基于改进S变换的电能质量扰动智能检测

刘小斌 赵洛印 刘 明 张 旭

(1.东北石油大学电气信息工程学院，黑龙江 大庆163318； 2.中国石油天然气股份有限公司管道秦皇岛输油气分公司，河北 秦皇岛 066000)

基于改进S变换的电能质量扰动智能检测

刘小斌1赵洛印1刘 明2张 旭1

(1.东北石油大学电气信息工程学院，黑龙江 大庆163318； 2.中国石油天然气股份有限公司管道秦皇岛输油气分公司，河北 秦皇岛 066000)

为了真实反映电能质量暂态扰动对电网造成的影响，对电能质量暂态扰动的成因和检测方法进行研究。提出一种改进的S变换新方法，对高斯窗函数的尺度因子进行修改，使得结果具有更好的时间和频率分辨率。基于该方法对电能质量暂态扰动信号进行检测，并提取各扰动特征量，同时对检测结果进行数据分析。研究结果表明：修改后的S变换方法能够实现电能质量暂态扰动的实时智能检测，检测结果准确可靠。

改进的S变换 电能质量 暂态扰动 时频分析 智能检测

随着电力电子技术的发展，电力电子设备得以广泛应用，开关电源的引入、整流设备的推广及大功率电机的启停等，都会对电力系统产生极强的干扰。电能质量对电力设备和电能用户来说是一个重要的问题。电力负载(如电脑)对于电力系统中存在的各类扰动非常敏感，而非线性负载(如日光灯或速度控制驱动器)会导致电力系统电压和电流信号失真[1，2]。为此，急需对电能质量进行监测，保证用电设备和电力网络的正常运行。

电能质量的扰动种类繁多，扰动间存在交叉，这对扰动的检测和分类带来极大困难。因此，常采用数字信号分析工具对电能质量进行分析，如：短时傅里叶变换、小波变换、dq变换、Hilbert-Huang变换及S变换[3]等。短时傅里叶变换可以将时域信号变换至频域进行分析，但是其时域窗的尺度和形状固定，频率分辨率也是固定的。小波变换较好地结合了信号的时频特性，可以实现多分辨率分析，但是由于变换尺度和频率的分析程式固定，难以形成自适应分析过程，同时选择不同种类的母小波对分析结果的影响也较大[4]。Hilbert-Huang变换可以实现电能质量暂态扰动的识别，但易受噪声影响，处理前要进行滤波。而S变换实现了多尺度分析，但分析方法仍相对固定，为此提出一种改进的S变换新方法，以期能够更加灵活地对电能质量进行分析。

1.1 传统S变换方法

S变换是短时傅里叶变换和小波变换的继承与发展，可以对信号进行多分辨率分析[5～8]。时域连续信号u(τ)的标准S变换形式为：

(1)

其中，w(τ,σ)为高斯窗函数，有：

(2)

对于传统S变换，σ的定义如下：

(3)

可以看出，σ是f的函数，与f成反比。t决定了窗口在时域的位置，σ决定了窗口的形状。因此，与短时傅里叶变换相比，窗口的形状随频率f的变化而变化，而不是固定的。S变换能够实现对信号的多分辨率分析，即当f较小时具有较大的频率分辨率，当f较大时具有较大的时间分辨率。将式(1)转换为t与f的函数形式：

(4)

1.2改进的S变换

传统的S变换，窗口形状随频率f的改变而改变，但是频率f与窗口形状的关系还是相对固定的。为了更好地控制高斯窗口的长度和方差，并提高能量汇聚度和扰动时间定的准确率，对标准窗口尺度函数修改如下：

(5)

其中，c、b为常数，c、b、f的值决定了信号的时间和频率分辨率，这些参数能够较好地控制高斯窗口的长度和方差。

改进的S变换可定义如下：

(6)

将式(5)代入式(6)得到改进后的时域连续信号的S变换式：

(7)

根据待测信号的类型和性质来选择参数c和b。研究发现c=1/N，b为信号方差的4倍时，能够较好地匹配电能质量暂态扰动的分析。

对于电能质量暂态扰动时域连续信号u(τ)，在采样时间间隔为T，采样点数为N时，其离散形式为u(kT)(k=0，1，…，N-1)。信号u(kT)的傅里叶变换为：

(8)

