S变换在电能质量扰动分析中的应用综述
第39卷第3期电力系统保护与控制Vol.39 No.3 2011年2月1日Power System Protection and Control Feb.1, 2011 S变换在电能质量扰动分析中的应用综述
易吉良1,2，彭建春2，谭会生1
（1.湖南工业大学电气与信息工程学院，湖南 株洲 412008；2.湖南大学电气与信息工程学院，湖南 长沙 410082）
摘要：结合国内外采用S变换应用于电能质量扰动分析的现状，对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足，介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。
关键词：电能质量；S变换；检测；分类；应用
A summary of S-transform applied to power quality disturbances analysis
YI Ji-liang1,2，PENG Jian-chun2，TAN Hui-sheng1
（1. College of Electrical and Information Engineering，Hunan University of Technology，Zhuzhou 412008，China；
2. College of Electrical and Information Engineering，Hunan University，Changsha 410082，China）
Abstract：On the basis of the application status of S-transform in power quality disturbances analysis at home and abroad, the S-transform based power quality disturbance detection, classification and application in other aspects are summarized and classified．The advantages and disadvantages of using S-transform combining with various artificial intelligent and mathematical tools to analyze power quality disturbance are analyzed The situation of other forms of S
．-transform in recent years such as generalized S-transform modified S
，-transform and hyperbolic S-transform applied to power quality disturbance analysis is introduced Finally the develo
．，ping trend and further issues of using S-transform to analyze power quality disturbance are presented.
This work is supported by National Natural Science Foundation of China (No. 50677015).
Key words：power quality；S-transform；detection；classification；application
中图分类号： TM714 文献标识码：A 文章编号： 1674-3415(2011)03-0141-07
0 引言
电能质量扰动（Power Quality Disturbances，PQD）会导致设备过热、电机停转、保护失灵以及计量不准等严重后果，因此电能质量问题引起了广泛的关注。有效的PQD分析是治理电能质量的基础，只有正确识别影响电能质量的诸多因素，查明相应的起因和来源，检测、分类并统计扰动现象，确定扰动范围和幅值，才能从根本上综合治理并提高系统电能质量。而PQD分析主要包括PQD信号的消噪、特征提取、扰动分类和参数估计等四方面的内容[1-2]。
PQD类型较多，可以分为稳态和暂态两大类，单一的时域或频域方法难以胜任所有类型的PQD
基金项目：国家自然科学基金项目（50677015） 分析，因此，时频分析方法成了PQD分析的常用工具。最初，基于小波变换的方法最受研究者的青睐，但小波变换不能单独提取任意频次的信号，而且小波系数受噪声影响较大，这些缺陷使其无法定量检测含噪或含谐波的扰动信号的幅值特征[3]。而短时傅里叶变换存在需要选择窗口类型和宽度以及窗口宽度固定等缺陷，使其在PQD分析中的应用受到了限制。作为小波变换和短时傅里叶变换的继承和发展，S变换采用高斯窗函数且窗宽与频率的倒数成正比，免去了窗函数的选择和改善了窗宽固定的缺陷，并且时频表示中各频率分量的相位谱与原始信号保持直接的联系，使其在PQD分析中可以采用更多的特征量，同时，S变换提取的特征量对噪声不敏感，因此，近年来众多学者纷纷采用S变换并结合其他分析工具应用于PQD的分析，产生了大量研究成果。
- 142 - 电力系统保护与控制
1 S变换在PQD分析中的应用
目前，在所有关于S变换应用于PQD分析的报道中，将S变换应用于PQD检测和分类的研究成果最多，同时也出现了线路保护和故障源定位等与PQD有关的其他方面的应用。
1.1 基于S变换的PQD检测
PQD检测包括扰动起止时刻的定位、扰动持续时间和扰动幅值的测量等方面的内容。文献[4]首次提出采用S变换模矩阵的等值线检测扰动的发生，并发现时频曲线的标准差与扰动幅值存在一一对应关系，可以用来测量扰动幅值，但该文对S变换应用于PQD检测仅是探索性的，并未形成一套完整可行的方法。文献[5]同样采用S变换模矩阵等值线标准差检测是否有扰动，然后采用卡尔曼滤波技术测量扰动幅值、频率、谐波含量等，测量误差小于0.5%。文献[6]举例说明了S变换在检测PQD方面有优于小波方法的抗噪能力，但并未给出具体的检测内容和方法。文献[7]利用S变换模时频矩阵的时间幅值向量测量PQD的4项指标，即：有效值、总谐波畸变率、波顶因素、形状因子。分别采用仿真波形和实验装置产生的实际波形验证了所提方法的准确性，算例中考虑了谐波和振荡暂态情况，但没有扰动频率的确定方法和振荡衰减因子的求解方法，也没有考虑噪声因素。文献[8]利用S变换模时频矩阵提取2倍基频幅值曲线、幅频特性曲线和1/2基频幅值曲线，用以检测PQD起止时刻、持续时间、扰动频率、扰动幅度等电能质量参数，有较高的检测精度，但定位复合扰动起止时刻采用1/2基频幅值曲线包络，该包络线对起止时刻并没有明确的刻画能力。文献[9]根据S变换模矩阵的等值线在扰动起止时刻的尖峰凸起实现对扰动起止时刻和持续时间的确定，同时利用S变换幅值包络实现扰动幅值的检测，方法简单且精度高，但考虑的扰动类型有限。文献[10]采用S变换模矩阵的时间幅值平方和均值能够更有效地定位扰动起止时刻，但未考虑噪声和起止时刻发生在过零点的影响，有鉴于此，文献[11]利用时间基频幅值差分向量定位扰动起止时刻克服了上述不足。
目前S变换应用于PQD检测主要集中于扰动频率与幅值、扰动起止时刻与持续时间这些常规参数的检测，而且只是考虑了稳态或存在稳定段的扰动幅值检测，对不存在稳定段的暂态扰动如振荡暂态、脉冲暂态等幅值的检测并没有提出有效的方法，同时对于S变换应用于振荡暂态衰减因子、电压切口深度及宽度等参数的检测尚未见文献报道。1.2 基于S变换的PQD分类
PQD的识别实际就是一个模式分类问题[12]，其关键思想是针对PQD特征选定一个较优的分类器进行模式识别。目前，基于S变换的PQD识别方法一般是从待分析的PQD信号的S变换模矩阵中提取特征，然后借助人工智能分类器实现分类，分类算法的简要过程见图1。
图1 基于S变换的PQD检测和分类算法框图
Fig.1 Block diagram of S-transform-based PQD detection and
classification
1.2.1 基于S变换和人工神经网络的PQD分类
在所有基于S变换的PQD分类方法中，由于人工神经网络（Artificial Neural Network，ANN）具有自组织、自学习、容错能力较强和并行处理的优点，S变换结合ANN的模式分类是至今为止使用最多的一种PQD分类方法。
文献[13]将PQD信号进行S变换后，提取了3个特征量，分别借助前向神经网络和概率神经网络实现了8种单一扰动和2种复合扰动的识别，该方法提取的特征量较少，但需要增加ANN的前处理和后处理环节。文献[14]将S变换提取的特征矢量输入扩张ANN，采用子网结构实现了6种单一PQD 和6种复合PQD的分类，分类器结构简单，训练快速，分类效果好，易于扩展和修改，但文中采用特征的特征矢量维数较高，增加了算法的复杂性。文献[15]从S变换提取了11个特征量，然后利用概率ANN实现了4种单扰动和2种复合扰动的识别，分类准确率很高，但提取的特征量较多而考虑的扰动类型有限。文献[16]提出了基于S变换的径向基函数ANN分类器的PQD识别方法，采用S变换系数的极值作为特征向量，分类器采用两个ANN模块，其中离线模块用于训练，在线模块用于测试，ANN 采用8个子网，每个子网用于识别一种PQD，其好处是当有新的PQD类型加入，只要增加相应的子网即可，不需要重新训练已有的子网，但会使得整个网络的规模越来越庞大。文献[17]详细讨论了S变换特征量的选取问题，分别将14种特征量的各种组合分别输入ANN进行识别准确性测试，最终确定了最有效的由4个特征量组成的特征向量，在不损失分类准确率的基础上降低了特征空间的维数，进而减少了存储器空间，降低了处理难度和ANN的规模，提高了计算的速度。
