考虑PMU数据质量问题的电力系统扰动检测方法

快速准确的电力系统扰动检测能够为后续扰动分析提供有效的指导信息,而广域测量系统(wide area measurement system,WAMS)的广泛应用为扰动检测提供了有力的数据基础。基于PMU量测数据,该文提出一种考虑PMU不良数据的扰动事件检测方法。首先分析PMU异常数据行为特性,揭示扰动事件与不良数据的差异性特征。进一步,提出一种基于差分Teager-Kaiser能量算子与3Sigma准则相结合的PMU异常数据初筛方法,避免了低强度扰动漏检和扰动的重复检测问题。接着,利用动态时间规整和最大互信息系数分别计算不同PMU间的时空相似性,以及同一台PMU内不同量测间的相关性,并以此作为表征扰动事件和不良数据差异的特征。最后,通过局部离群概率算法对得到的综合度量指标进行分析,可实现在含有不良数据场景下的扰动事件准确检测。基于IEEE39系统,实际电网模型以及PMU实测数据,验证所提方法具有较好准确性、实时性以及泛化能力。

基于差分波形奇异值极差的通用电力扰动检测方法

电力扰动数据蕴含大量系统和设备状态信息,基于电力扰动检测分析可实现系统和设备的状态感知。现有扰动检测方法以检测电能质量扰动和故障扰动为主,算法针对性强,通用性和适应性较差,尤其当扰动幅值小或持续时间短时,检测灵敏度较低。为此,提出一种通用的高灵敏度电力扰动检测方法,基于相邻周期差分信号的奇异值分布规律实现扰动检测,利用奇异值极差进行扰动与正常波形区分,提出基于历史奇异值极差序列参考值和差分信号分布特征的自适应阈值计算规则。通过大量仿真和现场实测数据对算法进行验证,结果表明算法在强噪声背景下对各类微弱扰动均具有较高检测灵敏性,证明了算法的正确性和有效性。

基于改进的经验傅里叶分解电能质量扰动检测方法

针对经验傅里叶分解(empirical Fourier decomposition,EFD)在分析电能质量扰动时,其频带分割不具自适应的问题,提出了一种改进的EFD方法。首先,利用分段3次Hermite插值提取扰动信号归一化频谱的极大值包络,然后再搜索该包络的极大值,并计算其动态测度,将动态测度大于设定阈值的频率作为扰动信号的特征频率,以相邻特征频率的中点作为扰动信号频带分割的边界;其次,对分割的频带进行快速傅里叶逆变换(inverse fast Fourier transform,IFFT),得到对应频带的解析傅里叶固有频带函数(analytic Fourier intrinsic band function,AFIBF);最后,对分解出的各AFIBF分量进行Hilbert变换,提取出其扰动参数。通过对模拟信号和实测数据的分析,验证了所提方法的正确性和有效性。

基于复小波变换的相角差值电能扰动检测法

对电能扰动的准确检测是治理改善电能质量的重要前提。首先分析了复小波变换,其能提供2个正交空间中信号分量间特有的相角信息,选取shan2-2为母小波,确定采样频率6400 Hz,随之提出了一种基于复小波变换相角差值的扰动检测方法,即分别对基准正弦波形和扰动波形进行复小波变换,求出对应的相角差值,以此信息数组中零值数目作为扰动起止时刻检测和扰动类型判断的依据,给出详细的流程框图和实用判据。针对电压暂降、暂升、中断、脉冲4种典型暂态扰动进行仿真验证,结果表明:本方法较复小波模值判断和实数小波检测更准确,抗干扰的能力更强。

基于数学形态学和网格分形的电能质量扰动检测及定位

提出一种基于数学形态学和网格分形的电能质量扰动检测及定位方法。首先利用数学形态学理论构造一种多结构并行复合形态滤波器对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声;然后对滤波后的波形,根据网格的变化规律进行分析,提出一种简单快捷的奇异性检测判据,以准确快速地检测出扰动并进行时间定位。分别用电压骤降、电压骤升、谐波及其组合扰动对所提方法进行验证。数字仿真结果证实了其正确性和有效性。

