电力系统电能质量扰动识别方法研究

《电力系统电能质量扰动识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学硕士学位论文摘要电能质量是电力系统领域的一个研究热点。原因在于一方面随着电力电子技术的广泛应用，各类非线性、冲击性负载使得电能污染日益严重，而另一方面基于计算机和微处理器的管理、分析、检测、控制的用电设备在电力负荷中占的比例大幅增加，又对供电质量提出了更高的要求。电能质量问题由各类电能扰动引起，为了进行电能扰动统计分析，需要对扰动信号进行监测和记录，并从海量的扰动数据中提取扰动特性完成扰动信号的自动分类识别，这对于评估电力系统电压质量显得尤为重要。本文首先介绍了电能质量的相关概念，对电能质量扰动的

2、分析方法和分类识别方法作了全面的综述，然后将s变换这种时频可逆分析方法应用于电能质量分析中。s变换具有和小波变换相似的时频分辨特性，具有与频率相关的分辨率，其变换的结果为一复时频矩阵，包含了信号幅值、相位等重要的特征信息随时间和频率的分布状况，可用于电能质量扰动的分类识别。针对谐波、闪变、电压暂降、电压瞬升、电压中断和暂态振荡这六类单一扰动，利用了s变换对扰动信号求取模时频矩阵，针对矩阵中基频和高频段处的数据分别定义了基频幅值均值、基频幅值最大值、基频幅值变化度、信号最小值和高频幅值均值五项指标。分析表明

3、，通过上述五项指标可以有效地提取不同扰动的特性，为电能质量分析提供新思路。考虑到短期扰动(暂降、瞬升、中断、暂态振荡)和长期扰动(谐波、闪变)两两叠加的电能质量问题以及相应的单一扰动，继续定义了基频幅值的对称度与高频幅值最大值两个指标，结合上述五个指标，构建了简单快速的决策树用于电能质量扰动分类。用于测试的电能质量扰动事件是受控参数随机产生的仿真算例，其数学模型均符合IEEE标准，可较全面的测试分类方法的有效性。所构建的决策树流程清晰，所用的特征指标可清楚地分别出不同类型的扰动，其计算方法较简单，可有效减

4、少分类过程的运算时间。分析和仿真结果表明该方法可以有效识别不同的扰动类型，为电能质量问题的改善措施提供依据。关键词：电能质量；s变换；扰动；分类识别II浙江大学硕士学位论文AbstractPowerqua1ityis0neOftheresearchfocusesinpowersystem．Withthewidelyused0fpowerelectronics，powerp01lutionbecomesmoreandmoreserious，whilevariousutilizationequipmentsb

5、ased0nthecOmputersandmicrOprocessOrsrequirehigherpowersupplyquality．InOrdertostatisticallyanalyzethepowerqualityproblemscausedbypowerqualitydisturbances，powerqualitydisturbancesignalsmustbemonitoredandrecorded，andit’simportantt0theevaluationOfthev01tagequ

6、alitythatdisturbancesignalscanbeclassifiedautomaticallybyextractingthefeaturesfromthoserecordeddata．Inthisthesis，firsttherelatedcOncepts0fpowerqualityandit’srelatedanalysismethOdsisintrOduced，thenatime—frequencyanalysismethod，S—transformisusedinthepowerqu

7、alityanalysis．S—transformsucceedst0thetime—frequencycharacter0fwaVelettransform，andittransfOrmsthetimeseriesintOatime—frequencymatrix，whichcOntainsthemagnitudes，andphaseinformatiOn0fthesignalsandprovidesevidencefortheclassificatiOn0fpowerqualitydisturbanc

8、es．Atfirstthetypes0fconcerneddisturbancesincludeharmonics，flickers，vOltagesags，V01tageswells，VOltageinterruptionsandimpulsivetransients．TheStransformisusedtOgeneratethemoduletime—frequencymatrixes．COnsideringthedata