易吉良，等S变换在电能质量扰动分析中的应用综述 - 143 -
ANN具有简单的结构和很强的问题求解能力，且可较好地处理噪声数据，是分类识别的重要方法，但是它自身有几个比较大的缺陷，如算法存在局部最优问题，收敛性较差，训练时间较长，易过拟合，可靠性有限等[18]。因此，将其与其他智能技术（如模糊理论、专家系统）相结合是未来PQD分类方法的发展趋势。
1.2.2 基于S变换和支持向量机的PQD分类
支持向量机（Support Vector Machine，SVM）克服了ANN诸如局部最优、过学习和难以选择网络结构等缺陷，因而也常用于PQD的分类，近几年结合S变换也出现了一些研究成果。
文献[19]将S 变换和SVM相结合，通过组合多个二叉树形成SVM分类树，实现了7种单一类型PQD的识别。文献[20]通过S 变换对3种最常见的PQD信号进行时频特征提取，通过3级SVM分类器实现电能质量扰动信号的分类识别，与SVM 分类树相比，该方法容易实现，但生成的分类器模型太多，当扰动样本类别较多时使得训练速度非常慢。上述两种方法能有效识别参数大范围内随机变化的各种PQD，识别正确率高，训练时间短，但提取的特征量较多，且考虑的扰动类型较少。文献[21]提出了基于S变换和SVM的三相电力系统的PQD 分类方法，其算法由S变换提取的特征量较多（9个），不过考虑了20种扰动类型，其中包括14种复合扰动，识别的准确率较高，但未考虑噪声的影响。文献[22]从PQD信号的S变换结果中提取特征向量，使用最小输出编码的最小二乘SVM对扰动信号进行训练，实现电能质量扰动信号的识别，准确率很高，但考虑的扰动类型较少。由于最小二乘SVM优化指标采用平方项，并用等式约束代替标准SVM的不等式约束，降低了问题的复杂度，从而加快了求解速度，提高了实时性。
SVM对小样本分类的训练时间短，误识率低，但当样本数量增加且样本间存在相互混叠时，支持向量数目迅速增加，使训练难度增大，SVM 的性能明显下降，而此时神经网络则表现出良好的分类效果[12]。针对不同样本情形，确定从S变换提取特征量的最优组合，以及控制特征向量维数，是基于S变换和SVM的PQD识别需要重点解决的问题。
1.2.3 基于S变换和规则判别的PQD分类
规则判别方法是借助于简单的“IF-THEN”规则实现模式分类，涉及的具体方法有：专家系统、模糊逻辑、决策树等方法，由于这些方法原理简单和容易理解，不需要像神经网络那样当出现新的扰动类型时需重新构建网络，进行大量的训练，因此，规则判别方法在PQD分类中获得了广泛应用。
文献[23-24]首先从PQD信号的S变换矩阵提取特征量，然后分别利用专家系统和简单的决策流程实现电压凹陷的分类，两种方法全面考虑了多种电压凹陷，用到的判别规则简单明确，分类准确率高，但没有考虑多种原因共同导致电压凹陷的识别问题。文献[25]从S变换提取9个特征量，然后采用两级规则分类器实现对实际PQD的分类，两级分类器分别包含2条和9条规则，分类准确率为100%，但考虑的样本相对较少，所提取的特征量较多，并且是针对特定实际场合，推广到其他场合的稳健性有待考察。文献[26]从S变换得到PQD的5个特征量后，采用分类树实现了8种单一扰动和2种复合扰动的识别，但电压凹陷和中断的区分仍需时域方式实现。文献[27-28]利用S变换提取了5个特征量后，分别采用12条和14条模糊规则实现PQD的分类，前者分类准确率很高，且对噪声具有鲁棒性，而后者的分类准确率受噪声的影响较大，其关键原因是前者采用了自适应群粒子技术对隶属度函数进行了优化，说明这类方法的分类性能对隶属度函数的依赖性很大。
规则分类方法的最显著特点是当有新的扰动类型加入时，只需增加相应的规则即可实现有效识别，不用对以前的规则做彻底修改。但随着扰动的增多，系统的容错能力和复杂程度将会限制其分类性能。利用S变换提供的丰富的PQD时频特征，针对不同应用场合，提取重叠度很低的特征量，为有效分类规则的制定提供良好基础是基于S变换和规则判别方法的PQD分类的研究重点。
1.2.4 其他基于S变换的PQD分类方法
除上述几种常用的基于S变换的分类算法外，还有利用矩阵相似度和贝叶斯作为分类器构成的PQD分类方法。文献[29-30]通过计算PQD信号的S 变换矩阵与各类扰动标准模板之间的相似度，按照相似度最大的原则将PQD信号进行分类，这种方法分类过程简单，不需要借助额外的分类器而直接实现分类，但由于各种扰动的持续时间和扰动幅值存在不确定性，很难针对每种扰动建立统一的标准模板。同时，由于需要使用S变换的所有元素，该方法的计算量较大。文献[18]从PQD信号的S变换矩阵提取8个特征量，然后借助于朴素贝叶斯分类器实现了8种扰动的分类，这种分类器结构简单，但它假设一个特征属性对给定类的影响独立于其他特征属性，而实际上PQD的特征属性之间存在依赖性，同时，贝叶斯算法需要知道各类的先验概率，这通常难以获得，只能假设为等概率，但这又不符
- 144 - 电力系统保护与控制
合实际情况。
综上所述，基于S变换的PQD分类虽然方法众多，但各有长短，没有一种方法是万能的，应结合具体应用场合，选择最有效的方法。同时，结合各方法的长处开发新的PQD分类方法，值得进一步研究，而前提是从S变换提取有效的特征量。
除检测和分类之外，S变换近来也出现在线路故障源定位[31-32]、变压器和雷击故障的识别和保护策略的制定[33-34]、以及电信号去噪[35]等与PQD有关的应用中。S变换在PQD相关领域的应用越来越广，结合应用实际，将其应用到如PQD信号的去噪、扰动源的定位以及治理PQD的控制策略等方面值得做进一步的研究。
2 其他形式的S变换在PQD分析中的应用
S变换的高斯窗宽虽然随频率变化，但其与频率呈反比的特性使其仍然是“相对固定”的，为了针对不同情况获得最优的时频分辨率，一些学者提出了时频分辨率可调的其他形式的S变换。
广义S变换通过增加高斯窗函数的窗宽调整因子非常方便地实现了时频分辨率调整[36]，文献[37-39]利用广义S变换提取PQD信号的特征量，然后分别采用决策树、人工免疫系统以及模糊分类器实现了PQD的识别，分类效果较好，但由于PQD 的类型较多，各种类型时频分布有较大差异，因此上述文献在确定窗宽因子时尚缺乏明确的理论依据。文献[40]提出了伪高斯窗函数的双曲S变换用于PQD的识别，双曲S变换的思想是不仅窗函数宽度随频率变化，窗函数的形状也是不对称的，这样可以保证在加窗部分也与频率存在关联性，以获得更优的时频分辨率。文中采用基于遗传算法的模糊C均值的聚类方法实现PQD的识别，分类效果好，但算法的实时性较差。改进S变换在广义S变换的基础上，使窗宽与频率平方根的倒数成正比，改善了白噪声的S变换功率谱随频率增高而线性增大的缺点，更适合分析含噪信号[41]。文献[42]提出利用改进S变换估计PQD信号噪声水平的方法，其窗宽因子通过改进S变换模矩阵能量聚集度确定，在采样率达到一定程度时估计的噪声方差有很高的可信度，该文方法有望用于PQD信号的去噪。文献[11]提出的不完全S变换通过分析S变换的计算过程，只针对FFT的主要频率点进行S变换的后续计算，在保证PQD检测精度的基础上大大减少了运算时间，便于实时应用。
由上述可知，其他形式的S变换也主要是应用在PQD的识别和检测方面，在发掘窗宽因子确定的理论依据以及发展新的S变换形式等方面值得进一步的研究。
3 总结
PQD的多样性和不稳定性表现为时频分布上宽泛性，对PQD分析需要合适的时频工具，S变换优良的时频特性为精确分析PQD信号提供了可能，但其目前在PQD应用主要还是检测和分类，其他方面的应用尚处于起步阶段，结合本文分析，S变换应用于PQD分析至少需要在以下几方面做进一步的研究。
（1）S变换的结果是二维复矩阵，能够提供丰富的时频信息，其相位与原始信号保持直接的联系，而目前对S变换相位信息的利用很少，PQD的某些应用如扰动源的定位利用相位信息比幅值信息应该更有效。
（2）由于S变换的运算量很大，在实际应用时对计算环境会有很高的要求，因此，对S变换算法或计算过程进行改进，在保证PQD分析精度的基础上提高其运算实时性，是其现实广泛应用的前提。同时，S变换在PQD分析的应用尚处于算法仿真阶段，其在具体硬件环境中的实现及实际应用效果的评价鲜见报道。
（3）对PQD最精确和全面的检测应该是将描述其数学模型的所有参量进行准确的估计，而目前S变换应用于PQD检测主要集中于稳态扰动的参数检测，对暂态扰动如振荡暂态的最大幅值和衰减因子等参量的检测并没有提出有效的方法。
（4）S变换作为PQD信号的特征提取工具，如何针对具体应用情况从S变换提取最有效的特征量尚缺乏全面和系统的研究。
（5）除检测和分类之外，S变换在PQD其他方面的应用如信号去噪、扰动源定位尚不多见，同时，开发新形式的S变换为PQD分析提供更适宜的时频分辨率，研究确定最优时频分辨率的理论依据也值得进一步研究。
可以预见的是，随着S变换理论的不断发展及其在PQD分析中的应用不断深入，S变换必将在PQD分析领域发挥更大的作用。
参考文献
[1] 王晶，束洪春，陈学允. 人工智能和数学变换用于电
能质量的研究综述[J]. 继电器，2004，32（2）：34-40.
