的统计特性可表示为(

Q "G "=’’?%

"$’

R G "=!=A S ’?R G

"S ’?T +

!S ?%

F

%!S U %

"#’其中!Q "G "=’’为G "=’的数学期望,R G "

=!=A S ’为相关函数,S 为时间延迟,T +

为其方差*

白噪声离散采样序列的G H 的自相关函数为(

R G G "V ’?Q "G H G H AV ’?Q "G H ’Q "G H AV

’?%"3’当V U %时!为了抑制短窗功率算法中的噪声的影响!有必要分析一下白噪声对短窗功率算法的影响*假设电压信号为G "H ’!白噪声为H "H ’!对信号G "H

’A H "H

’进行短窗功率分析有(+#第+2卷第0期

+%%+年0月0%

日

W X Y ;+2Z X ;0

[

[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[\]^;0%!+%%+

万方数据