电能质量扰动量的判定与识别方法

2019-12-02钟振鑫

电子技术与软件工程 2019年11期

文/钟振鑫

电能是现时社会被广泛使用的一种能源，它的运行质量直接关系到我国的经济发展水平，电力系统的正常运转是各行各业稳定发展的基础。随着我国经济的不断发展，电力系统的电力负荷越来越重，电力负荷结构向着多元化和繁杂化方向发展。尤其是电力电子装置及自动化水平设备的广泛应用，电器产品性能和电子效率越来越高，这类电器产品的用电负荷会造成电网中的电流和电压不稳定。从而给电力系统造成干扰，最终影响电能质量。

1 电能质量的概况

1.1 电能质量的内涵

电能质量就是电力在运行过程中，保证电力的电压、电流、供电等方面的正常运转。对于电能质量的定义，学界尚未形成一个统一的概念。大多认为合格的电能质量是包含各电力设备之间都协调正常工作。保证电力在运转过程中的电流、电压和频率不出现问题。

2 电能质量扰动量判断现状

随着社会对电力的需要越来越大，电力系统的负荷也随之不断加大，从而导致电能质量的问题也日益突出，必须要采取切实可行的方法去解决电能质量的问题，现时处理电能质量扰动方法有三种，分别是频域分析、时域仿真和基于变换。

2.1 频域分析

此方法的重心倾向于研究各种谐波的问题，其研究的工作只要有两个方面：

（1）频率扫描；

（2）谐波潮流计算问题。

电力电子设备的广泛使用，其应用过程中会产生负载非线性问题，针对这个问题，电力研究专家研究出了一种新的计算方法，这计算方法就是混合谐波潮流计算方法。该方法结合了两种方法。通过谐波潮流计算和时域仿真程序混合运用来保证电能质量。在正常情况下，在充分考虑谐波潮流计算方法的影响，用公式解出动态电流矢量，即解负载各次谐波状态下的动态谐波潮流解。为了精确表达电能质量的动态特性，必须要注意非线性负载控制下电力系统的反应程度。这种方法是缺点是运算量巨大，运用公式的求解难度大。

2.2 时域仿真方法

电力系统在其运行时，可以通过时域仿真程序来进行监测，时域仿真方法就是用该程序来研究电能质量扰动的情况，不过该方法的研究有其局限性，在电能质量扰动问题中，它重心的倾向于研究暂态现象。当今比较受欢迎的时域仿真程序主要有两大类程序，分别是电力电子仿真程序和暂态仿真程序。电力电子仿真程序包含spice、pspice 和saber 等程序。暂态仿真程序包含emtp、netomac、emtdc 和emtp等程序。这些程序在电力系统中被广泛用使用。

2.3 基于变换的方法

基于变换的方法多种多样，要根据电能质量的实际运用来选择合适的方法。其主要方法有DQ 变换方法、数学形态学法、小波变换、S 变换和傅立叶变换方法等方法，其中傅立叶变换方法是比较常用的方法。它可以实现将频域和时域统一联系起来使用。是一种非常实用的分析工具。傅立叶变换方法具备完备和正交等优点，在现代频谱分析上非常具有优势。因此在电力系统的分析领域上有着重要的应用。

3 电能质量扰动识别研究

根据电力系统的运行情况，精确分析、分类和识别电能质量的扰动信息，这是有效提高电能质量的一种方法。如果采取人工鉴别的方法来分析监测扰动信号，这样无疑是一种低效繁琐工作方法。随着智能科技的发展，其所衍生出来的多种方法被广泛应用到电力系统中，因此如今电能质量问题大多采用了自动分类识别的方式。其主要分类方法有如下几种：

3.1 神经网络方法

识别电能质量扰动问题的方法多种多样，常见的比较受欢迎的方法就是神经网络。神网络电力非线性处理速度快，能快速解问题答案，有自学习能力和大规模分布并行处理数据的能力，这些优势使得它在电能质量扰动分类识别中发挥非常重要的作用。它通过仿效人体大脑的运作原理，整合各种各样的大脑神经元，将其统一组合成一个功能强大的神经网络，然后通过神经网络系统来分析、存储、分类、识别种信息，完成系统的预测功能。神经网络常常和信号分析一起应用。

3.2 专家系统分类法

通过人机对话，构建电能质量运行的知识库和数据区，保证解释器和逻辑推理器的高效运转。用以上方式来组成专家系统。它现时被广泛应用到电力系统中，是一种应用成熟度也非常高的分类方法。专家系统能高效地自动分类各种信号，保证电能质量的正常工作。其工作原理是，第一对信号进行分析总结，构建信号知识库。第二提取信号波形的特征量，将其形成系统化的知识库知识。并形成知识规则。然后将建立的整个知识库放到专家系统中，一旦搜索特定的信号数据样本，就会从知识库中获取预先储存好的信号数据样本，通过特征匹配来锁定扰动信号的类别。再进一步返回到用户界面供用户使用。

3.3 支持向量机

支持向量机是运用统计学的分类知识而发展形成的一种方法。SVM 理论在小样本解决方案，处理非线性问题和识别高维模式的问题上有着非常明显的优势。它在诸多领域都发挥着非常重要的作用。如故障诊断、图像识别、语言识别和文本分类等领域，它优化了电能质量扰动信号的分类效率。保证在运行过程中寻找最优解。这种方法的检测结果效率高精度好，但是缺点是需要辅助特征值多，会大大拖慢运行速度，算法的难度会大大提高。