WANG Jing, SHU Hong-chun, CHEN Xue-yun. A summary of AI & mathematics transform applied to
power quality study[J]. Relay，2004，32（2）：34-40.
[2]冯宇，唐轶，吴夕科. 采用电量参数分析方法的电能
易吉良，等S变换在电能质量扰动分析中的应用综述 - 145 -
质量扰动参数估计[J]. 中国电机工程学报，2009，29
（16）：100-107.
FENG Yu，TANG Yi，WU Xi-ke. Parameter estimation
method of power quality disturbances based on electrical
parameters analysis[J]. Proceedings of the CSEE，2009，
29（16）：100-107.
[3]赵凤展，杨仁刚. 时频分析方法在电能质量扰动检测
与识别中的应用[J]. 华北电力大学学报，2006，33（5）：
33-37.
ZHAO Feng-zhan，YANG Ren-gang. Application of
time- frequency transform to detection and recognition of
power quality disturbance[J]. Journal of North China
Electric Power University，2006，33（5）：33-37.
[4] Dash P K，Panigrahi B K，Panda G. Power quality
analysis using S–transform[J]. IEEE Trans on Power
Delivery，2003，18（2）：406-411.
[5] Dash P K，Panigrahi B K. Sahoo. Power quality
disturbance data compression, detection, and classification using integrated spline wavelet and
S-transform[J]. IEEE Trans on Power Delivery，2003，
28（2）：595-600.
[6]Mishra S，Bhende C N，Panigrahi B K. Detection and
classification of power quality disturbances using
S-transform and probabilistic neural network[J]. IEEE
Trans on Power Delivery，2008，23（1）：280-287. [7] Gargoom Ameen， Ertugrul Nesimi，Soong W L. Power
quality indices measurement using the S-transform[J].
International Journal of Power and Energy Conversion，
2009，1（1）：31-48.
[8] 付娟，周汉勇，姜勤. 基于S 变换的暂态电能质量扰
动检测与仿真[J]. 电力系统保护与控制，2009，37
（21）：86-89.
FU Juan，ZHOU Han-yong, JIANG Qin. Power quality
detection and simulation using S-transform[J]. Power
System Protection and Control，2009，37（21）：86-89. [9] 刘守亮，肖先勇，杨洪耕. 基于S变换时频等值线图
与幅值包络线的短时电能质量扰动检测与分类[J]. 继
电器，2005，33（22）：49-52.
LIU Shou-liang，XIAO Xian-yong，YANG Hong-geng.
Detection and classification of short duration power
quality disturbances based on time-frequency contour and
amplitude envelope of S transform[J]. Relay，2005，33
（22）：49-52.
[10]全惠敏，戴瑜兴. 基于S 变换模矩阵的电能质量扰动
信号检测与定位[J]. 电工技术学报，2007，22（8）：
119-125.
QUAN Hui-min，DAI Yu-xing. Detection and
localization of power quality disturbances based on
S-transform module matrixes[J]. Transactions of China
Electrotechnical Society，2007，22（8）：119-125. [11]易吉良，彭建春，谭会生. 采用不完全S变换的电能
质量扰动检测方法[J]. 高电压技术，2009，35（10）：
2562-2567.
YI Ji-liang，PENG Jian-chun，TAN Hui-sheng. Detection
method of power quality disturbances using incomplete
S-transform[J]. High V oltage Engineering，2009，35
（10）：2562-2567.
[12]方群会，刘强，周林，等. 模式分类方法在电能质量
扰动信号分类中的应用综述[J]. 电网技术，2009，33
（1）：31-36.
FANG Qun-hui，LIU Qiang，ZHOU Lin，et al. A survey
on application of pattern classification in power quality
disturbance signals classification[J]. Power System Technology，2009，33（1）：31-36.
[13] Lee I W C，Dash P K. S-transform-based intelligent
system for classification of power quality disturbance
signals[J]. IEEE Transaction on Industrial Electronics，
2003，50（4）：800-805.
[14]何为，杨洪耕. 基于S 变换和扩张神经网络的电能质
量扰动分类[J]. 继电器，2007，35（5）：63-68.
HE Wei，YANG Hong-geng. Power quality disturbances
classification based on S-transform and extension neural
network[J]. Relay，2007，35（5）：63-68.
[15] 唐求，王耀南，郭斯羽，等. 基于S变换与PNN的电
能质量多扰动检测[J]. 仪器仪表学报，2009，30（8）：
1668-1673.
TANG Qiu，W ANG Yao-nan，GUO Si-yu，et al. Power
quality disturbance detection based on S-transform and
PNN[J]. Chinese Journal of Scientific Instrument，2009，
30（8）：1668-1673.
[16] Tong Wei-ming，Song Xue-lei. A parallel RBFNN
classifier based on S-transform for recognition of power
quality disturbances[C]. //proceeding of the 4th
international symposium on neural networks：part II
–advances in neural network. Nanjing(China): 2007：
746-755.
[17] Murat Uyar，Selcuk Yildirim，Muhsin Tunay Gencoglu.
An expert system based on S-transform and neural
network for automatic classification of power quality
disturbances[J]. Expert Systems with Applications，2009，
36 （3）：5962-5975.
[18]舒泓. 电能质量扰动检测和分类问题的研究[D]. 北
京：北京交通大学，2008.
SHU Hong. Research of power quality disturbances’
detection and classification[D]. Beijing：Beijing Jiaotong
University，2008.
[19] 占勇，程浩忠，丁屹峰，等. 基于S变换的电能质量
扰动支持向量机分类识别[J]. 中国电机工程学报，
2005，25（4）：51-56.
ZHAN Yong，CHENG Hao-zhong，DING Yi-feng，et al.
- 146 - 电力系统保护与控制
S-transform based classification of power quality disturbance signals by support vector machines[J].
Proceedings of the CSEE，2005，25（4）：51-56. [20] 吕干云，程浩忠，郑金菊，等. 基于S 变换和多级SVM
的电能质量扰动检测识别[J]. 电工技术学报，2006，
21（1）：121-126.
Lü Gan-yun，CHENG Hao-zhong，ZHENG Jin-ju，et al.
Power quality disturbances detection and identification
based on S transform and multi-lay SVMs[J].
Transactions of China Electrotechnical Society，2006，
21（1）：121-126．
[21] Faisal M F， Mohamed A， Hussain A，et al. Support
vector regression based S-transform for prediction of
single and multiple power quality disturbances[J].
European Journal of Scientific Research，2009，34（2）：
237-251.
[22]王学伟，张宏财. 基于S变换和最小二乘支持向量机
的电能质量扰动识别[J]. 电测与仪表，2009，46（8）：
1-5.
WANG Xue-wei，ZHANG Hong-cai. Power quality
disturbances identification based on S-transform and
LS-SVM[J]. Electrical Measurement＆Instrumentation，
2009，46（8）：1-5.
[23]杨洪耕，刘守亮，肖先勇，等. 基于S变换的电压凹
陷分类专家系统[J]. 中国电机工程学报，2007，27（1）：
98-104.
YANG Hong-geng，LIU Shou-liang，XIAO Xian-yong，
et al. S-transform-based expert system for classification
of voltage dips[J]. Proceedings of the CSEE，2007，27
（1）：98-104.
[24] 杨洪耕，刘守亮，肖先勇. 利用S变换时频等值线图
与幅值包络向量实现电压凹陷的分类[J]. 电工技术学
报，2006，21（8）：75-80.
YANG Hong-geng，LIU Shou-liang，XIAO Xian-yong.
Classification of voltage dips using time-frequency
contour and amplitude envelope vectors by S-transform
[J]. Transactions of China Electrotechnical Society，
2006，21（8）：75-80.
[25] Faisal M F， Mohamed A. Identification of multiple
power quality disturbance using S-transform and rule
based classification technique[J]. Journal of Applied
Sciences，2009，9（15）：2688-2700.
[26] ZHAO Feng-zhan, YANG Ren-gang. Power quality
disturbance recognition using S-transform[J]. IEEE
Transactions on Power Delivery，2007，22（2）：944-950.
[27] Behera H S，Dash P K. Power quality time series data
mining using S-transform and fuzzy expert system[J].
Applied Soft Computing，2009，9（10）：1-11.
[28] Chilukuri M V，Dash P K. Multiresolution S-transform
based fuzzy recognition system for power quality
events[J]. IEEE Trans on Power Delivery，2004，19（1）：
323-330.
[29]刘守亮，肖先勇，杨洪耕. 基于S变换模时频矩阵相
似度的短时电能质量扰动分类[J]. 电网技术，2006，
30（5）：67-71.
LIU Shou-liang，XIAO Xian-yong，YANG Hong-geng.
