论文部分内容阅读
现阶段,电网自身非线性设备、冲击性负载间的相互影响以及周围环境的干扰,使得实时采集到的电能信号掺杂大量的噪声,淹没了扰动信号的特征信息,给暂态扰动信号的分析与识别带来严重干扰,造成电能质量问题复杂化。为了准确分析电能质量及其扰动信号,本文主要在暂态扰动信号去噪、检测与识别方面做了一些工作,最后基于Lab VIEW平台分析了电能质量指标。主要工作有:首先,本文提出一种基于自适应分解层数和阈值的小波去噪算法。该算法通过计算小波细节系数的峰值比,自适应地确定小波分解层数,根据各层细节系数中有用信息和噪声信息的分布特性以及细节系数的正、负峰值比,动态调整各层细节系数的上、下阈值。应用MATLAB对暂态振荡和脉冲信号进行去噪处理。仿真结果表明,本文提出的自适应分解层数和阈值的小波去噪算法,与传统硬、软阈值算法和一种改进的小波阈值算法相比,得到的信噪比最大且均方根误差最小,重构后信号更接近原始信号,并且较好的保留了信号在扰动期间的特征信息。其次,本文提出了特征量组合的电能质量扰动信号分类方法。该算法采用本文所提出的去噪算法对扰动信号进行处理,运用希尔伯特-黄变换(Hilbert-Huang Transform,HHT)得到瞬时频率和边际谱特性,并从中提取特征量;然后再结合S变换得到二维模时频矩阵,提取基频幅值特征量,并与HHT变换提取的特征量进行组合,针对8种暂态电能质量扰动信号提出识别方法;最后通过支持向量机(Support Vector Machine,SVM)分类器验证了该方法的有效性。最后,搭建了基于Lab VIEW平台的电能质量分析系统。实时动态显示电压不平衡度、电流不平衡度、电网谐波和电压波动等电能质量指标,并在Lab VIEW平台上实现了本文提出的电能质量扰动信号去噪方法和特征量提取方法。测试结果表明,该电能质量分析系统操作简单,指标分析误差较小,算法运行便捷快速。