S变换与欧氏距离在电能质量扰动识别中的应用*

孙恩钊 刘爱莲 谢 涛 李 川

(昆明理工大学信息工程与自动化学院)

S变换与欧氏距离在电能质量扰动识别中的应用*

孙恩钊 刘爱莲 谢 涛 李 川

(昆明理工大学信息工程与自动化学院)

为了满足电能质量扰动检测与分类的需要、进一步提高电能质量扰动识别效率，提出一种S变换与欧氏距离相结合的电能质量扰动识别方法。对电能质量扰动识别方法进行了仿真分析，结果表明：在信噪比为20dB的情况下，电压暂升、电压暂降和电压闪变的识别率较高，而电压中断、谐波和暂态振荡由于受到谐波和噪声干扰，识别率相对较低；随着信噪比的增加，扰动信号的识别率均随之增加。

电能质量 扰动识别效率 S变换 欧氏距离 模时频矩阵

目前，随着非线性负荷的大量使用，电网中的电能质量污染问题日趋严重。为此，必须对电网中的电能质量问题进行分类识别，以提升电网电能质量。国内外研究人员在电能质量扰动识别方面做了大量研究工作[1～4]，其中小波变换因具有良好的时域-频域局部化特性，使得它对暂态、突变信号的分析具有显著优势，在电力系统中得到了广泛应用。通过小波包分解和重构提取扰动特征信息，为电能质量的检测、评估与治理提供依据[5]。虽然小波变换方法在检测高频扰动方面的作用明显，但是对于电压暂降、电压暂升等低频扰动，小波变换的作用十分有限，极易受到噪声干扰[6,7]。近年来，S变换方法作为小波变换和FFT的延伸，在电能质量扰动识别方面的研究成果越来越丰富[8～10]。由Stockwell R G等提出的S变换[11]已经在电能质量检测和扰动识别中得到了应用[12～14]。易吉良等提出一种基于不完全S变换的扰动识别方法，明显提高了检测速度[4]。刘鑫等提出利用S变换模时频矩阵局部相似度的方法进行扰动识别，提高了抗干扰能力[13]。

笔者提出一种将S变换与欧式距离相结合的电能质量扰动识别方法，首先计算不同信噪比情况下扰动信号与标准信号的S变换，然后得到模时频矩阵的幅值频数直方图，最后通过比较扰动信号与标准信号幅值频数直方图之间的欧式距离，即可判断电能质量的扰动类型。

1 S变换基本原理

某一连续信号x(t)的S变换S(τ,f)定义为：

(1)

其中，w(τ-t,f)为高斯窗函数；τ用来调整高斯窗在时间轴上的位置；f为频率；t为时间。

对x(t)进行采样得到离散信号x(kTs)(k=0,1,2,…,N-1)，其中Ts是采样时间间隔，N是采样点数，则由式(1)可得S变换的离散形式为：

(2)

(3)

G(m,n)=e-2π2m2/n2

(4)

2 欧氏距离

欧氏距离是目前比较常用的距离定义方式，表示n维空间中两个点之间的真实距离，也可以用来表示各数据对象之间的距离。欧氏距离DM,N的表达式如下：

(5)

其中，Mi={xi,yi}是含噪扰动信号幅值频数直方图的第i个点，Ni为标准信号幅值频数直方图的第i个点。为比较扰动信号与标准信号之间的差异，首先通过S变换计算两者的模时频矩阵，然后求出模时频矩阵的幅值频数直方图，最后比较扰动信号幅值频数与标准信号幅值频数之间的欧氏距离。

3 仿真分析

以电压暂降、电压暂升、电压中断、暂态振荡、谐波和闪变6种比较普遍的电能质量扰动类型为例，分析笔者所提算法的有效性。算法流程如图1所示。

3.1标准信号仿真

利用 Matlab生成6种扰动信号的数学模型如下：

图1 算法流程

电压暂降x(t)=[1-A(u(t2)-u(t1))]sin(w0t),0.1≤A≤0.9,T≤t2-t1≤6T

(6)

电压暂升x(t)=[1+A(u(t2)-u(t1))]sin(w0t),0.1≤A≤0.9,T≤t2-t1≤6T

(7)

电压中断x(t)=[1-A(u(t2)-u(t1))]sin(w0t),0.9≤A≤1,T≤t2-t1≤6T

(8)

