Atom—RQEA在短时闪变严重度计算中的应用

张锐+张恒煜+周永阳+丁鹏

摘 要：短时闪变严重度Pst是衡量电能质量的一个重要指标，为提高Pst的计算精度，提出了基于原子稀疏分解和实数编码量子进化算法（AtomRQEA）相结合的短时闪变严重度计算方法。其核心是根据电压波动与闪变信号的特点构造了原子库，由实数编码量子进化算法优化原子特征参数，自适应选择最佳匹配原子重构电压波动信号，进而计算短时闪变严重度Pst。仿真结果表明：基于AtomRQEA方法，能够提高短时闪变严重度Pst计算精度，验证了提出方法的有效性和适用性。

关键词：电能质量；短时闪变严重度；原子分解

DOI：10.15938/j.jhust.2017.06.009

中图分类号： TM866

文献标志码： A

文章编号： 1007-2683（2017）06-0046-06

Abstract：Short term flicker severity Pst is an important index of evaluating power quality. To improve precision of calculation AtomRQEA is proposed. The core is to construct atom library in terms of characteristic of voltage fluctuation and flicker， using RQEA（Realcoded Quantum Evolutionary Algorithm） to optimize characteristic parameters of atom， choosing selfadaption optimal matching atom to reconstruct voltage signal， and calculate flicker severity Pst. Simulation results show the method proposed in this paper can improve the precise of calculating short term flicker severity Pst， and prove it is available and applicable.

Keywords：power quality； short term flicker severity； atomic decomposition

0 引 言

目前我國坚强智能电网的建设在不断的推进，光伏发电、风力电源等再生能源的不断接入对现有配电网结构产生巨大的冲击，电力系统正面临着新的电能质量问题，对电能质量进行实时监测、评估，为及时获得现场数据，采取合理的应对措施从而全面提高电网的安全性、经济性、适应性具有重要意义。

IEC标准中短时闪变严重度Pst是衡量电压波动与闪变程度的主要综合指标[1]，通常采用快速傅里叶变换（FFT）提取电压波动信号的特征量，再计算Pst。然而，该方法存在频谱泄露和栅栏效应，导致计算精度较低，且实际应用效果差。文[2-4]提出采用修正FFT算法提取电压波动信号的特征量，用插值FFT克服FFT缺点。但是，该方法不能从根本上消除频谱泄露和删栏效应的影响，很难改善计算精度，且插值FFT易于受到噪声的影响。

近年来，文[5-7]提出了原子分解方法，该方法是一种时频分析法，通过自适应选取过完备原子库中的原子分解信号，实现对信号的表示。被广泛地应用在信号处理领域。原子分解过程实质上是使用一系列的相关信号估计原始信号，且原始信号可以以更少的计算量重构原始信号。信号分解采用匹配跟踪（MP）算法[8-9]，也就是说，每一次迭代，从原子库选择原子匹配信号的剩余分量，与信号最匹配原子的线性组合来描述剩余分量。但面对离散空间的搜索问题，MP几乎无法找到全局最优解。文中提出原子稀疏分解与实数编码量子进化算法（atomic decomposition and realcoded quantum evolutionary algorithm，AtomRQEA）相结合的短时闪变严重度计算方法，主要是利用实数编码量子进化算法自适应选择与信号最佳匹配的原子，再利用最佳匹配原子的线性组合重构电压波动与闪变信号的包络线，进而计算短时闪变严重度Pst。通过仿真试验表明：提出AtomRQEA方法能够提高短时闪变严重度Pst的计算精度。

1 原子分解

与传统意义上的信号分解不同，原子分解属于非正交分解[10-12]，在信号空间中构造了足够密集的基即：原子，这些原子构成的库是过完备的，足以自适应的选择最匹配的原子来表示任意信号，从而获得信号的稀疏表示，所选择的原子体现了信号的特征。

4 仿真实验

本文仿真实验数据采用的是IEC提供的标准数据，分别是在单位瞬时闪变值时的正弦波波动电压波动值和矩形波波动电压波动值，在一定的电压波动条件下，即电压波形、波动的幅度、频率不变，计算得到的Pst为0.7144。采样频率为1600Hz，采样长度为1s。为了比较文中方法的有效性，分别采用离散傅里叶分析方法和RQEAAtom方法对波动电压进行频谱分析。

图1、图2、图3分别给出了利用RQEAAtom对频率为8.8Hz正弦波、多频闪变和8Hz矩形波波动电压的分解过程。电压闪变现象对频率为8.8Hz，正弦电压波动为0.25%，8Hz矩形波电压波动0.201%时较敏感。图4、图5对两种算法计算Pst的相对误差进行了对比。

由图1可以发现，利用RQEAAtom对8.8Hz正弦波包络线信号进行分解，经过1次原子分解，得到包络线信号的幅值和频率估计值分别1.249999mV 和8.799998Hz，接近理论值。图2原子第一次分解可得到幅度4.41mV，频率1.99997Hz闪变信号，原子第2次分解时得到第二个频率分量，测量值幅度A=1.639997 频率f=6.00006Hz，很接近理论值。图2（e）经第1次和第2次分解后的残余信号，利用文中方法能够以很高的精度重构正弦波动闪变信号。endprint