Classification of short duration power quality disturbance
based on module time-frequency matrixes similarity by
S-transform[J]. Power System Technology，2006，30（5）：
67-71.
[30] 刘鑫，杨洪耕，赵俊. 基于S变换模时频矩阵局部相
似度的短时电能质量扰动分类[J]. 电力系统自动化，
2009，33（8）：62-66.
LIU Xin，YANG Hong-geng，ZHAO Jun. Classification
for short duration power quality disturbance based on
S-transform with module time-frequency matrix partial
similarity[J]. Automation of Electric Power Systems，
2009，33（8）：62-66.
[31] Samantaray S R，Dash P K. Transmission line distance
relaying using a variable window short-time fourier
transform[J]. Electric Power Systems Research，2008，
78（4）：595–604.
[32] Samantaray S R，Tripathy L N, Dash P K，et al.
S-transform based directional bus-bar protection[C]. //
IEEE Region 10 Conference，TENCON. 2008：1-6. [33] Samantaray S R，Panigrahi B K，Dash P K，et al. Power
transformer protection using S-transform with complex
window and pattern recognition approach[J]. IET Generation Transmission and Distribution，2007，1（2）：
278–286.
[34]肖先勇，李逢，邓武军. 雷击与短路故障的S变换特
征量识别方法[J]. 高电压技术，2009，35（4）：817-822.
XIAO Xian-yong, LI Feng, DENG Wu-jun. Identification
method of lightning stroke and short-circuit faults using
S-transformed characteristics[J]. High V oltage Engineering，
2009，35（4）：817-822.
[35] Chien Chunhuang，Sheng Fuliang，Ming Shing Young，
et al. A novel application of the S-transform in removing
powerline interference from biomedical signals[J].
Physiological Measurement，2009，30（1）：13-27. [36]高静怀，满蔚仕，陈树民. 广义S变换域有色噪声与
信号识别方法[J]. 地球物理学报，2004，22（5）：
869-875.
GAO Jing-huai，MAN Wei-shi，CHEN Shu-min.
Recognition of signal from colored noise background in
generalized S-transform domain[J]. Chinese Journal of
Geophysics，2004，22（5）：869-875.
[37]全惠敏，戴瑜兴. 电能质量扰动的广义S 变换分析和
决策树算法分类[J]. 湖南大学学报: 自然科学版，
2009，36（4）：43-47.
易吉良，等S变换在电能质量扰动分析中的应用综述 - 147 -
QUAN Hui-min，DAI Yu-xing. Power quality
disturbances classification based on generalized S-transform and decision tree[J]. Journal of Hunan
University: Natural Sciences，2009，36（4）：43-47. [38]全惠敏，王炼红，戴瑜兴. 采用广义S 变换的电能质
量扰动免疫分类算法[J]. 高电压技术，2009, 35（9）：
2880-2885.
QUAN Hui-min，WANG Lian-hong，DAI Yu-xing.
Power quality disturbances classification using generalized S-transform and artificial immune[J]. High
V oltage Engineering，2009, 35（9）：2880-2885.
[39]易吉良，彭建春. 基于广义S变换的短时电能质量扰
动的模糊模式识别[J]. 电力系统保护与控制，2008，
36（22）：20-25.
YI Ji-liang，PENG Jian-chun. Short duration power
quality disturbances fuzzy pattern recognition using
generalized S-transform[J]. Power System Protection and
Control，2008，36（22）：20-25.
[40] Biswal B，Dash P K，Panigrahi B K. Non-stationary
power signal processing for pattern recognition using
HS-transform[J]. Applied Soft Computing，2009，9（1）：
107-117.
[41] Pinnegar C R，Mansiha L. Time-local spectral analysis for
non-stationary time series：the S-transform for noise signal[J]. Fluctuation and Noise Letters，2003，3（3）：
357-364.
[42] 易吉良，彭建春，谭会生. 基于改进S变换估计电能
质量信号的噪声水平[J]. 电网技术，2009，33（20）：
71-75.
YI Ji-liang，PENG Jian-chun，TAN Hui-sheng. Noise estimation of power quality signal based on modified S-transform[J]. Power System Technology，2009，33
（20）：71-75.
收稿日期：2010-02-12； 修回日期：2010-04-05
作者简介：
易吉良（1972-），男，博士研究生，讲师，主要研究方向为电能质量分析和信号处理；E-mail：jiliang-yi@https://www.360docs.net/doc/6017031096.html, 彭建春（1964-），男，博士，教授，博士生导师，主要从事电力系统及其自动化专业的教学和研究工作；
谭会生（1966-），男，硕士，副教授，主要从事电子信息和计算机应用专业的教学和研究工作。
（上接第104页 continued from page 104）TIAN Zhi-guo, YI Yong-hui, LIU Chong-xin, et al.
Application of FPGA graphic oriented programming in
protective relay[J]. Relay, 2006, 34(1): 15-17, 45.
[8]IEC 61131-1 programmable controllers，part 1：general
information[S]. 1992.
[9] IEC 61131-3 programmable controllers，part 3：
programming languages[S]. 2003.
[10]IEC 61131-8 programmable controllers，part 8：
guidelines for the application and implementation of programming languages[S]. 2000.
[11] Lbrosse J J. 嵌入式实时操作系统μC/OS-II [M]. 2版.
邵贝贝, 译. 北京：北京航空航天大学出版社，2003.
Lbrosse J J. MicroC/OS-II the real-time kernel [M].
Second edition. SHAO Bei-bei, trans. Beijing：
Publishing House of Beihang University，2003.
[12] 鲁炜，靳希. 基于实时操作系统的继电保护软件设计
[J]. 继电器，2003，31（11）：48-51.
LU Wei，JIN Xi. Protection relay software designing based on real-time operation system[J]. Relay，2003，31
（11）：48-51.
[13] 徐天奇，游大海，李程，等. 基于μC/OS-II实时操作
系统的发电机微机继电保护装置[J]. 电网技术，2005，
29（16）：71-75.
XU Tian-qi，YOU Da-hai，LI Cheng，et al. A
micro-computer based relaying protection device for
generator based on μC/OS-II[J]. Power System Technology，2005，29（16）：71-75.
[14]王义刚, 许云峰, 张迎春. 基于实时多任务操作系统
的微机线路保护装置的研究[J]. 继电器, 2004, 32(8):
56-59.
WANG Yi-gang, XU Yun-feng, ZHANG Ying-chun.
Microcomputer-based line protection development based
on real-time operation system[J]. Relay, 2004, 32(8):
56-59.