基于动态测度的电能质量扰动检测

将动态(Dynamics,以下用Dyn表示)测度有关概念引入电能质量研究领域以分析各种扰动信号。提出一种高效的Dyn测度算法,该算法能够准确检测信号的所有极值点,并计算其Dyn测度。通过分析扰动信号极值点的Dyn测度,发现扰动信号畸变点的Dyn测度与信号峰/谷点的Dyn测度差别较大,根据二者差异可以有效识别信号的畸变点。基于此提出了一种新的扰动检测方法。应用新方法对多种实测和仿真扰动信号进行检测,结果表明提出的新方法是正确的、有效的。

一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法

针对暂态电能质量电压多扰动信号的检测与分类问题,提出一种基于广义S变换及模糊SOM神经网络的暂态电能质量检测和识别方法。针对常见的电压多扰动信号,特别是两种扰动叠加的情况,采用广义S变换对扰动信号的时频特征进行提取,并取变换后的时间幅值平方和均值和特征频点作为神经网络的输入样本,采用模糊SOM神经网络进行训练,再用新的多扰动数据进行网络检验。仿真与实验结果表明,广义S变换能有效提高电能质量多扰动特征检测,模糊SOM神经网络能精确对其进行分类,该方法能够较好的解决电压多扰动叠加情况的定性和定量分类问题。

基于数学形态学的电能质量扰动检测和定位

数学形态学因其在保留信号突变点信息方面有很好的效果,因此常用于短时电能质量扰动的检测和定位,但基于数学形态学的部分方法仍存在对某些过零点扰动检测失效的缺点,文章分析了3种基于数学形态学的扰动检测和定位方法,即基于1阶求导和形态梯度的方法、基于形态梯度和软阈值处理的方法、基于dq分解和高帽变换的方法,通过仿真比较了3种方法在分析电压暂降、电压暂升、电磁暂态振荡等信号方面的适应性,结果发现基于dq分解和高帽变换的方法在检测过零点扰动时具有很好的效果,因此选取这种方法对实测扰动数据进行了检测和定位分析。结果表明,基于dq分解和高帽变换的方法能正确检测与定位出任一时刻发生的扰动,具有较好的适应性与可行性。

一种暂态电能质量扰动检测的新方法

电能质量信号在采集的过程中通常会被噪声污染,而暂态扰动检测的主要挑战就是噪声干扰。传统的扰动检测算法存在只适用于稳态扰动的分析、运算量太大、易受噪声影响致使检测的准确性急剧下降等缺点。为提高强噪声环境下暂态扰动检测的准确性,该文提出一种扰动检测的新方法。该方法非常简单,无需前置滤波单元,仅有2个参数且对检测结果的影响不灵敏。仿真中,将该文算法与广义形态滤波与差分熵的扰动检测方法和基于奇异值分解的扰动检测方法进行暂态扰动检测对比分析,结果表明该文算法不仅具有较强的抗噪性,且对过零时刻发生的扰动也具有较好的检测效果,同时还能指示扰动突变的极性。最后通过对实际暂态扰动数据的检测,进一步验证算法的有效性。

面向电力扰动数据分析的暂态扰动检测

面向电力扰动数据分析提出了一种暂态电力扰动检测方法。针对IEC推荐的暂态电能质量检测标准中波形对比法的缺陷,将改进型波形对比检测和有效值检测相结合,同时针对电压和电流数据进行检测,对暂态形式的电能质量及非电能质量扰动都具有较高的敏感性。通过应用于现场实测扰动数据表明,该方法能够有效检测出各类暂态电力扰动,较好的解决了检测灵敏度同所需数据量之间的矛盾,能够满足电力扰动数据分析对扰动检测的基本要求。

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。

基于数学形态学消噪的电能质量扰动检测方法

提出了一种利用数学形态滤波对波形进行预处理 ,然后用小波检测电力系统扰动的方法。该算法着力解决电力系统扰动中滤除随机噪声和脉冲噪声的困难 ,利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时 ,较好地保持了扰动的基本形状 ;小波变换算子则有效地检测出扰动并进行精确定位。 MATLAB仿真表明所提算法可以准确检测电能扰动时的波形畸变点。同时 ,形态学—小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小 ,有利于工程实现。

基于时间序列奇异谱特征的Φ-OTDR扰动检测方法

相敏光时域反射系统异常灵敏,对环境中声波、空气流动及瞬时高频噪音等干扰源同时敏感,环境干扰与入侵非线性混叠时,实际入侵检测与识别困难,容易频繁误报.本文提出一种基于时间序列奇异谱特征的扰动检测方法,对每个滑动时间窗内空间各点的纵向时间序列信号进行相空间重构,对重构后的相空间状态矩阵进行奇异值分解得到信号能量的奇异谱分布,然后将奇异谱特征向量输入后向传播神经网络进行扰动事件检测.实验结果表明,该方法能够有效排除声波及瞬时高频噪音等干扰信号的影响,在微风等有干扰的环境下,在14km处正确检测率为90%,误警率低于2%.

