一种电能质量扰动特征精确快速提取方法

1.本发明涉及智能电网技术领域，尤其是一种电能质量扰动特征精确快速提取方法。


背景技术：

2.随着电网建设的不断推进，各种非线性用电设备的增加以及可控硅整流装置和调压装置的广泛使用，导致电力系统中出现大量谐波和超高次谐波；大型变压器空载激磁、大负荷投切引起的20ms以内电压短时扰动都是值得关注的问题。电能质量扰动不仅会造成电能的浪费，还会使电力设备发生故障严重时可能会引发重大事故。为此，部分用户对电能质量提出了更严格的标准，这对电能质量扰动的检测也提出了更高的要求。因此，对于电能质量扰动特征的精确快速提取，将成为有效治理和评估电能质量问题的重要依据。
3.电能质量扰动特征包括时域特征和频域特征。傅里叶变换是频谱分析的重要工具，可以成功提取信号的频域特征但却无法获得时域特征，因此仅适用于平稳信号的分析。为了同时获得信号的时频域特征，逐渐发展出以下几种时频分析方法：短时傅里叶变换(short time fourier transform，stft)、小波变换(wavelet transform，wt)、s变换(s-transform，st)、广义s变换(generalized s-transform，gst)、多分辨率广义s变换(multiresolution generalized s-transform，mgst)、双分辨率s变换(double resolution s-transform，drst)等。其中，stft通过引入一个与时间和频率相关的窗口函数获得时域特征，根据海森堡测不准原理可知，固定窗函数不能同时获得理想时间分辨率和频率分辨率，因此，stft不具有可变时频分辨率的特性，无法满足电能质量扰动特征精确提取的要求；wt被广泛应用于非平稳信号的分析，当使用小波变换或其扩展小波包变换时，需要选择不同的母小波和分解级别来检测信号的不同频率成分，这影响了小波变换检测实时非平稳信号的适用性；st可以看作是stft和小波变换的改进，利用高斯窗口来调整时频分辨率，对于扰动信号的时频特征提取，基频幅值的变化对检测电压暂升、暂降、闪变和中断非常重要，同时还需要在高频处准确检测出暂态振荡和谐波的频率。即大多数情况下，扰动检测需要在高频处有更好的频率分辨率，在基频处有更好的时间分辨率。但st与实际需求相反，st在高频率下提供了更好的时间分辨率，在低频率下提供了更好的频率分辨率，为了改善这种情况出现了以下几种改进st：广义s变换gst在s变换的基础上增加调节因子，一定程度上提高了时频分辨率，但扰动信号频率跨度较大时依然无法满足不同频率点对时频分辨率的要求；mgst引入窗宽尺度调节因子并对扰动信号进行预分析，将整个频段划分成几个检测区间，取得了较好的时频分辨率，但不同频段之间存在过渡不平滑的现象，可能会对特征提取产生影响；drst同样引入调节因子对窗函数进行改进，时频分辨率相较于mgst进一步提升，但本质上他们的窗口宽度依旧和频率成反比关系，并没有从根本上解决基频幅值检测能力差和频率分辨率随检测频率增加而降低的缺点，遇到电压短时扰动和高频成分丰富的情况依然无法完成特征的精确提取。