图3为矩形波闪变电压包络信号，矩形波信号包含了奇次谐波分量，由于引起闪变现象的电压波动频率范围是0.5-35Hz，这里提取了基波和3次谐波分量。由原子第一次分解获得的电压波动幅度1.279553，理论值为1.279605，相对误差为0.004063%；频率为8Hz，相对误差为0%。第2次原子分解得到了3次諧波分量幅值为0.426421，理论值为0.426535，相对误差0.026726%；频率为23.99998Hz，理论值为24Hz，相对误差8.3×10-5%。通过确定闪变信号的频域信息，计算Pst，与DFT算法相比较，计算Pst的结果如图4、图5所示，给出了计算Pst相对误差曲线。

从图4、图5可以看出文中采用的AtomRQEA方法提高了频域的分析能力，从而使计算Pst的相对误差较小，且在对不同的频率下计算的Pst相对误差结果相差不大，而DFT方法在计算Pst时在不同的频率下，相对误差出现较大的振荡。可见，文中提出方法具有很好的性能。今后工作主要集中在实数编码量子进化算法和原子分解原理研究，更好的结合二者的优点，扩大基于原子分解和实数编码量子进化算法在电力系统中应用的广度和深度。

5 结 语

文中将原子稀疏分解方法与实数编码量子进化算法相结合用于分析电压波动与闪变信号，从而计算电力系统短时闪变严重度Pst。仿真试验表明，采用所提方法计算Pst具有很高的计算精度，且非常稳定。基于原子分解和实数编码量子进化算法不仅能够为电力系统Pst计算提供了新途径，也为相关领域类似问题的解决提供了一个工具。

参 考 文 献：

[1] 赵刚， 施围， 林海雪. 闪变值计算方法的研究[J]. 电网技术， 2001， 25（11）：15-18.

[2] 李志刚，汪涛，何怡刚，等.基于改进余弦窗的加窗插值FFT谐波分析[J].电气工程学报，2016，11（4）：15-21.

[3] 陈子珍， 夏冰冰，阎威武. 基于改进加窗插值FFT的高精度谐波与间谐波检测算法[J].中国电力，2015，48（9）：73-79.

[4] 郝柱，顾伟，褚建新，等.基于四谱线插值FFT的电网谐波检测方法[J].电力系统保护与控制，2014， 42（19）：107-113.

[5] 张磊，黄纯，江亚群，等. 应用HS改进原子分解的电能质量扰动辨识分析[J]. 电网技术， 2015，（01）：194-201.

[6] JIA Q. Q， YAO R.， WANG N.， MENG R. L. An Approach to Detect Harmonics/Interharmonics with Closing Frequencies Using Atomic Decomposition and Windowed Frequency Shifting Algorithm [J]. Proceedings of the CSEE， 2014， 34（27）：4605-4612.

[7] 于浩明，黄纯，江亚群等.采用快速原子分解的电能质量扰动信号参数辨识[J].电网技术，2014，38（8）：2237-2243.

[8] ZHANG Jun，ZENG Pingping，MA Jianhua. Classification of Power Quality Disturbances Using PSOMP and Parametric Dictionaries[C]// 2015 International Conference on Intelligent Computing and Internet of Things， 2015：21-25.

[9] YU FENG QIN， CHEN YING. Musical Instrument Classification Based on Improved Matching Pursuit with InstrumentSpecific Atoms[C]// 2015 IIAI 4th International Congress on Advanced Applied Infformatics，2015：506-510.

[10]SUNIL BELUR NAGARAJ， NATHAN J. STEVENSON，WILLIAM P. MARNANE， et al. Neonatal Seizure Detection Using Atomic Decomposition with a Novel Dictionary [J]. IEEE Transactions on Biomedical engineering， 2014， 61 （11）：2724-2732.

[11]曲正伟，郝婉茹，王宁.原子分解快速算法在电能质量扰动分析中的应用[J].电力自动化设备，2015，35（10）：145-150.

[12]HE Qingbo， SONG Haiyue， DING Xiaoxi. Sparse Signal Reconstruction Based on Time – frequency Manifold for Rolling Element Bearing Fault Signature Enhancement[J].IEEE Transaction on Instrumentation and Measurement， 2016， 65（2）： 482-491.

[13]贾秀芳，岳娜，安海清.基于间谐波电压的闪变传递计算方法[J].华北电力大学学报，2015，42（4）： 15-21.

[14]李兰芳，马明，盛超，等.基于旋转因子变换插值的电压闪变检测算法[J].电工技术学报， 2016，31 （22）：178-185.

[15]杨烁，曹思扬，戴朝华，等.电能质量扰动信号时频原子分解的进化匹配追踪算法[J].电力系统保护与控制，2015，43（16）：80-86.

[16]LI MING. An Adaptive Quantum Evolutionary Algorithm and its Application to Path Planning [J].2015IEEE International Conference on System， Man， and Cybermetics，2015，2067-2017.

[17]CHE ADA， WU PENG，CHU FENG， ZHOU MENG CHU. Improved QuantumInspired Evolutionary Algorithm for LargeSize Lane Reservation [J].IEEE Transactions on System， Man， and Cybernetics： System， 2015， 45 （12）： 1535-1548.

[18]刘振，胡云安，彭军，协同进化扩展紧致量子进化算法[J].控制与决策，2014，29（2）：320-326.

[19]Flicker MeterFunctional and Design Specifications [S]. EN61000-4-15，2003-01.120

[20]孙树勤. 电压波动与闪变[M]. 北京：中国电力出版， 1999：41-55.

（编辑：王 萍）endprint