滑动去趋势波动分析在电能质量暂态扰动检测中的应用

针对电能质量暂态扰动信号的不规则性和突变性特点,提出了一种基于滑动去趋势波动分析的电能质量扰动检测新方法。扰动的发生使原信号的相关性特征发生变化,而去趋势波动分析的波动参数对这种变化反应敏感。通过滑动窗构建波动参数曲线,不仅能够对扰动时刻进行准确定位,而且可以确定电压暂升、暂降等典型暂态扰动的电压波动幅值。试验结果证明了该方法的有效性,与基于小波变换的检测方法相比,所述方法在抵御噪声干扰方面更具优越性。

一种电能质量扰动检测的新方法

电力系统电能质量扰动是一种典型的非平稳信号,时频分布是分析非平稳信号时一种有效的特征描述。文中介绍了一种基于时频分布的电能质量扰动检测的新方法:首先利用瞬时无功功率理论来提取电压信号的基波成分,进而提取出加载在电压上的扰动信号,然后利用时间和频率的联合函数来描述电能质量扰动信号在不同时间和频率上的能量密度,以此来提取扰动在时间和频率分布上表现出来的特征。仿真算例验证了该方法的有效性。

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。

EEMD在电能质量扰动检测中的应用

提出了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)电能质量扰动检测新方法。首先采用EEMD对电能质量扰动信号进行分解,获得固有模态函数后,再进行HHT,可以定量、准确地刻画相应时刻的瞬时特征量。该方法可以确定非平稳的电能质量扰动信号的时间、频率和幅值等信息。仿真试验结果表明,该方法可以有效克服经验模态分解方法存在的模态混叠和过零失效问题,同时也适用于混合电能质量扰动的检测。

一种基于改进锁相环系统的电能质量扰动检测方法

提出了一种基于改进锁相环 ( PLL)系统的电能质量扰动检测方法。该改进 PLL系统是一个稳定的相位反馈控制系统 ,产生的多个输出信号可用于多种电能质量扰动的检测 ,而且对于检测系统的内部参数和电力系统频率的变化是鲁棒的。在叙述了它的基本特性以及电能质量扰动检测的基本原理后 ,重点阐述了该系统对多种电能质量扰动检测的实现 ,包括谐波、电压波动、频率偏差、电压下跌、电压上升、过电压、欠电压、瞬时脉冲、低频、高频振荡和无功功率等进行检测和分析 ,并为此做了大量的计算机仿真。仿真结果证明了结论的正确性 ,同时也表明 。

基于TT变换的电能质量扰动检测新方法

提出了一种基于TT变换的电能质量扰动检测新算法。TT变换是S变换的傅里叶反变换,是一维时间序列的二维时时表示,通过检测TT模矩阵的对角线元素的幅值突变,定位电能质量扰动发生的起止时刻,不仅能对电能质量单一扰动进行准确检测,而且也能对混合扰动进行准确检测。对含有谐波扰动的混合扰动信号,提出通过两次TT变换,基于对S变换结果的分析和TT模矩阵的对角线序列突变量的检测,精确定位各扰动分量出现的起止时刻。仿真结果验证了本方法在电能质量扰动信号的检测中的可行性和有效性。

基于EEMD自适应阈值去噪的电能质量扰动检测与定位研究

为了改善电能质量扰动信号的去噪效果,实现扰动信号的检测与准确定位,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)自适应阈值的电能质量扰动信号去噪方法。首先利用集合经验模态分解将含噪的扰动信号分解成一些相互独立的固有模态函数(Intrinsic Mode Function,IMF)分量,然后对所得的IMF进行自适应阈值去噪,从而抑制噪声干扰。采用希尔伯特黄变换(HHT)提取去噪后扰动信号的起止时刻、瞬时频率和幅值信息。相比于小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值等方法,该方法在去噪的同时减少了信息损失,信噪比SNR和均方误差MSE均有明显提高。仿真结果验证了该方法在电能质量扰动检测与定位中的有效性和可行性。