基于多級SVD算法的電能質量復合擾動特征分析

劉嫣+湯偉

摘 要： 針對電能質量復合擾動特征量識別難的問題，通過分析復合擾動特點，提出一種基于奇異值分解的多級SVD特征提取方法。在單級SVD分解原理的基礎上，利用2行Hankel矩陣實現SVD多層次遞推分解，以多分辨率來展現信號不同空間的近似和細節信號。給出多級SVD的分解和重構算法及數學框架。研究結果表明，在對含有多種復合擾動的電能質量信號處理中，經多級SVD分解及相應幅值譜分析后，清晰提取到各種擾動的特征信息，相應地與單級SVD和小波變換進行比較，證明多級SVD在電能質量復合擾動信號處理領域中具有應用前景。

關鍵詞： 電能質量； 復合擾動； 多級SVD； 特征提取

中圖分類號： TN911?34； TM71 文獻標識碼： A 文章編號： 1004?373X（2017）04?0032?04

Characteristics analysis of power quality mixed disturbances based on

multi?level SVD algorithm

LIU Yan， TANG Wei

（College of Electrical and Information Engineering， Shaanxi University of Science & Technology， Xian 710021， China）

Abstract： Aiming at the feature extraction of power quality mixed disturbances， a feature extraction method based on multi?level singular value decomposition （SVD） is proposed to solve the difficulty. Based on the decomposition principle of single?level SVD and two?line Hankel matrix， SVD multi?level recursion decomposition was realized to reveal a series of approximation and detail signals with different resolution. The decomposition and reconstruction algorithm of multi?level SVD is given， and the mathematical frameworks of this method is provided. The results show that the multi?level SVD can extract the accurate characteristics of power quality mixed disturbances. The comparative study carried out with single?level SVD and wavelet transform demonstrates that multi?level SVD has good application prospect in signal processing of power quality mixed disturbances.

Keywords： power quality； mixed disturbance； multi?level SVD； feature extraction

0 引 言

電能質量對生產、社會和經濟影響很大。隨著各種新能源、分布式能源、微電網等多種電力接入方式的出現，使得電力系統電能質量問題日益突出，引起供電部門和用戶的密切關注。電能質量擾動種類繁多，且擾動信號差異不是十分明顯，對此類信號進行有效處理依賴于高效的擾動信號分析方法。目前，較多學者對于該問題的研究集中于單一擾動并取得了一定成果。采用的思路主要包括從基于時域、頻域和變換域進行特征提取和分析，文獻[1]在分析電能質量擾動Clarke變換和Park變換特性的基礎上提取了擾動的特征量。文獻[2]利用小波變換實現對幾種擾動的測量，但小波函數的選擇對分析結果影響較大。文獻[3]研究了基于S變換的暫態擾動信號檢測，具有較好的時頻性，定位準確度高，但采樣頻帶的選擇對其性能影響很大，且抗噪能力較弱。實際電力系統中，電能質量擾動信號通常是以復合擾動形式存在，特征量相互重疊和交叉，同時存在噪聲干擾，會給檢測帶來極大的困難。

SVD（Singular Value Decomposition）近年來在很多工程領域都獲得了重要應用，并表現出獨特優勢。文獻[4]利用SVD進行消噪，其結果具有零相移和信噪比高等優點。文獻[5]研究表明SVD和小波變換具有十分相似的信號處理效果，但與小波相比，具有消失矩遞增的特點，可以檢測不同奇異性指數的奇異點。文獻[6?7]利用SVD提取了信號中的微弱特征信息。因此本文深入研究SVD分解理論并受小波多分辨率頻帶分離特性的啟發，提出一種SVD信號多級分解理論及重構算法，將其應用在電能質量復合擾動檢測的應用中，仿真實驗證明，多級SVD的有效性優于單級SVD及小波變換。

1 電能質量復合擾動信號特點分析

電能質量擾動根據類別可分為暫態擾動、穩態擾動、幅值擾動、頻率擾動和加性擾動，如表1所示。復合擾動定義為[8]：包含兩種及以上單一擾動的電能質量形式，但同一參數不能同時發生兩種不同類型的突變以及同時突變，加性擾動的存在不受參數變化的限制。

