基于改進S變換的電能質量擾動智能檢測

劉小斌 趙洛印 劉 明 張 旭

(1.東北石油大學電氣信息工程學院，黑龍江 大慶163318； 2.中國石油天然氣股份有限公司管道秦皇島輸油氣分公司，河北 秦皇島 066000)

基于改進S變換的電能質量擾動智能檢測

劉小斌1趙洛印1劉 明2張 旭1

(1.東北石油大學電氣信息工程學院，黑龍江 大慶163318； 2.中國石油天然氣股份有限公司管道秦皇島輸油氣分公司，河北 秦皇島 066000)

為了真實反映電能質量暫態擾動對電網造成的影響，對電能質量暫態擾動的成因和檢測方法進行研究。提出一種改進的S變換新方法，對高斯窗函數的尺度因子進行修改，使得結果具有更好的時間和頻率分辨率。基于該方法對電能質量暫態擾動信號進行檢測，并提取各擾動特征量，同時對檢測結果進行數據分析。研究結果表明：修改后的S變換方法能夠實現電能質量暫態擾動的實時智能檢測，檢測結果準確可靠。

改進的S變換 電能質量 暫態擾動 時頻分析 智能檢測

隨著電力電子技術的發展，電力電子設備得以廣泛應用，開關電源的引入、整流設備的推廣及大功率電機的啟停等，都會對電力系統產生極強的干擾。電能質量對電力設備和電能用戶來說是一個重要的問題。電力負載(如電腦)對于電力系統中存在的各類擾動非常敏感，而非線性負載(如日光燈或速度控制驅動器)會導致電力系統電壓和電流信號失真[1，2]。為此，急需對電能質量進行監測，保證用電設備和電力網絡的正常運行。

電能質量的擾動種類繁多，擾動間存在交叉，這對擾動的檢測和分類帶來極大困難。因此，常采用數字信號分析工具對電能質量進行分析，如：短時傅里葉變換、小波變換、dq變換、Hilbert-Huang變換及S變換[3]等。短時傅里葉變換可以將時域信號變換至頻域進行分析，但是其時域窗的尺度和形狀固定，頻率分辨率也是固定的。小波變換較好地結合了信號的時頻特性，可以實現多分辨率分析，但是由于變換尺度和頻率的分析程式固定，難以形成自適應分析過程，同時選擇不同種類的母小波對分析結果的影響也較大[4]。Hilbert-Huang變換可以實現電能質量暫態擾動的識別，但易受噪聲影響，處理前要進行濾波。而S變換實現了多尺度分析，但分析方法仍相對固定，為此提出一種改進的S變換新方法，以期能夠更加靈活地對電能質量進行分析。

1.1 傳統S變換方法

S變換是短時傅里葉變換和小波變換的繼承與發展，可以對信號進行多分辨率分析[5～8]。時域連續信號u(τ)的標準S變換形式為：

(1)

其中，w(τ,σ)為高斯窗函數，有：

(2)

對于傳統S變換，σ的定義如下：

(3)

可以看出，σ是f的函數，與f成反比。t決定了窗口在時域的位置，σ決定了窗口的形狀。因此，與短時傅里葉變換相比，窗口的形狀隨頻率f的變化而變化，而不是固定的。S變換能夠實現對信號的多分辨率分析，即當f較小時具有較大的頻率分辨率，當f較大時具有較大的時間分辨率。將式(1)轉換為t與f的函數形式：

(4)

1.2改進的S變換

傳統的S變換，窗口形狀隨頻率f的改變而改變，但是頻率f與窗口形狀的關系還是相對固定的。為了更好地控制高斯窗口的長度和方差，并提高能量匯聚度和擾動時間定的準確率，對標準窗口尺度函數修改如下：

(5)

其中，c、b為常數，c、b、f的值決定了信號的時間和頻率分辨率，這些參數能夠較好地控制高斯窗口的長度和方差。

改進的S變換可定義如下：

(6)

將式(5)代入式(6)得到改進后的時域連續信號的S變換式：

(7)

根據待測信號的類型和性質來選擇參數c和b。研究發現c=1/N，b為信號方差的4倍時，能夠較好地匹配電能質量暫態擾動的分析。

對于電能質量暫態擾動時域連續信號u(τ)，在采樣時間間隔為T，采樣點數為N時，其離散形式為u(kT)(k=0，1，…，N-1)。信號u(kT)的傅里葉變換為：

(8)

同理，修改后的高斯窗函數離散傅里葉變換為：

根據卷積定理，時域卷積等于頻域乘積，利用式(7)可以求得信號u(kT)的改進S變換離散形式為(推導過程略)：

m、n、j=0,1,2,…,N-1

(9)