收稿日期：2010-02-02； 修回日期：2010-03-30
作者简介：
仲 伟（1978-），男，硕士，主要研究方向为电力系统继电保护；E-mail：flyeagle@https://www.360docs.net/doc/6017031096.html,
丁 宁（1978-），男，硕士，主要研究方向为电力系统继电保护；
吴参林（1980-），男，硕士，主要研究方向为电力系统继电保护。
基于变换的电能质量分析方法
基于变换的电能质量分析方法 摘要：对电能质量问题和基于变换的电能质量分析方法进行了综述。文中给出了各种电能质量扰动现象的分类与特征，对傅里叶变换、短时傅里叶变换、小波变换和二次变换这4种变换分析方法的基本原理及其在电能质量领域的应用作了详细论述，阐明了各种方法的特点及其适用条件。最后提出了电能质量研究的方向。 关键词：电能质量；傅里叶变换；短时傅里叶变换；小波变换；二次变换 1引言 自从20世纪80年代末以来，电能质量已成为电力部门及其用户日益关注的问题［1］。主要原因有如下4个：①负荷设备对电能质量的变化更加敏感。许多新型负荷装置都含有基于微处理器的控件和电力电子器件，这些控件和器件对于多种扰动都很敏感。②为提高整个电力系统的效益而不断地应用一些装置，例如高效可调速电动机和用于功率因数补偿的并联电容器组等。这就使电力系统的谐波水平有所增长。③终端用户越来越了解断电、电压骤降（volt－age sag）以及开关暂态（switching transient）等电能质量问题，他们将督促电力部门提高供电质量。④许多元器件都互连于一个网络之中。集成作用意味着任何一个元件的故障都会导致更为严重的后果。 电能质量问题的出现不应该完全归咎于某个部门或某系统。从本质上讲，它是科学技术和经济发展的必然结果，其最终解决需要电力部门、设备制造厂商和电力用户三方积极密切的合作。 2电能质量 从不同的角度来考虑，电能质量可能会有截然不同的定义。文［1］中将电能质量问题定义为“导致用户设备故障或误动作的，以电压、电流或频率的偏差为表现形式的一切电力问题”。电能质量这一术语用来描述许多不同类型的电力系统扰动。表1给出了各种电能质量扰动的典型频谱成分、持续时间及电压幅值。利用这些信息就能够区分测量结果并描述电磁扰动。在电能质量分析中主要研究的4种扰动是电压骤降（voltage sag）、瞬态过电压（transient over－voltage）、谐波畸变（harmonic distortion）和闪变（flicker）。其中前2种属于短期暂态现象，而后2种属于持久性事件［2］。 随着电能质量问题的日益严重及广大用户对电能质量要求的不断提高，建立电能质量监测与分析系统，对其进行正确的检测、评估和分类就显得十分必要。为了获得有关电能质量的信息，往往需要对三相电流、三相电压、中线电流和中线对地电压等信号进行测量与储存，以构成电能质量分析的数据源［3］。由于这些数据必须以足够高的采样速率进行采样并储存，而且又必须长期在线进行，所以每年存储的数据量相当大。为了充分合理地利用这些数据，可以采用某种基于变换的方法将时域信息映射到频域或将时、频域信息结合起来进行电能质量分析。近年来，在电能质量分析领域中广泛应用的基于变换的方法主要有傅里叶变换法、短时傅里叶变换法、小波变换法和二次变换法。本文将对这4种变换方法进行详细阐述。
基于S变换的电能质量扰动识别研究分析
目录 摘要......................................................................... I Abstract ...........................................................................................................................................II 1引言. (1) 1.1课题的背景及研究的意义 (1) 1.2电能质量概述 (2) 1.2.1电能质量的定义 (2) 1.2.2电能质量的特点和分类 (2) 1.3电能质量扰动综述 (2) 1.3.1电能质量扰动的类型 (2) 1.3.2电能质量扰动的分析方法 (3) 1.3.3电能质量扰动的分类方法 (3) 1.4论文的创新点 (3) 1.5论文的主要内容及框架 (3) 2电能质量扰动信号的数学模型及仿真 (4) 2.1电压暂降 (4) 2.2电压暂升 (4) 2.3电压中断 (5) 2.4电压闪变 (5) 2.5谐波 (6) 2.6暂态振荡 (7) 3 S变换的原理简介及性质 (7) 3.1 S变换的原理简介 (7) 3.1.1 一维连续的S变换公式 (7) 3.1.2一维离散的S变换公式 (8) 3.1.3离散的S变换算法 (8) 3.1.4广义的S变换公式 (9) 3.2 S变换的性质的简要说明 (9) 3.2.1 S变换的局部性特征 (9) 3.2.2 S变换的线性特征 (9) 3.2.3 S变换的时移性特征 (10) 4 电能质量的扰动信号的特征提取 (10) 4.1简要介绍S变换后的复数矩阵 (10) 4.2简要介绍该复数矩阵的模值矩阵 (10) 4.3电能质量各类扰动信号的仿真及其时频统计信息图 (11) 4.4电能质量各类扰动信号的特征分析 (13) 5电能质量的扰动信号的分类识别 (14) 5.1决策树模型的构建 (14) 5.2验证仿真分类结果的正确性 (15)
电能质量概述
遵义长征电器开关设备有限责任公司致力于电能质量综合管理和电力系统供用电安全领域相关技术的研究和应用，为客户提供电能质量监视、功率因数校正、电力谐波治理、电气火灾监控等系统解决方案，利用现代通讯和物联网技术，对服务客户电力系统的所有电气设备提供在线检测并对可能存在的故障提供预警信息，确保电力系统用电安全。 检测供电质量、掌握电能消耗状况，并依据此制订节能降耗方案提供解决方案 ?电气参数测量及电能质量监视系统； ?电能量管理系统及电力自动化监控系统； ?电能质量（电力谐波与无功）检测服务； ?照明节能降耗产品。 提供功率因数校正及电力谐波治理方案 ?综合电能质量调控系统 ?有源及电力滤波与补偿系统 ?智能电力电容器及模块化无功补偿系统 ?谐波保护设备 电气火灾预防性解决方案 ?预防性电气火灾监控系统 我们的技术服务和您的收益 ?专业的技术服务专家具有多年经验，并透彻掌握电能应用、维护和管理知识。 ?无功功率补偿及功率因数调节方案提高您的电能应用效率，降低惩罚性电费损失。 ?电力谐波治理保障您用电设备的安全和设备使用效率。 ?电气火灾监视系统协助您查找电气火灾隐患，预防电气火灾发生，保障设备和生命安全。 电能质量治理对于企业的意义 许多企业对无功补偿、谐波治理的节能意义认识不足，不知道为什么要装，仅仅是因为供电部门力调罚款，才不得不装。客观地讲，无功补偿及谐波治理确实对供电部门有诸多好处，但对企业自身也有许多益处： ?电力部门对各企业的功率因数有规定的标准，如果达不到标准，要对其进行罚款，收取力率电 费，功率因数提高后可以消除力率罚款电费。 ?安装无功补偿装置后电网传输的无功功率减少，这样就增加了电网的传输有功功率的能力，提 高了设备利用率。 ?功率因数提高后，线路的总电流下降，线路损失和变压器有功损失会降低，可以减少一部分动 力电费。 ?功率因数提高后，线路的总电流下降，线路的电压降减小，从而改善了电压质量。 ?在变压器出力不够时，安装无功补偿装置，提高功率因数可使变压器的带载能力增强。 ?电能质量治理可有效避免谐波引起的误动作/拒动作，避免发生电力谐振，降低变压器和电动机 的损耗，可显著提升用电质量，降低损耗，节约电费，确保企业安全可靠用电。
电能质量分析仪说明书
电能质量分析仪说 明书 1 2020年4月19日
AK-DZF电能质量分析仪使用说明书 保定市奥凯电气设备有限公司
目录 前言 ...................................................................... 错误!未定义书签。 一、功能特点 .......................................................... 错误!未定义书签。 二、技术指标 .......................................................... 错误!未定义书签。 三、结构外观 .......................................................... 错误!未定义书签。 ( 一) 、外型尺寸及端子布置........................... 错误!未定义书签。 ( 二) 、键盘操作 ............................................... 错误!未定义书签。 四、液晶界面 .......................................................... 错误!未定义书签。 五、使用方法 .......................................................... 错误!未定义书签。 ( 一) 、三相四线制接线方式设备电参量的测量错误!未定义书签。 ( 二) 、三相三线制接线方式设备电参量的测量错误!未定义书签。 ( 三) 、波形显示测量部分............................... 错误!未定义书签。 ( 四) 、频谱分析测量部分............................... 错误!未定义书签。 ( 五) 、电压谐波分析部分............................... 错误!未定义书签。 ( 六) 、电流谐波分析部分............................... 错误!未定义书签。 ( 七) 、不平衡度测量部分............................... 错误!未定义书签。 ( 八) 、电压闪变分析部分............................... 错误!未定义书签。 六、电池维护及充电 .............................................. 错误!未定义书签。 七、注意事项 .......................................................... 错误!未定义书签。 1 2020年4月19日
基于敏感VMD因子的电能质量扰动分析方法