以電力系統中最常見的幾種擾動（電壓凹陷、3次諧波、7次諧波、振蕩）構成復合擾動并加入服從正態分布的高斯白噪聲，對其幅值進行歸一化處理后的表達式為：

式中，為工頻50 Hz，采樣頻率為6.4 kHz，連續采集10周波。電壓凹陷發生和結束的時刻為=68 ms，=164 ms，電壓凹陷幅值為0.5 pu；暫態振蕩發生時刻為=137 ms，振蕩頻率為1 000 Hz；為高斯白噪聲。染噪后的時域復合擾動信號如圖1所示。

從圖1可以看出，單一擾動之間相互干擾明顯，同時又受噪聲影響，信號時域波形非常復雜，單一擾動特征量明顯程度降低，甚至導致無法分辨。

2 SVD單級分解及重構算法

SVD和小波分析是兩種截然不同的信號處理理論，SVD的定義為[9]：對于一個矩陣，存在正交矩陣和正交矩陣，使得，其中，，代表零矩陣，且有，稱為矩陣的奇異值。

設有長度為N的離散信號，在絕大多數應用中，利用此信號構造Hankel矩陣如式（2），并對進行單次SVD分解如式（3），得到信號的奇異值后則可實現信號的分離如式（4）。

式中，的第一個行向量和最后一列向量轉置首尾相連接后，就可構成一個分量信號。反映的實質是原始信號中前一段在維空間上的投影，反映的實質是原始信號中后一段在維空間上的投影。因此，單次SVD本質上是一種同一層次空間，同一分辨率上的結果。在第4節提供了實例處理結果，證實了單次SVD分解對染噪的電能復合擾動信號分解后，無法準確提取特征信息。各分量信號重構原始信號的算法滿足線性疊加原理，即：

（5）

3 Hankel矩陣下的SVD多級分解及重構算法

本文借鑒小波變換不斷將信號分解為近似信號和細節信號的多分辨率特性。多次構造Hankel矩陣，實現SVD多級分解，從而將信號分解到不同層次子空間。

SVD第一級分解：令，，則由所構造的第一級Hankel矩陣如下：

（6）

對進行SVD分解，得到且。根據單次SVD分解理論有：

（7）

由可構成分量信號，它反映了原始信號中的近似成分；由可構成分量信號，它反映了原始信號的細節成分。設所屬的空間為，所屬的空間為。由于構成和空間的基底與是正交的，因此。

將第一次分解得到的近似信號繼續按照上述思想構造行數為2的Hankel矩陣進行下一層次的SVD分解，得到第二層次的近似信號和細節信號，如此逐次遞推進行，就可將原始信號不斷分解到不同層次空間。因此多級SVD分解數學框架為：

（1） 初始化參數，矩陣，，，，分解級數；

（2） 由構造Hankel矩陣并對其進行SVD分解，使得：

（3） 令，；

（4） 由構造近似信號，構造細節信號；

（5） ，如果（為總的分解級數），返回第（2）步；

（6） 迭代停止。

進一步分析多級SVD分解的特性后可得，第一級Hankel矩陣與后續所得的一系列和之間存在疊加關系，即：

（8）

則由和構造所得的和也滿足疊加原理，即：

（9）

可見多級分解過程雖然比較復雜，但重構算法利用簡單的加法便可實現。

4 復合電能擾動算例分析

以式（1）為例，對本文提出的多級SVD分解算法性能進行分析。設分解層數=3，分解所得細節信號為及近似信號如圖2（a）所示，各自幅值譜如圖2（b）所示。

從圖2中可以看出，染噪后的復合擾動信號經3級SVD被分解到不同層次不同空間中。各個細節信號中，都獲得了較為明顯的暫態振蕩信息，特別是第3個細節信號，據此可以確定復合擾動中含有振蕩。為了進一步確定振蕩頻率，利用DFT變換提取細節信號的幅值頻譜，可見該振蕩頻率為1 000 Hz，除此之外，信號中還存在其他3個頻率分別是50 Hz，150 Hz，350 Hz，通過近似信號及其幅值譜，可以判定這3個頻率分別是基波、3次諧波和7次諧波，且從近似信號歸一化幅值中可以看出復合擾動中存在電壓凹陷。