暂态振荡x(t)=sin(w0t)+Ae-α(t-t1)sin(βw0t)·[u(t-t1)-u(t-t2)]

0.1≤A≤0.8,0.5T≤t2-t1≤3T,0.1≤α≤0.8,10≤β≤15

(9)

谐波x(t)=sin(w0t)+A1sin(3w0t)+A2sin(5w0t)+A3sin(7w0t),0.02≤A1,A2,A3≤1

(10)

闪变x(t)=(1+Asin(w1t))sin(w0t),0≤A≤0.1

(11)

设电能质量扰动信号基频为50Hz，扰动信号采样频率为3.2kHz，每个信号周期采样64个点，采样长度为10个信号周期；电压暂降幅度和电压暂升幅度为0.5，电压中断幅值为0.05，谐波的衰减系数为0.2。

3.2标准信号的模时频矩阵直方图

利用Matlab，通过S变换对6种不含噪声的扰动类型进行处理，得到这6种信号的标准模时频矩阵如图2所示，并把这些模时频矩阵作为标准矩阵。

图2 标准模时频矩阵

对信号的标准模时频矩阵取绝对值，求得矩阵的频数直方图如图3所示。在扰动标准模时频矩阵的频数直方图中，因为基频信号占据了大部分，扰动信号只占其中一小部分，所以舍弃在分布中占比较大的部分，只保留能反映扰动信号特征的小概率部分，这样不仅可以提高扰动类型的识别率，而且大幅缩减了运算量。

图3 标准模时频矩阵直方图

3.3含噪信号的模时频矩阵直方图

以信噪比为20dB时的含噪信号电压扰动为例， 随机产生100个扰动信号波形， 将这些信号通过S变换求取对应的模时频矩阵，进而得到模时频矩阵频数直方图如图4所示。

图4 含噪信号的模时频矩阵直方图

为了降低计算量，提高扰动识别率，舍弃频数直方图中幅值低、概率大的部分。需要注意的是，舍弃的部分必须与标准信号的模时频矩阵直方图中舍弃的部分相对应。

最后，计算不同信噪比下的扰动信号直方图与标准信号直方图之间的欧式距离，结果见表1～3。

表1 20dB下含噪信号与标准信号的欧氏距离

表2 30dB下含噪信号与标准信号的欧氏距离

表3 40dB下含噪信号与标准信号的欧氏距离

由表1～3可知，当信噪比为20dB时，各扰动信号与相对应的信号模板之间的欧式距离是最小的。其中电压暂升扰动信号与电压暂升信号模板之间的欧式距离为20.049 9，闪变扰动信号与闪变信号模板之间的欧式距离为49.071 4，这两个值相对于它们与其他模板之间的欧式距离来说是最大的，说明该算法对电压暂升和闪变的识别效果最好。而暂态振荡扰动信号与信号模板之间的欧式距离为96.482 6，与其他模板之间的欧式距离差距较小，说明该算法对暂态振荡的识别具有一定的缺陷。

不同信噪比的扰动识别率见表4，可以看出，在低信噪比的情况下，电压暂升和电压闪变的识别率较高，达到了100%。电压中断、谐波、暂态振荡在信噪比为20dB的情况下识别率分别为95%、92%、94%，这是因为它们在低信噪比情况下受到的谐波和噪声干扰现象较为严重，所以识别率相对较低。随着信噪比的增加，扰动信号的识别率随之增加。

表4 不同信噪比的识别率 %

4 结束语

为了能够有效识别电能质量的扰动类型，笔者提出了一种S变换与欧氏距离相结合的电能质量扰动识别方法。该方法首先计算不同信噪比扰动信号与标准信号的S变换模时频矩阵，进而得到模时频矩阵的幅值频数直方图，最终通过计算含噪扰动信号与标准扰动信号幅值频数直方图之间的欧式距离来确定扰动类型。仿真结果表明，该方法能够有效识别出电压暂降、电压暂升、电压中断、谐波、闪变和暂态振荡6种扰动类型，在低信噪比的情况下仍有较高的识别率。

[1] 吴兆刚,李唐兵,姚建刚,等.基于小波和改进神经树的电能质量扰动分类[J].电力系统保护与控制,2014,42(24):86～92.

[2] Chilukuri M V,Dash P K.Multiresolution S-transform-based Fuzzy Recognition System for Power Quality Events[J].IEEE Transactions on Power Delivery,2004,19(1):323～330.