基于敏感VMD因子的电能质量扰动分析方法 发表时间：2019-06-06T09:00:22.090Z 来源：《电力设备》2019年第2期作者：周煜 [导读] 摘要：伴随近年来国家对电厂环保力度增大，电厂里新增加的用电设备负荷性质复杂，对原厂用电系统电能质量产生不同程度的影响。 （国家电网公司华北分部电力调控分中心北京 100053） 摘要：伴随近年来国家对电厂环保力度增大，电厂里新增加的用电设备负荷性质复杂，对原厂用电系统电能质量产生不同程度的影响。针对这一问题，本文提出一种基于敏感VMD因子的电能质量扰动分析方法。该方法利用变分模态分解对电压信号进行模态分解，通过敏感评估分析模态分量，选取包含信号特征的有效模态分量，凸显信号特征。并结合概率神经网络构建故障分析模型，进行电能质量扰动诊断。将所提方法应用于电能质量仿真实验，证明了该方法的有效性。 关键词：VMD；PNN；电能质量扰动；故障诊断 近年来电厂内环保技改设施规模不断扩大，新增用电数量增加一倍[1]。各种冲击性负荷、电力电子设备的投入，导致原有厂用电系统更加复杂，导致包括电压暂降、电压暂升、谐波等电能质量问题日益凸显[2]。电能质量扰动的增多，将增大仪表误差、增加损耗、保护装置误动[3]等问题，给日常生活产生很大影响。因此，对扰动信号进行监控分析，及时发现问题处理具有重要意义。 变分模态分解（variational mode decomposition，VMD）方法假设信号由一组具有不同中心频率的模态分量组成[4]，通过非递归模式将各模态解调到对应的频带，最终获取所有模态分量。同时，由于信号特征通常只在特定频段出现，因此引入敏感因子参数，对模态分量进行评估分析，排除无关的干扰分量，凸显信号特征。 本文提出一种基于敏感VMD敏感因子的电能质量扰动分析方法。首先利用VMD方法将原始信号在不同中心频率分解成一组模态分量，然后通过敏感因子筛选其中包含信号特征的分量，输入PNN分类模型，对原始信号进行故障诊断。 1 敏感VMD因子方法 1.1 VMD方法 VMD通过建立变分模型，将信号分解为K个单分量模态函数，寻找最优解。设存在连续信号f（t），根据VMD理论[5]，将其分解为K 个限带内禀模态函数（Band-Limited Intrinsic Mode Function，BIMF）： （1） 式（1）中，Ak（t）为包络线，φk（t）为相位函数。 首先建立变分约束模型如下： （2） 式（2）中，wk为第k个BIMF分量的中心角频率。 进而得到增广拉格朗日方程： （3） 式（3）中，a为二次惩罚因子，r为拉格朗日算子。 通过不断迭代更新，设置结束判定如下： （4） 最终得到的拉格朗日方程鞍点wf即为式（2）的最优解。 1.2 敏感因子筛选 敏感因子λk定义如下[6]： （5） δk = βk－αk （6） 式（6）中，αk为故障特征的相关系数，βk为非故障信号的相关系数。VMD方法处理后的分量频率从高到低。因此，λk值越小，表明该模态分量包含的故障特征越多。通过迭代法可知，选取前3个模态分量叠加，即可凸显故障特征。 将模态分量输入PNN[7]。通过计算模态分量之间的匹配关系，计算分量间的概率密度函数，最后识别扰动类别。 2 基于敏感VMD因子故障诊断方法 由上分析，本文提出一种基于敏感VMD因子的电能质量扰动分析方法。通过对厂用电电压信号进行VMD分析，将信号分解成一组频率从高到低的模态分量，经过敏感因子筛选重构，输入PNN故障分析模型，进行电能质量扰动识别。 具体步骤如下： （1）采样厂用电扰动i类状态的信号，得到各类扰动样本数mj（j=1，2，···，i）。 （2）对样本进行VMD分析，迭代更新得到Uk和wk。 （3）设定停止判别依据式（4），满足要求后迭代终止，此时的wf即为希望值。 （4）根据式（5）计算敏感因子，评估分量中的故障特征程度强弱，构建模态分析向量。 （5）将模态分析向量输入PNN故障分析模型，得到信号相应的扰动类别。 3 实验研究
电能质量概述课程测试
电能质量概述课程测试 1.电压暂降属于（） A 瞬变 B 短时电压波动 C 长时间电压波动 D 电压不平衡 正确答案是：B 2.总谐波畸变率的定义是（） A 总谐波有效值与基波有效值之比 B 总谐波有效值与额定值之比 C 基波有效值与额定值之比 D 基波有效值与总谐波有效值之比 正确答案是：A 3.长时间电压波动不包括（） A 持续中断 B 欠电压 C 过电压 D 高频振荡 正确答案是：D 4.根据GB/T 15945—2008标准，对于电力系统频率偏移的要求（）。 A 正常允许频率偏差±0.2Hz，根据系统容量可以放宽到±0.5Hz B 正常允许频率偏差±0.2Hz，根据系统容量可以放宽到±1Hz C 正常允许频率偏差±0.5Hz，根据系统容量可以放宽到±1Hz D 正常允许频率偏差±1.0Hz，根据系统容量可以放宽到±5Hz 正确答案是：A 5.下列电能质量指标与有功功率关系较大的是( ) A 电力谐波 B 频率偏差 C 三相不平衡
D 电压暂降 正确答案是：B 6.根据GB/T 15543—2008标准，三相不平衡度的要求是（） A 正常允许1%，短时不允许超过2% B 正常允许1%，短时不允许超过4% C 正常允许2%，短时不允许超过4% D 正常允许2%，短时不允许超过5% 正确答案是：C 7.下列不是电压暂降主要原因是（） A 短路故障 B 感应电机启动 C 雷击 D 电力谐波 正确答案是：D 8.关于电能质量监测评估的作用，一般不包括（） A 及时掌握电能质量状况，便于监督管理 B 确定电能质量下降根源，提供区分责任的客观依据 C 让用户了解电能质量管理的难处 D 分析电能质量问题成因，为改善治理提供依据 正确答案是：C 9.电能质量问题的特殊性在于（）①电能质量问题的危害与影响具有潜在性②引起电能质量下降的原因是多方面的，是相互影响共同作用的结果③关注的人比较少，了解的人不多④电流大小和波形是由用户根据自己的生产需要设定的 A ①②③④ B ①②④ C ①②③ D ②④ 正确答案是：B 10.三相电压不平衡的危害很多，不包括( ) A 电机产生振动
FS300A便携式电能质量分析仪
FS300A便携式电能质量分析仪 一、概述 电能质量是指通过公用电网供给用户端的交流电能的品质，通俗来说就是指电网线路中电能的好坏情况。电能质量问题主要由终端负荷侧引起。例如冲击性无功负载会使电网电压产生剧烈波动，降低供电质量。 随着电力电子技术的发展，它既给现代工业带来节能和能量变换积极的一面，同时电力电子装置在各行各业的广泛应用又对电能质量带来了新的更加严重的损害，已成为电网的主要谐波污染源。 电网系统中各个用户端配电网中使用的整流器、变频调速装置、电弧炉、电气化铁路以及各种电力电子设备不断增加。给用电网络造成影响或者说是用电污染。造成电压不稳、过电压、产生谐波等。谐波使电能的生产、传输和利用的效率降低，使电气设备过热、产生振动和噪声，并使绝缘老化，寿命缩短,甚至发生故障或烧毁。谐波还会引起电力系统局部发生并联谐振或串联谐振，使谐波含量被放大，致使电容器等设备烧毁。 这些负荷的非线性、冲击性和不平衡的用电特性，对供电质量造成严重污染。因而消除供配电系统中的高次谐波问题对改善电能质量和确保电力系统安全、稳定、经济运行有着非常积极的意义。 另一方面，现代工业、商业及居民用户的用电设备对电能质量更加敏感，对供电质量提出了更高的要求。目前，谐波、电磁干扰、功率因数降低已并列为电力系统的三大公害。 当电网的电能质量被干扰或污染，达不到国家相关标准时，就得有针对性地对电网进行电能质量改善。要了解电网电能质量的实际情况，就必须有相应的设备对其进行测试分析，针对国内的实际情况，我公司适时开发研制了适合国情的专业电能质量分析仪器。下面就电能质量分析仪的具体性能、参数、使用方法进行详细说明。
S变换在电能质量扰动分析中的应用综述
第39卷第3期电力系统保护与控制Vol.39 No.3 2011年2月1日Power System Protection and Control Feb.1, 2011 S变换在电能质量扰动分析中的应用综述 易吉良1,2，彭建春2，谭会生1 （1.湖南工业大学电气与信息工程学院，湖南 株洲 412008；2.湖南大学电气与信息工程学院，湖南 长沙 410082） 摘要：结合国内外采用S变换应用于电能质量扰动分析的现状，对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足，介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。 关键词：电能质量；S变换；检测；分类；应用 A summary of S-transform applied to power quality disturbances analysis YI Ji-liang1,2，PENG Jian-chun2，TAN Hui-sheng1 （1. College of Electrical and Information Engineering，Hunan University of Technology，Zhuzhou 412008，China； 2. College of Electrical and Information Engineering，Hunan University，Changsha 410082，China） Abstract：On the basis of the application status of S-transform in power quality disturbances analysis at home and abroad, the S-transform based power quality disturbance detection, classification and application in other aspects are summarized and classified．The advantages and disadvantages of using S-transform combining with various artificial intelligent and mathematical tools to analyze power quality disturbance are analyzed The situation of other forms of S ．-transform in recent years such as generalized S-transform modified S ，-transform and hyperbolic S-transform applied to power quality disturbance analysis is introduced Finally the develo ．