同理，修改后的高斯窗函数离散傅里叶变换为：

根据卷积定理，时域卷积等于频域乘积，利用式(7)可以求得信号u(kT)的改进S变换离散形式为(推导过程略)：

m、n、j=0,1,2,…,N-1

(9)

当频率为0时，定义：

由上式可知，S[jT,0]为时域信号的平均值。

1.3改进S变换的分析过程

运用改进的S变换对一维连续时域信号u(t)的分析流程如图1所示。

图1 改进S变换流程

当频率为零时，需单独计算，计算出的离散信号u(kT)的平均值，即为改进S变换时频矩阵频率为零行的值。

2 电能质量暂态扰动仿真与分析

2.1仿真

2.1.1电压暂降

电力系统发生远端故障或者电机启动时会引起电压暂降，其持续时间为1/2周波～60s，电压暂降的幅值区间0.1～0.9(p.u.)，电网频率保持不变。建立模型如下：

u(t)=A{1-α[u(t-t1)-u(t-t2)]}sin(2πft)

其中，0.1≤α≤0.9,T≤t2-t1≤8T,t1=0.10s,t2=0.16s,A=1，时域信号和运用改进S变换方法的分析结果如图2、3所示。

图2 电压暂降信号

2.1.2电压暂升

当电力系统切除大容量负荷、发生单相接地故障或非故障线路电压、电流等，都会引起电压暂升，其持续时间为1/2周波～60s，电压暂升幅值区间1.1～1.8(p.u.)，电网频率仍为额定值。建模如下：

图3 三维特征曲线(电压暂降)

其中，A=1,0.1≤α≤0.9,T≤t2-t1≤8T,t1=0.11s,t2=0.17s，时域信号和分析结果如图4、5所示。

图4 电压暂升信号

图5 三维特征曲线(电压暂升)

2.1.3暂态谐波

整流电路、家用电器(如电视机、计算机及空调等)及开关电源等非线性负载会向电网注入大量谐波，其模型为：

u(t)=Asin(2πft)+α[u(t-t1)-u(t-t2)]sin(2πnft)

其中，A=1，0.1≤α≤0.8,T≤t2-t1≤8T,t1=0.04s,t2=0.12s,n=3。α=0.4时的时域信号和分析结果如图6、7所示。

图6 暂态谐波信号

图7 三维特征曲线(瞬态谐波)

2.1.4短时电压中断

若电力网络发生系统故障、用电设备故障或控制失灵等，会引起电压中断，电压幅值降至0.1倍额定电压以下，持续时间不超过1min，其模型为：

u(t)=A{1-α[u(t-t1)-u(t-t2)]}sin(2πft)

其中，A=1，0.9≤α≤1.0,T≤t2-t1≤8T,t1=0.08s,t2=0.12s，其时域信号和分析结果如图8、9所示。

图8 短时电压中断信号

图9 三维特征曲线(短时电压中断)

2.1.5振荡暂态

当电力系统信号突发一个双极性的非电源频率的变化时，即为振荡暂态，其模型为：

u(t)=Asin(2πft)+α[u(t-t1)-u(t-t2)]sin(2πnft)e-tk

其中，A=1，0.0≤α≤1.0,0≤t2-t1≤T,t1=0.1050s,t2=0.1158s,n=80,k=10。α=0.4时其时域信号和分析结果如图10、11所示。

图10 暂态振荡信号

图11 三维特征曲线(暂态振荡)

2.1.6瞬时脉冲

由闪电电击线路或感性电路开合引起的两个连续稳态之间在极短时间内发生的突变现象即为瞬时脉冲，其模型为：

u(t)=α[u(t-t1)-u(t-t2)]+Asin(2πft)

其中α=6,A=1,t1=0.1030s,t2=0.1036s时，时域信号和分析结果如图12、13所示。

图13 三维特征曲线(瞬时脉冲)

2.2数据处理

暂态扰动的频率与幅值。利用改进S变换对电能质量扰动信号进行处理，绘制处理后的结果矩阵的时间-幅值曲线，求取扰动持续时间内的极值点S(m1,n1),S(m2,n2),…,S(me，ne),其中各扰动点的频率F=nm1,nm2,…,nme，各扰动点的幅值A=abs(S(mi,ni))(i=1,2,3,…,e)。

