《基于park+变换和αβ+变换的电能质量扰动分类方法》由会员分享，可在线阅读，更多相关《基于park+变换和αβ+变换的电能质量扰动分类方法（6页珍藏版）》请在金锄头文库上搜索。
1、电力系统及其自动化 579 基于 Park 变换和 变换的电能质量扰动分类方法 刘 昊 唐 轶 冯 宇 中国矿业大学信息与电气工程学院 江苏 徐州 221008 【摘 要】 本文首先仿真分析了常见的几种电能质量扰动 Park 变换和 变换特性，在此基础上提取 了扰动的三个特征量 A1A3，并针对这些特征量的特点提出一种分类方法，对 5 种单一 扰动和 5 种混合扰动进行了较为准确的分类。且本文提出的算法简单，易于硬件实现，并 可以作为电量参数评估的基础。最后，本文对提出的扰动分类方法进行了 Matlab 仿真， 仿真结果表明，本文提出的特征量及分类方法准确，有效，误判率低，有较好的识别混合 扰
2、动能力。 【关键词】 电能质量扰动 时域变换 特征量 扰动分类 A Power Quality Disturbance Classification Method Based on Park Transform and Transform Analysis Liu Hao Tang Yi Feng Yu China University of Mining and Technology，Xuzhou 221008，Jiangsu，China Abstract：This paper first analyzes the Park Transform and Transform of some n
3、ormal power quality disturbances and then proposes three characteristic indexes A1A3 which can be used to classify 5 single disturbances and 5 mixed disturbances exactly. The algorithm is simple and easy to be implemented by hardware. It can also be the basis of power quality index evaluation. At la
4、st，this paper simulates the disturbance classification method in Matlab，and the results indicate that the classification method proposed by this paper is accurate， effective，and has a good effect on classifying mixed disturbance. The misjudge rate is also low. Key words：power quality disturbance；tim
5、e domain transform；characteristic；disturbance classification 1 引 言 电力电子器件以及其他非线性负荷的广泛使用，给电网带来了严重的污染，致使电网中出现了许 多电能质量扰动问题。实现电能质量扰动的正确分类是进行电能质量分析与评估的前提和基础。扰动 分类主要分为两步，第一步是提取扰动特征量。目前国内外提出的方法有傅立叶变换8，小波变换 910，dq 变换6，S变换1212等一系列方法。傅立叶变换适合分析稳态信号，由于其频谱泄漏和栅栏 现象等缺陷，而不适合分析电能质量扰动非平稳信号。小波变换因其具有良好的时域 频域局部化特 性，适合于分
6、析暂态、突变信号，但其受噪声影响较大，不易用于实践。且小波变换的多尺度判断的 结果可能相互矛盾11。S变换的分类特征量都是从S变换的结果矩阵中提取出来，尽管文1212提 取的特征量不尽相同，但均有明确的物理意义，主要反映信号基波幅值变化幅度及持续时间，频谱构 成等，与本文所提取的特征量反映的信号特征有类似之处。第二步是利用提取的特征量进行分类。方 法有：基于规则的分类，如文12提到的规则树及支持向量机，该方法能有效识别参数大范围内随机 580 2008 全国博士生学术论坛电气工程论文集 变化的各种电能质量扰动，识别准确率较高，但此种方法在识别混合扰动方面较为困难（详见3.2节 的分析） 。文6
7、提到的神经网络方法无法识别多种扰动叠加的情况并且无法提供信号的局部细微性 质，文7的模糊分类，分类规则较多且扰动识别率不高。 本文在分析各类扰动的时域变换特性的基础上，提出了基于扰动时域变换特性分析的扰动分类方 法，实现了对常见扰动的准确分类。与现有的分类方法相比，该方法具有特征量简单明确、计算量 小、有较好的识别混合扰动能力的优点。 2 电能质量扰动的时域变换特性分析 理想电量的幅值，基波角速度和初相角三个参数均保持恒定不变，当这三个参数的变化时，将引 起电能质量问题。除了幅值及频率变化外，在理想电量上叠加其他信号也会引起电能质量问题。因此 可将常见的11种电压扰动划分为三大类，即： （1）
8、幅值的变化，包括中断，下跌，上升，过电压，欠电压，波动与闪变。 （2）频率的变化。如频率偏差。 （3）外加其他信号的扰动。包括切痕，振荡暂态，谐波，间谐波等。 文1扰动初步分类与上面的分类基本相同。频率是全网相同的，其偏差调整主要由发电方和供电 方来完成。在不考虑大负荷投切的情况下用电方对其没有影响。因此，本文不再分析频率偏差问题。 本文选用的时域变换特性为 变换的合成曲线模长r（t） （或模长平方特性r2（t） ）及Park变 换特性，表达式由式（1）和式（2）给出 222 ()()()rtutut =+ （1） p q cos sin sin cos uu tt uutt = （2） 对于