，ping trend and further issues of using S-transform to analyze power quality disturbance are presented. This work is supported by National Natural Science Foundation of China (No. 50677015). Key words：power quality；S-transform；detection；classification；application 中图分类号： TM714 文献标识码：A 文章编号： 1674-3415(2011)03-0141-07 0 引言 电能质量扰动（Power Quality Disturbances，PQD）会导致设备过热、电机停转、保护失灵以及计量不准等严重后果，因此电能质量问题引起了广泛的关注。有效的PQD分析是治理电能质量的基础，只有正确识别影响电能质量的诸多因素，查明相应的起因和来源，检测、分类并统计扰动现象，确定扰动范围和幅值，才能从根本上综合治理并提高系统电能质量。而PQD分析主要包括PQD信号的消噪、特征提取、扰动分类和参数估计等四方面的内容[1-2]。 PQD类型较多，可以分为稳态和暂态两大类，单一的时域或频域方法难以胜任所有类型的PQD 基金项目：国家自然科学基金项目（50677015） 分析，因此，时频分析方法成了PQD分析的常用工具。最初，基于小波变换的方法最受研究者的青睐，但小波变换不能单独提取任意频次的信号，而且小波系数受噪声影响较大，这些缺陷使其无法定量检测含噪或含谐波的扰动信号的幅值特征[3]。而短时傅里叶变换存在需要选择窗口类型和宽度以及窗口宽度固定等缺陷，使其在PQD分析中的应用受到了限制。作为小波变换和短时傅里叶变换的继承和发展，S变换采用高斯窗函数且窗宽与频率的倒数成正比，免去了窗函数的选择和改善了窗宽固定的缺陷，并且时频表示中各频率分量的相位谱与原始信号保持直接的联系，使其在PQD分析中可以采用更多的特征量，同时，S变换提取的特征量对噪声不敏感，因此，近年来众多学者纷纷采用S变换并结合其他分析工具应用于PQD的分析，产生了大量研究成果。
几种电能质量扰动检测和分类方法研究
龙源期刊网 https://www.360docs.net/doc/6017031096.html, 几种电能质量扰动检测和分类方法研究 作者：杨正凡 来源：《科技风》2018年第30期 摘要：随着电力行业的发展、新型电力电子器件和大量非线性负荷的使用，致使电能质量问题正变得越來越严重，同时，电力供应商和电能消费者均对电能质量提出更高的要求。电能质量扰动信号的识别分类是进行电能质量扰动参数分析、定位扰动信号发生的源头，并对电能质量进行改善的重要前提。本文对几种电能质量暂态扰动信号的定位与识别方法进行了探讨，简析它们在处理电能质量扰动信号上的优缺，为后续的相关工作提供参考。 关键词：电能质量；扰动；定位与分类 1 电能质量扰动检测方法 1.1 傅里叶变换 傅里叶变换就是把时域上的信息映射到了频域上，因此可以分别从时域和频域两个角度来观察信号所具有的特性。但傅里叶变换只能反映信号在整个时间轴上的整体信息，却不能反映局部时间上频率特性。因此，傅里叶变换只适合处理一些平稳的、随时间周期变化的信号，否则会出现栅栏效应和频谱泄露。离散傅里叶变换（Discrete Fourier Transform，DFT）在频域检测中也得到了广泛的应用，通过加窗、插值及频谱校正等方式在傅里叶方法上进行了改善，使得变换速度和计算精度得到了很大的提高。而后又提出了快速傅里叶变换（Fast Fourier Transform，FFT），因其克服了DFT的计算量大等问题，使得其运算速度得到很大的提升。 1.2 小波变换 小波变换是一常用的处理电能质量的时频域分析法。小波变换可以很好的处理非平稳的信号，并且它能够同时从时域和频域进行观察，可以用一个二维矩阵实现信号的重构和局部变化，它的时频窗口可以自适应变化，具有良好的时频局部化特性。而能否选取合适的小波基使得小波变换的分析结果差别很大，而且小波变换的冗余度和计算量都较大。连续小波变换、离散小波变换、小波包变换等改进型方法克服了小波变换的缺陷在实际中得到大量应用。 1.3 希尔伯特黄变换 希尔伯特黄变换（Hilbert.Huang Transform，HHT）也是一种时频域分析法，实现了完全自适应并对非平稳信号有着精准的分析。能同时满足时间域和频率轴上所要求的精度要求，对突变信号的处理性更强。但其需要复杂的递回，运算时间反而比短时傅里叶变换要长。由于
电能质量监测点优化配置综述
Smart Grid 智能电网, 2014, 4, 129-135 Published Online June 2014 in Hans. https://www.360docs.net/doc/6017031096.html,/journal/sg https://www.360docs.net/doc/6017031096.html,/10.12677/sg.2014.43020 Review on Optimal Allocation of Power Quality Monitoring Points Pingping Ma1, Wenqing Huang1, Xuewen Shen2 1College of Electrical and Information Engineering, Hunan University, Changsha 2Henan Zhonghui Electric Power Engineering Consulting Co., Ltd., Zhengzhou Email: 313991640@https://www.360docs.net/doc/6017031096.html,, 985711197@https://www.360docs.net/doc/6017031096.html, Received: Apr. 14th, 2014; revised: May 10th, 2014; accepted: May 22nd, 2014 Copyright ? 2014 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.360docs.net/doc/6017031096.html,/licenses/by/4.0/ Abstract With the rapid development of national economy, electric power industry pays more and more attention to the power quality problems day by day. In order to minimize the harm of the power quality problems, building a real-time power quality monitoring network for real-time monitoring of the power quality problems in the entire network has important practical significance. At the same time, in order to meet the economic benefits, domestic and foreign researchers have pro-posed a series of methods to solve the optimum measuring positions for power quality monitoring, and made a great contribution to the development of power quality monitoring system. In this paper, these methods were summarized, and the future development of power quality monitoring system was discussed. Keywords Electric Energy Quality, Optimize Configuration, Monitoring System, Review 电能质量监测点优化配置综述 马苹苹1，黄文清1，申学文2 1湖南大学电气与信息工程学院，长沙 2河南省众慧电力工程咨询有限责任公司，郑州 Email: 313991640@https://www.360docs.net/doc/6017031096.html,, 985711197@https://www.360docs.net/doc/6017031096.html, 收稿日期：2014年4月14日；修回日期：2014年5月10日；录用日期：2014年5月22日
电能质量检测分析监控新技术
电能质量检测分析监控新技术 来源：中国论文下载中心 摘要：随着科技的进步，现代电力系统中用电负荷结构发生了重大变化，诸如半导体整流器、晶闸管调压及变频调整装置、炼钢电弧炉、电气化铁路和家用电器等负荷迅速发展，由于其非线性、冲击性以及不平衡的用电特性，使电网的电压波形发生畸变成引起电压波动和闪变以及三相不平衡，甚至引起系统频率波动等，对供电电能质量造成严重的干扰或“污染”[1]。电网中正面对越来越多的电能质量问题，这使得电能质量的研究十分紧迫。电能质量检测是获得电能相关数据的最直接手段，也是电能质量其他后续高级应用研究的前端。 关键词：电能质量检测神经网络 1 电能质量研究中新技术的应用背景 随着科技的进步，现代电力系统中用电负荷结构发生了重大变化，诸如半导体整流器、晶闸管调压及变频调整装置、炼钢电弧炉、电气化铁路和家用电器等负荷迅速发展，由于其非线性、冲击性以及不平衡的用电特性，使电网的电压波形发生畸变成引起电压波动和闪变以及三相不平衡，甚至引起系统频率波动等，对供电电能质量造成严重的干扰或“污染”[1]。电网中正面对越来越多的电能质量问题，这使得电能质量的研究十分紧迫。 另一方面，电能质量正逐步受到供电企业和电力用户的共同关注。进入20世纪90年代以来、随着半导体、计算机技术的迅速发展，一批高新技术企业应运而生，出现大量的微机控制装置和生产线.对电能质量提出了新的要求；而电力市场的发展，使供电企业进一步认识到：用户的需要也是自身的需要。在这样的背景下，因电能质量不良而使用户设备停机或出次品的情况.仍应看作电能质量不合格。当然，电能质量不良有多种情况，用户对电能质量的敏感程度也各不相同。一船来说，供电企业可对不同的电能质量划分等级、分别定价、用户可以自由选择。但由于我国目前还未能实现优质优价。因此，进一步改善电能质量的工作基本上要求在用户侧解决。随着各种用电设备对电能质量敏感度的变化，电能质量的范围进一步扩大.分类更细要求更高[2]。在新的电力市场环境下，电能质量已成为电能这种商品的消费特性，很大程度上体现了供电部门服务品质。所以有关部门正在加大对电能质量的监管和治理。 这些背景下，电能质量的研究迫切需要一些新技术来推动，通过这些新技术的应用，从而使电能质量从检测、分析和监控等方面得到提高，从而有利发现问题和规律、改善供电质量和服务。 2 电能质量检测中的新技术 电能质量检测是获得电能相关数据的最直接手段，也是电能质量其他后续高级应用研究的前端。 2.1 当前电能质量检测的情况 对电能质量进行监测是获得电能质量信息的直接途径，虽然这方面的检测仪器已不少，但大多数只局限于持续性和稳定性指标的检测，而传统的基于有效值理论的检测技术由于时间窗太长，仅测有效值已不能精确描述实际的电能质量问题，因此需发展满足以下要求的新检测技术[3]：①能捕捉快速(ms级甚至ns级)瞬时干扰的波形。因为许多瞬间扰动很难用个别参量(如有效值)来完整描述，同时随机性强，因此需要采用多种判据来启动量和装置，如幅值、波形畸变、幅值上升率等。②需要测量各次谐波以及间谐波的幅值、相位，需要有足够高的