當頻率為0時，定義：

由上式可知，S[jT,0]為時域信號的平均值。

1.3改進S變換的分析過程

運用改進的S變換對一維連續時域信號u(t)的分析流程如圖1所示。

圖1 改進S變換流程

當頻率為零時，需單獨計算，計算出的離散信號u(kT)的平均值，即為改進S變換時頻矩陣頻率為零行的值。

2 電能質量暫態擾動仿真與分析

2.1仿真

2.1.1電壓暫降

電力系統發生遠端故障或者電機啟動時會引起電壓暫降，其持續時間為1/2周波～60s，電壓暫降的幅值區間0.1～0.9(p.u.)，電網頻率保持不變。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，時域信號和運用改進S變換方法的分析結果如圖2、3所示。

圖2 電壓暫降信號

2.1.2電壓暫升

當電力系統切除大容量負荷、發生單相接地故障或非故障線路電壓、電流等，都會引起電壓暫升，其持續時間為1/2周波～60s，電壓暫升幅值區間1.1～1.8(p.u.)，電網頻率仍為額定值。建模如下：

圖3 三維特征曲線(電壓暫降)

其中，A=1,0.1≤α≤0.9,T≤t2-t1≤8T,t1=0.11s,t2=0.17s，時域信號和分析結果如圖4、5所示。

圖4 電壓暫升信號

圖5 三維特征曲線(電壓暫升)

2.1.3暫態諧波

整流電路、家用電器(如電視機、計算機及空調等)及開關電源等非線性負載會向電網注入大量諧波，其模型為：

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時的時域信號和分析結果如圖6、7所示。

圖6 暫態諧波信號

圖7 三維特征曲線(瞬態諧波)

2.1.4短時電壓中斷

若電力網絡發生系統故障、用電設備故障或控制失靈等，會引起電壓中斷，電壓幅值降至0.1倍額定電壓以下，持續時間不超過1min，其模型為：

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，其時域信號和分析結果如圖8、9所示。

圖8 短時電壓中斷信號

圖9 三維特征曲線(短時電壓中斷)

2.1.5振蕩暫態

當電力系統信號突發一個雙極性的非電源頻率的變化時，即為振蕩暫態，其模型為：

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時其時域信號和分析結果如圖10、11所示。

圖10 暫態振蕩信號

圖11 三維特征曲線(暫態振蕩)

2.1.6瞬時脈沖

由閃電電擊線路或感性電路開合引起的兩個連續穩態之間在極短時間內發生的突變現象即為瞬時脈沖，其模型為：

u(t)=α[u(t-t1)-u(t-t2)]+Asin(2πft)

其中α=6,A=1,t1=0.1030s,t2=0.1036s時，時域信號和分析結果如圖12、13所示。

圖13 三維特征曲線(瞬時脈沖)

2.2數據處理

暫態擾動的頻率與幅值。利用改進S變換對電能質量擾動信號進行處理，繪制處理后的結果矩陣的時間-幅值曲線，求取擾動持續時間內的極值點S(m1,n1),S(m2,n2),…,S(me，ne),其中各擾動點的頻率F=nm1,nm2,…,nme，各擾動點的幅值A=abs(S(mi,ni))(i=1,2,3,…,e)。

電壓波動幅值。繪制經改進S變換處理后的復數矩陣的時間-幅值曲線，得到電壓最大幅值Am，則波動幅值為Am-1。

3 實驗數據分析

結合實際情況，電網頻率為50Hz。實驗所用采樣頻率為5kHz，注入30dB噪聲，運用上述數據分析方法，對各暫態擾動模型進行分析，其結果見表1。

表1 電能質量暫態擾動分析結果

從表1中可以看出，運用改進的S變換分析方法，能夠實現電能質量暫態擾動的檢測，檢測準確度達到98.04%以上。

4 結束語

針對電能質量的暫態擾動問題，提出基于改進的S變換的檢測方法。該方法對傳統S變換高斯窗函數相對固定的缺陷進行了修改，因此，改進的S變換能夠對電能質量擾動信號進行多分辨率分析，同時信號的頻域能量相對集中。研究結果表明，該方法能夠準確地提取出含擾動信號的各個特征量，可以為進一步研究電能質量的分類作參考。

[1] 易吉良,彭建春,譚會生.采用不完全S變換的電能質量擾動檢測方法[J].高電壓技術,2009,35(10):2562～2567.

[2] 王海元,李開成,張獻.基于S變換的電能質量擾動識別[J].湖南電力,2014,34(4):17～21.

[3] 滿蔚仕,張志禹,康青,等.利用快速S變換的電能質量擾動識別方法[J].西安交通大學學報,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] 江輝,劉順桂,尹遠興,等.基于小波和改進S變換的電能質量擾動分類[J].深圳大學學報(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] 劉志剛,張巧革,張楊.電能質量復合擾動分類的研究進展[J].電力系統保護與控制,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)基金項目：黑龍江省自然科學基金資助項目(E201410)