圖2 電能復合擾動多級SVD分解及幅值譜

作為對比，設m=4，對式（1）進行單級SVD分解及頻譜分析，得到的結果如圖3所示。從圖3中可以看出，原始信號分解得出的第1個信號的幅值譜圖中有三個頻譜分量，分別是基波、3次諧波和7次諧波，較為明顯；原始信號分解得出的第2個信號中，也提取到了振蕩信號，但不明顯；第3，4個分量信號，中，振蕩信號基本就不存在，表現為存在較多的噪聲干擾。

5 多級SVD與小波變換的比較

小波變換的實質是對信號進行濾波運算，小波具有多分辨能力，其分解信號的本質是一個將較大的空間分解成相互正交的兩個子空間的之和。因此小波在奇異性檢測以及故障特征提取等領域中廣泛應用[10]。本文采用工程實際中應用最廣泛的db5小波對式（1）進行3尺度分解，得到的結果如圖4（a）所示，而相應的幅值譜如圖4（b）所示。

可見在3個細節信號，，中，小波變換對染噪后的暫態振蕩特征量提取均失效。近似信號中僅能看到電壓凹陷特征及3次諧波，7次諧波分析失效。由各幅值譜可見，小波多分辨分解的確起到帶通濾波器的作用，但各尺度信號的頻帶較寬，相鄰尺度的細節信號存在較大的頻帶重疊。因此當電能質量擾動種類變多且和噪聲彼此混合時，小波變換無法得到更為明顯、可以確認擾動的時頻域特征信息。相比之下，多級SVD提取時頻域特征信息清晰，頻帶之間幾乎沒有相互干擾，效果優于小波變換。

6 結 語

針對電能質量復合擾動特點，借鑒小波變換多尺度分解思想，推導了多級SVD的分解及重構算法，分析了SVD細節空間與近似空間的關系，提出了多級SVD分解數學框架。利用多級SVD對電能質量復合擾動信號進行分解并與單級SVD進行對比，可以實現對振蕩、諧波和電壓暫降擾動的準確提取。與小波變換相比，多級SVD對特征信息的提取比小波變換效果優越很多。

參考文獻

[1] 陳祥訓.采用小波技術的幾種電能質量擾動的測量與分類方法[J].中國電機工程學報，2002，22（10）：1?6.

[2] 劉昊，唐軼，馮宇，等.基于時域變換特性分析的電能質量擾動分類方法[J].電工技術學報，2008，23（11）：159?165.

[3] 岳明道.基于S變換和分類樹的電網暫態電能質量擾動分類辨識[J].電力系統保護與控制，2011，39（11）：33?35.

[4] MAJ J B， ROYACKERS L， MOONEN M， et al.SVD?based optimal filtering for noise reduction in dual microphone hearing aids：a real time implementation and perceptual evaluation [J]. IEEE transactions on biomedical engineering， 2005， 52（9）： 1563?1573.

[5] 趙學智，葉邦彥，林穎.奇異值分解對軸承振動信號中調幅特征信息的提取[J].北京理工大學學報，2011，31（5）：573?576.

[6] 趙學智，葉邦彥.SVD和小波變換的信號處理效果相似性及其機理分析[J].電子學報，2008，36（8）：1583?1587.

[7] 馮洋.改進的奇異值分解和形態濾波的弱小目標背景抑制[J].現代電子技術，2016，39（3）：5?7.

[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）：147?148.

[9] 秦英林，田立軍.短時電壓擾動檢測與定位新方法[J].電力系統保護與控制，2010，38（4）：21?23.

[10] 蒲會蘭，丁世文，魯懷偉，等.小波變換及其在信號去噪中的應用[J].現代電子技術，2012，35（19）：53?55.