电能质量及其分析方法综述
文章编号:100023673(2000)022******* 电能质量及其分析方法综述 胡 铭,陈 珩 (东南大学电气工程系,江苏省南京市210096) SURVEY OF POW ER QUAL IT Y AND ITS ANALY SIS M ETHOD S HU M ing,CH EN H eng (Sou theast U n iversity,N an jing210096,Ch ina) ABSTRACT:A long w ith bo th the increase of the non2linear level and the electron ically s w itched loads in pow er sys2 tem s,the pow er quality is becom ing increasingly poo r.T he m ain pow er quality p rob lem s in pow er system s are system2 atically summ arized.T he th ree digital analysis m ethods based on ti m e dom ain,frequency dom ain and w avelet tran s2 fo rm are expounded respectively and the app licati on of them in electricity quality study is p resen ted in detail. KEY WOR D S:pow er quality;digital si m u lati on;harmon ic load2flow;w avelet tran sfo rm 摘要:当前电能质量问题日益严重,本文就电力系统中存在的主要电能质量问题作了系统的归纳,并对基于时域、频域、变换域的三种数字分析方法原理及其各自在电能质量领域中的应用作了详细的阐述。 关键词:电能质量;数字仿真;谐波潮流;小波变换 中图分类号:TM714 文献标识码:A 1 引言 随着基于大功率电力电子开关设备的普及应用,它所带来的各种电能质量问题已引起各国电力工作者的高度重视,提高电能质量的新技术已成为近年来电力系统研究领域中新的研究热点[1]。1992～1995年,美国电力研究院(EPR I)在全国范围内进行了大规模的电能质量普查,获得了大量电能质量数据。与此同时,国外又兴起了研究“用户特定电力”(cu stom pow er)的高潮,提出利用电力电子控制器提高配电网供电的可靠性和电能质量。随着计算机技术的不断发展,以此为基础的诸如时域仿真、频域分析以及建立在不同变换基础上的各种数字技术,已在分析电压电流扰动波形、元件参数对这些扰动的影响、系统中的谐波以及开发用以解决电能质量问题的新型电力电子控制器等方面,得到了广泛应用。 2 电能质量 电力系统中各种扰动引起的电能质量问题主要可分稳态和暂态两大类[1]。稳态电能质量问题以波形畸变为特征,主要包括谐波、间谐波、波形下陷以及噪声等;暂态电能质量问题通常是以频谱和暂态持续时间为特征,可分脉冲暂态和振荡暂态两大类。 电力系统中各种电能质量扰动的性质、特征指标、产生原因、后果以及解决方法归纳于表1。 3 电能质量分析方法 近年来,基于数字技术的各种分析方法已在以下的电能质量领域中得到广泛应用: (1)分析谐波在网络中的传播; (2)分析各种扰动源引起的波形畸变; (3)开发各种电能质量控制装置,分析它们在解决电能质量问题方面的作用。 按所采用的不同分析方法,这种技术主要可分为时域、频域和变换域3种。 3.1 时域仿真方法 在3种方法中,时域仿真方法在电能质量分析中的应用最为广泛,其最主要的用途是利用各种时域仿真程序对电能质量问题中的各种暂态现象进行研究。目前较通用的时域仿真程序主要有E M T P、E M TDC、N ETOM A C等系统暂态仿真程序和SP I CE、PSP I CE、SAB ER等电力电子仿真程序两大类。由于电力系统主要由R、L、C等元件组成,这些程序在求解用微分方程描述的电力元件方程时,通常采用简单易行的变阶、变步长、隐式梯形积分法。利用隐式可保证求解过程中的数值稳定,采用变阶、变步长技术可缩短迭代计算的时间。采用时域仿真计算的缺点是仿真步长的选取决定了可模仿的最大频率范围,因此必须事先知道暂态过程的频率覆盖范围。此外,在模仿开关的开合过程时,还会引起数值振荡。因此,要采用相应技术以抑制发生数值振荡。 由表1可知,影响电能质量的暂态现象根据电 第24卷第2期2000年2月 电 网 技 术 Pow er System T echno logy V o l.24N o.2 Feb. 2000
【文献综述】基于HHT方法的电力系统电能质量检查
文献综述 电气工程及其自动化 基于ＨＨＴ方法的电力系统电能质量检查 前言 随着社会的不断发展，电能成为使用最为广泛的能源之一，随着科学技术和国民经济的发展，对电能质量的要求越来越高。电能质量的指标若偏离正常水平过大，会给发电、输变电和用电带来不同程度的危害。据统计，电网用电负荷中异步电动机占的比例最大。电网电压和频率的偏差、谐波、三相电压不平衡以及电压波动和闪变等，均会直接影响电机的转速、力矩和发热，从而影响生产工效和产品质量[1]。 对于电网和电气设备的安全、经济运行，保障产品质量和科学实验以及人民生活和生产的正常等均有重要意义。电能质量的好差直接关系到国民经济的总效益。所以人们对电能质量问题的重视并不是近几年的事，只不过早的时候对电能质量认识比较简单，主要局限在保持电网频率和电压水平(即静态或平均偏差不过大)上[1] 本综述介绍了电能质量的检测方法：FT、STFT、小波、HHT等。并对这些方法的优缺点进行了比较。FT对稳态信号的分析比较好，但是对非平稳信号的分析能力差。而STFT 可以解决FT所具有的非平稳性差的问题，但是它具有频谱泄露的问题；小波变换可以解决上述的不足，但小波变换对谐波分析的效果欠佳。基于此，本论文应用HHT方法对电能质量扰动进行电测，该方法是98年提出来的，针对非平稳非线性信号提出来的新方法。论文应用HHT方法对电压骤升、电压骤降、电压间断、暂态震荡、暂态脉冲和谐波进行分析和检测。结果表明HHT方法对平稳和非平稳信号的处理效果都非常好。 正文 1. 电力系统电能质量产生问题的原因 (1)非线性负荷 在电力系统中，非线性设备及负荷大量存在，诸如电视机、录像机、计算机、调光灯具等，由于具有调压整流装置，会产生较深的奇次谐波。在洗衣机、电风扇、空调器等有绕组的设备中，因电流的不平衡变化也能使波形改变。以上家用电器虽然功率较小，但是
电能质量分析仪说明书
电能质量分析仪说明书
电能质量分析仪说明书一、概述 1、用途 HDGC 3530电能质量分析仪，是对电网运行质量进行监测及分析的专用便携式产品。可以提供电力运行中的谐波分析及功率品质分析，能够对电网运行进行长时间的数据采集监测。同时配备电能质量数据分析软件，对上传至计算机的测量数据进行各种分析。 使用仪表前，请认真阅读此说明书，了解相关注意事项！ 2、特点 Z 一种电能质量分析专用仪表。 Z 使用ARM和DSP以及16M字节的存储器； 入可进行测量，并保存数据，将其上传到PC机进行分析； 入模块化结构，设计合理，运行可靠。 k 中文菜单操作，简单易学。 h可使用USB盘更新仪表软件，软件升级简单、方便； Z 在PC机上用电能质量数据分析软件对测量数据进行详细分析。 3、技术指标 3.1仪表基本功能 3.1.1仪表检测功能. 表3-1仪表检测功能一览表 序号项目描述 1电压/电流/频率可测量三相电压、零线电压、三相电流、零线电流、频率等 2谐波测量可测量至50次谐波，测量结果包括各次谐波电压、 谐波电流的幅值、电压谐波的总失真度（总畸变率）、各次电压谐波/电流谐波含有率；可显示谐波频谱图 3功率测量可测量三相视在功率、有功功率、无功功率、功率因
数、三相电能等 4三相不平衡测量可测量三相电压不平衡度及正序、负序、零序电压；三电流不平衡度及正序、负序、零序电流；可显示电压矢量、电流矢量 5监测记录可长时间地记录基本的（稳态）电能质量参数，记录 时间间隔从3秒到30分钟可调。 6骤升/骤降可记录电压骤升、骤降事件，最多可记录40个事件 7数字示波器可用于查看电压/电流信号波形 3.1.2其他技术指标 电压信号输入回路： 直接接入，输入阻抗：1M Q，20pF 测量范围：电压真有效值10?700V（有效值） 尖峰电压：1000V 功率消耗：小于0.5VA/相 电流输入回路： 间接接入. 测量范围：电流真有效值1A,5A,10A,100A,1000A （选择对应电流传感器）浪涌电流：1000A（选用1000A电流传感器）功率消耗：小于2.0VA/ 相 测量信号频率范围：40Hz?70Hz 显示屏： 3.9寸320X240彩色图形LCD 内存容量：16 M 字节FLASH 外部存储接口：USB （可插接U 盘） 工作电源：可充电锂电池，充满可工作5~6 小时 外接电源：AC100~240V/DC16.8V-1A 电源适配器/充电器 表3-2 各项检测功能准确度指标 可测量范围测量精确度说明电压/电流/频率三相电压：10~700V（真有效值）零线电压：1?70V（真有效值） 三相电流：0~1000A（真有效值，选配1000A电流传感器）零线电流：0~25A（真有效值，选配25A电流传感器） 频率：40~70Hz 电压：±0.5% 电流：±0.5% 频率：±）.01Hz 此处以A相电压频率作为测量频率 谐波测量电压谐波：总谐波、1~50 次谐波。 电流谐波：总谐波、1~50 次谐波。电压谐波：±0.1（%f） 电流谐波：±1% 功率测量有功：0.05~700KW 视在：0.05~700KVA 无功：0.05~700KVAR 功率因数：0.00~1.00 有功电能：0.01~10000kWh 视在电能：0.01~10000kVAh 无功电能：0.01~10000kVARh 平均功率因数：0.00~1.00 有功：±2%