[3] 田振果,傅成华,吴浩,等.基于HHT的电能质量扰动定位与分类[J].电力系统保护与控制,2015,43(16):36～42.

[4] 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.

[5] 郭俊文,李开成,何顺帆,等.基于改进不完全S变换与决策树的实时电能质量扰动分类[J].电力系统保护与控制,2013, 41(22):103～110.

[6] Gu Y H,Bollen M H J.Time-frequency and Time-scale Domain Analysis of Voltage Disturbances[J].IEEE Transactions on Power Delivery,2000,15(4):1279～1284.

[7] Chilukuri M V,Dash P K,Basu K P.Time-frequency Based Pattern Recognition Technique for Detection and Classification of Power Quality Disturbances[C].2004 IEEE Region 10 Conference.Piscataway,NJ:IEEE, 2004:260～263.

[8] Lee I W C,Dash P K.S-transform-based Intelligent System for Classification of Power Quality Disturbance Signals[J].IEEE Transactions on Industrial Electronics,2003,50(4):800～805.

[9] 肖助力,龚仁喜,陈双,等.基于改进S变换的电力系统谐波检测方法[J].电力系统保护与控制,2015,43(3):84～90.

[10] 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.

[11] Stockwell R G,Mansinha L,Lowe R P.Localization of the Complex Spectrum:The S-transform[J].IEEE Transactions on Signal Processing,2002,44(4):998～1001.

[12] Kumar R,Singh B,Shahani D T,et al.Recognition of Power Quality Events Using S-transform Based ANN Classifier and Rule Based Decision Tree[J].IEEE Transactions on Industry Applications,2015,51(2):1249～1257.

[13] 刘鑫,杨洪耕,赵俊.基于S变换模时频矩阵局部相似度的短时电能质量扰动分类[J].电力系统自动化,2009,33(8):62～67.

[14] 张逸,林焱,吴丹岳.电能质量监测系统研究现状及发展趋势[J].电力系统保护与控制,2015,43(2):138～147.

2017-06-23，

2017-07-11)

安特威PDS高频阀冲刺300万次开关寿命

PDS装置高频球阀年开关频率为20～220万次，而且存在温度交变剧烈、超细粉末和三相流介质，工况极其恶劣，再加上技术难度高，长期以来，高频开关球阀全部依赖进口，但是进口企业的产品寿命也就在36～100万次左右。

为打破垄断，安特威阀门有限公司耗时五年，艰辛钻研、反复试验，终于完全掌握其技术，现已在包括神华、中石油、东华能源等多套装置上成功使用。浙江卫星石化聚丙烯全装置使用苏州安特威阀门有限公司所供的PDS高频球阀，自2016年10月开车至今已经接近十个月，其开关频率为每年160万次，寿命已经达到120万次！目前全装置PDS球阀运行稳定可靠，无一台出现故障。另外，宁煤煤制烯烃PP装置2015年7月采用安特威PDS高频阀，采用ABB-LUMMUS工艺，最高开关频率达120万次/年，目前已达24个月，目前运行正常，寿命已经达到240万次开关！安特威PDS球阀有150和300万次两种设计寿命，设计寿命远高于同类进口产品，神华宁煤和卫星石化使用的都是300万次设计寿命的PDS球阀，现让我们拭目以待——300万次寿命的梦想大关能否实现！

超越一直在进行，传奇才刚开始！

ApplicationofS-transformandEuclideanDistanceinPowerQualityDisturbanceIdentification

SUN En-zhao, LIU Ai-lian, XIE Tao, LI Chuan

(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology)

For purpose of detecting and classifying the power quality disturbances and further enhancing efficiency of identifying power quality disturbances, a power quality disturbance identification method which has S-transform combined with Euclidean distance was proposed and both basic principle of S-transform and the concept of Euclidean distance were introduced. Simulating and analyzing the identification method show that, when the SNR stays at 20dB, this method can recognize voltage swell, voltage dip and voltage flicker accurately but it identifies the voltage interrupt, transient oscillation poorly because of the disturbance from the harmonic wave and noise; and with SNR increasing, the rate of identifying disturbance signals becomes increased.

power quality, disturbance identification rate, S-transform, Euclidean distance, module time-frequency matrixes

孙恩钊(1991-)，硕士研究生，从事智能信息处理、通信工程的研究，547365190@qq.com。

TH865

A

1000-3932(2017)10-0959-05