电压波动幅值。绘制经改进S变换处理后的复数矩阵的时间-幅值曲线，得到电压最大幅值Am，则波动幅值为Am-1。

3 实验数据分析

结合实际情况，电网频率为50Hz。实验所用采样频率为5kHz，注入30dB噪声，运用上述数据分析方法，对各暂态扰动模型进行分析，其结果见表1。

表1 电能质量暂态扰动分析结果

从表1中可以看出，运用改进的S变换分析方法，能够实现电能质量暂态扰动的检测，检测准确度达到98.04%以上。

4 结束语

针对电能质量的暂态扰动问题，提出基于改进的S变换的检测方法。该方法对传统S变换高斯窗函数相对固定的缺陷进行了修改，因此，改进的S变换能够对电能质量扰动信号进行多分辨率分析，同时信号的频域能量相对集中。研究结果表明，该方法能够准确地提取出含扰动信号的各个特征量，可以为进一步研究电能质量的分类作参考。

[1] 易吉良,彭建春,谭会生.采用不完全S变换的电能质量扰动检测方法[J].高电压技术,2009,35(10):2562～2567.

[2] 王海元,李开成,张献.基于S变换的电能质量扰动识别[J].湖南电力,2014,34(4):17～21.

[3] 满蔚仕,张志禹,康青,等.利用快速S变换的电能质量扰动识别方法[J].西安交通大学学报,2013,47(8):133～140.

[4] Huang S J,Hsieh C T.High Impedance Fault Detection Utilizing a Morlet Wavelet Transform Approach[J].IEEE Trans Power Del,1999,14(4):1401～1410.

[5] Stockwell R G,Mansinha L,Lowe R P.Localization of the Complex Spectrum:the S Transform[J].IEEE Transactions on Signal Processing,1996,44(4):998～1001.

[6] 江辉,刘顺桂,尹远兴,等.基于小波和改进S变换的电能质量扰动分类[J].深圳大学学报(理工版),2014,31(1):23～29.

[7] Kezunovic M,Rikalo I.Detect and Classify Faults Using Neural Nets[J].IEEE Computer Application Power，1996,9(4):42～47.

[8] 刘志刚,张巧革,张杨.电能质量复合扰动分类的研究进展[J].电力系统保护与控制,2013,41(13):146～153.

(Continued from Page 123)

(1.FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China;2.InformationandElectricalMeasuringScienceInstitute,YunnanInstituteofMetrologyandTestingTechnology,Kunming650228,China)

AbstractThe spray gun’s working mechanism and influence factors were analyzed and through making use of production data, both soft prediction model of spray gun’s insertion depth and dynamic mathematical model of the spray gun’s end pressure were established and their validity were verified. The fuzzy control research of spray gun end pressure based on soft prediction of spray gun’s insertion depth was carried out. Simulation results show that fuzzy control outperforms the PID control and through OPC interface, the display of spray gun’s end pressure curve can be implemented in WinCC, this lays a foundation for the control of spray gun in the rich oxygen top-blown furnace.

Keywordsfuzzy control, rich oxygen top-blown furnace, spray gun insertion depth, mechanism of soft prediction model, dynamic mathematical model for spray gun end pressure

IntelligentDetectionofPowerQualityDisturbanceBasedonImprovedSTransform

LIU Xiao-bin1, ZHAO Luo-yin1, LIU Ming2,ZHANG Xu1

(1.SchoolofElectricalEngineeringandInformation,NortheastPetroleumUniversity,Daqing163318,China; 2.QinhuangdaoOilandGasTransportationBranchCo.,CNPCPipelineCompany,Qinhuangdao066000,China)

To reflect the influence of power quality transient disturbance (PQTD) on the power grid, a deep research on the disturbance causes and their detection methods was implemented; and the S-transform-based new approach was proposed to modify Gaussian window function’s scale factor so that both better time and frequency resolution can be reached. Having this approach based to detect the PQTD signals and to exact the features of each kind of disturbances as well as analyzing the detection results indicate that this S-transform-based new approach modified can detect and analyze PQTD signals at real time and detection results are accurate and reliable.

modified S transform, power quality, transient disturbance, time-frequency analysis, intelligent detection

TH865

A

1000-3932(2016)02-0134-06

2015-11-17(修改稿)基金项目：黑龙江省自然科学基金资助项目(E201410)