9、单相电压，式中u为单相电压，u为u延时四分之一工频周期得到。四种单一扰动表达式为 （其中U1是基波电压幅值，是基波角速度，切痕不设固定表达式，由模块仿真出切痕波形进行分析。 （1）谐波： 1 ()sin() nn n utUn t = =+ （3） 其中，U是幅值；是初相角；n为谐波次数。 （2）振荡暂态： (1) 121 ( )sin()sin() ( )( ) c t t u tUtet u tu t =+ （4） =0.10.8为振荡最大幅度，=1040为波动频率相对系数，c为振荡衰减系数。 （3）波动与闪变： 1 ( )( )sin()1( )sin()u tA ttUMa tt=+
10、（5） 其中 1 ( )sin() m a tm t m = （6） M为调频幅度，A（t）为包络信号，a（t）为调制信号， 为调制信号的基波角速度，m为整数。 （4）电压下跌： 12121 ( )1 ( )( ) sin ( )( )u tUu tu ttu tu t=+ （7） =0.10.9为下跌幅度，t2t1为扰动的持续时间，t1为扰动发生时刻，t2为结束时刻，为跳变相角。 经过对五种单一扰动的表达式及其r（t） 、up及uq变换式和对应曲线图的分析可以看出（限于篇 幅，本文不将5种扰动的图及对应变换式和曲线图贴出） ，对于理想电量，r（t）为恒定值，即平行 于时间轴的直线，大小等于理
11、想电量的幅值；up和uq为恒定的直流量。由幅值变化引起的扰动（不包 括电压波动）使r（t）曲线和up、uq发生“阶跃”变化，从变化的幅度可以得知幅值的变化信息。 电压波动及由外加信号引起的扰动使r（t）曲线和up、uq呈现周期性变化或者出现瞬时波动。因此 可从r（t）曲线及up、uq中提取扰动分类的特征量。另外，在实际应用中应根据计算需要来灵活选 用r（t）曲线或r2（t）曲线，以便更好地区分扰动类型。 电力系统及其自动化 581 3 基于时域变换特性分析的扰动分类方法 考虑到电压上升、中断、过电压、欠电压与电压下跌一样，同属于电压幅值扰动，分类特征相 同，本文选取电压下跌、电压波动和闪变、振
12、荡暂态、谐波、切痕等5种基本扰动及它们的5种混合 形式（谐波与下跌、切痕与下跌、谐波与振荡暂态、切痕与振荡暂态、闪变与谐波）作为分类对象。 3.1 基于时域变换的扰动分类特征提取 设Ue为理想电压的幅值，在分析时段内扰动始终存在。结合2节的分析结论，本文选取了A1 A3三个分类特征量，计算程序流程如图1所示。 （a）整体框图 （b）A3的提取 图 1 分类特征量的提取 Fig.1 the classifying characteristics extraction 下面分别阐述四个特征量的作用。 （1） 1 1 e e UU A U =称为升降度。它反映了基波幅值增大或减小的程度，用它可以判断
13、电压下跌和电 压波动的存在。 （2） 22 1 2 1 ()rtUdt A U = 。对于谐波和切痕扰动而言，A2大于零且数值恒定，与总畸变率等 价。因此可用恒定不变的A2判断出谐波和切痕的存在，振荡暂态的A2表现出指数衰减特性，可利用 这一特点判断振荡暂态的存在； （3）A3专门用来判断切痕的存在。取A3=0.5作为阈值。A30.5，则不存在切痕扰动。 需要说明的是，图1中积分运算的另一个目的是为了消除信号中的噪声影响。电力系统中的各种 噪声都可以认为是高斯白噪声。通过积分可有效消除这类噪声的影响。 （4）种基本扰动的A1A3的特征量曲线如下（见图2、图3、图4） ： 仿真参数： 谐波：U1
14、=100，U5=15，U7=10， 1 = 7 =0， 5 =/12。 切痕：触发角45。 振荡暂态：U1=100，=0.6，=20.5，c=0.1。 波动：U1=100，M=0.05，=6，m=1。 下 跌：U1=100，=0.5。 A1 t/ms A1 t/ms t/ms A1 （a）谐波 （b）切痕 （c）振荡暂态 582 2008 全国博士生学术论坛电气工程论文集 A1 t/ms A1 t/ms （d）波动 （e）下跌 图 2 分类特征量 A1的仿真波形 Fig.2 the simulation waveform of the classifying characteristic A1
15、 A2 t/ms A2 t/ms t/ms A2 （a）谐波 （b）切痕 （c）振荡暂态 t/ms A2 t/ms A2 （d）波动 （e）下跌 图 3 分类特征量 A2的仿真波形 Fig.3 the simulation waveform of the classifying characteristic A2 t/ms A3 A3 A3 t/ms t/ms A3 （a）谐波 （b）切痕 （c）振荡暂态 A3 t/ms A3 t/ms （d）波动 （e）下跌 图 4 分类特征量 A3的仿真波形 Fig.4 the simulation waveform of the classifying characteristic A3 从表1可以看出， 先用A1判断是否存在下跌和波动， 再用A2判定是否存在谐波，切痕和暂 态振荡（无法判断是谐波还是切痕） ， 再用A3判定切痕或谐波。 表
