非线性负荷和高精度设备的大量使用,导致电网电能质量日益恶化,这一问题愈来愈受到电力部门和电网终端用户的高度关注。为了改善和提高电能质量,保证电网的安全运行,必须系统精确地检测电能质量相关信号,全面深入地分析电能质量问题,找出电能质量恶化的成因。电能质量扰动信号是电力线路故障和非线性负荷等问题引发的电能质量恶化的外在表现;变压器等电气设备的局部放电是造成电网电能质量恶化的潜在原因,局部放电声发射信号则是伴随局部放电过程出现的一种信号,该信号可大致衡量放电程度与准确定位放电位置。广义而言,电能质量扰动和变压器等设备局部放电声发射信号均属电能质量相关信号。因此,论文深入研究电能质量扰动信号与声发射信号的检测方法。(1)提出了一种基于S变换的电能质量扰动检测与定位算法。算法采用S模矩阵时间幅值平方和均值对多种电能质量扰动信号进行时间的定位,采用S模矩阵频率幅值平方和均值对信号中的谐波成分进行估计,采用S变换基频幅值曲线来表示电网基频电压幅值的变化。具体算例的仿真结果表明,S变换比短时傅里叶变换具有更好的时频聚焦能力,所提算法基本满足电能质量扰动检测的精度要求。(2)电能质量扰动检测的主要任务是分析和识别各类扰动。为更加准确地提取扰动信息,提出了基于自适应调整调节因子的广义S变换(GST)电能质量扰动分析方法。在S变换中增加一个调节因子λ形成广义S变换,给出了调节因子λ随信号中频率组成不同而进行自适应取值的具体方法,推导了广义S变换的实现过程。对电能质量扰动信号进行了基于广义S变换的仿真分析,并提取了用于分类的特征参数。为更好地对电能质量扰动分类,提出了两种分类算法:基于决策树的分类算法和基于人工免疫的分类算法,并分别将之应用于14种常见电能质量扰动的分类识别。仿真结果表明,两种分类算法均能对扰动进行有效识别,其中决策树更易于理解和运行速度更快,人工免疫则分类准确率更高,对噪声不敏感。(3)针对快速傅里叶变换(FFT)对暂态谐波处理精度差和小波变换频带划分不均匀的缺点,提出了基于修正广义S变换(MGST)和人工免疫克隆选择算法(CSA)结合的谐波间谐波检测新算法。该算法通过调节MGST中的两个可变参数取值,以满足谐波检测中对频率分辨率的高要求。用MGST提取的初始幅值、相位、频率参数建立谐波间谐波的信号模型,然后利用人工免疫克隆选择算法优良的全局寻优能力对模型参数进行优化,最终得到使误差目标函数值最小的谐波间谐波参数。仿真结果及在数字化逆变电源中的应用均表明,该算法简单实用,特别是在检测间谐波和暂态谐波的效果上,优于傅里叶变换。(4)为克服电压暂降中噪声的影响,提出了基于改进S变换(MST)的电压暂降检测方法。分析了改进S变换中可变参数的选择对暂降幅值检测的影响,给出了MST提取暂降幅值、暂降时刻、谐波含量和相位的方法。根据电力系统实际情况,在MATLAB中建立了短路故障、感应电机启动和变压器空载激磁三种扰动源引起的电压暂降模型,通过MST分析电压暂降特征,并利用决策树对暂降源进行识别。仿真结果表明,该算法能有效提取出正确的暂降参数,对不同扰动源进行准确判断。(5)提出了基于广义S变换的声发射信号分析及三维声源定位方法。根据变压器局部放电声发射信号产生机理和特点,提出了在GST模矩阵主频附近开窗、窗外元素均置零的方法,对声发射信号进行去噪处理。利用GST对去噪后的声发射信号进行分析,提取出主频带能量和波达时间等特征参数,并求出各传感器之间的波达时差。推导出了三维声源定位公式,将各波达时间代入即可定位变压器的局部放电声源点。所提算法可以推广应用于绝缘子等电气设备的局部放电定位以及矿山岩体声发射信号的分析和定位。仿真与实验结果表明,所提算法可为工程技术人员提供准确的声发射特征参数,声源定位算法准确度高。本文提出的电能质量扰动检测算法,提高了电能质量扰动实时检测和离线分析的可靠性和准确性;提出的声发射信号分析与定位算法,为设计开发局部放电故障监测系统提供了理论依据和实现途径。