技术实现要素：

4.本发明的目的在于提供一种提取速度快、精度高的一种电能质量扰动特征精确快速提取方法。
5.为实现上述目的，本发明采用了以下技术方案：一种电能质量扰动特征精确快速提取方法，该方法包括：将电能质量扰动信号传输到上位机，上位机对接收到的扰动信号进行最优bohman窗改进s变换，通过确定最优长度参数，得到模时频矩阵，再通过模时频矩阵进行时域特征提取和频域特征提取。
6.所述进行最优bohman窗改进s变换具体包括以下步骤：
7.(1)计算扰动信号x(nt)离散傅里叶变换序列：
[0008][0009]
式中：k＝0，1，
…
，n-1；t为采样时间间隔；n为总采样点数；
[0010]
(2)x(k)为扰动信号离散傅里叶变换结果，由|x(k)|中的所有极大值点构成极大值序列记为|x1(i)|，其中i＝0,1,2，
…
，p-1；设|x(k)|相邻极大值点之间有h1，h2，
…
，hi…
，h
p-1
个频率点，则|x(k)|的极大值包络为：
[0011][0012]
式中，j＝0,1,2,
…
，h
i-1
；i＝1,2，
…
，p-1；p为极大值点的个数；
[0013]
(3)采用基于极大值包络的动态测度快速算法减少计算量，通过设置阈值筛选出主要特征频率点m，m∈h；
[0014]
(4)根据特征频率点m所在频段确定窗宽调节因子r；
[0015]
(5)将x(m)平移得x(m+l)，l为离散傅里叶变换平移的平移因子，l＝0,1,
…
,n-1；
[0016]
(6)计算bohman窗函数的离散傅里叶频谱，首先给出bohman窗函数的表达式如下：
[0017][0018]
式中：t为时间；
[0019]
由式(3)得最优bohman窗函数的离散傅里叶频谱为：
[0020][0021]
式中：n＝0,1,
…
,n-1；
[0022]
(7)计算最优bohman窗函数改进s变换模时频矩阵fbst：
[0023][0024]
式中：n＝0,1,
…
,n-1。
[0025]
所述确定最优长度参数是指对窗口长度参数l进行设置，在频率范围0至100hz的低频段，取l＝96；在频率范围100至1600hz的高频段，取l＝346；所述时域特征提取是指计算时域幅值向量∣fbst(m，n)∣得到时域特征，即基频幅值曲线；所述频域特征提取是指计算频域幅值向量得到频域特征，频域幅值包络曲线。
[0026]
由上述技术方案可知，本发明的有益效果为：第一，本发明在进行电能质量扰动信号特征提取时具有较高的识别精度，通过搭建电能质量扰动信号检测平台的结果表明，本发明的幅值误差最低时几乎接近为0，满足现场环境下电能质量扰动信号准确提取特征的要求；第二，本发明在进行电能质量扰动信号特征提取时具有较快的运算速度，单次运算时间小于25ms，满足快速提取电能质量扰动信号特征的要求。
附图说明
[0027]
图1为本发明的方法流程图。
[0028]
图2为本发明中最优bohman窗改进s变换算法的流程图。
[0029]
图3为本发明的用户界面示意图。
具体实施方式
[0030]
如图1所示，一种电能质量扰动特征精确快速提取方法，该方法包括：将电能质量扰动信号传输到上位机，上位机对接收到的扰动信号进行最优bohman窗改进s变换，通过确定最优长度参数，得到模时频矩阵，再通过模时频矩阵进行时域特征提取和频域特征提取。
[0031]
所述进行最优bohman窗改进s变换具体包括以下步骤：
[0032]
(1)计算扰动信号x(nt)离散傅里叶变换序列：
[0033][0034]
式中：k＝0，1，
…
，n-1；t为采样时间间隔；n为总采样点数；
[0035]
(2)x(k)为扰动信号离散傅里叶变换结果，由|x(k)|中的所有极大值点构成极大值序列记为|x1(i)|，其中i＝0,1,2，
…
，p-1；设|x(k)|相邻极大值点之间有h1，h2，
…
，hi…
，h
p-1
个频率点，则|x(k)|的极大值包络为：
[0036][0037]
式中，j＝0,1,2,
…
，h
i-1
；i＝1,2，
…
，p-1；p为极大值点的个数；
[0038]
(3)采用基于极大值包络的动态测度快速算法减少计算量，通过设置阈值筛选出主要特征频率点m，m∈h；
[0039]
(4)根据特征频率点m所在频段确定窗宽调节因子r；
[0040]
(5)将x(m)平移得x(m+l)，l为离散傅里叶变换平移的平移因子，l＝0,1,
…
,n-1；
[0041]
(6)计算bohman窗函数的离散傅里叶频谱，首先给出bohman窗函数的表达式如下：
[0042][0043]
式中：t为时间；
[0044]
由式(3)得最优bohman窗函数的离散傅里叶频谱为：
[0045][0046]
式中：n＝0,1,
…
,n-1；
[0047]
(7)计算最优bohman窗函数改进s变换模时频矩阵fbst：
[0048][0049]
式中：n＝0,1,
…
,n-1。
[0050]
所述确定最优长度参数是指对窗口长度参数l进行设置，在频率范围0至100hz的低频段，取l＝96；在频率范围100至1600hz的高频段，取l＝346；所述时域特征提取是指计算时域幅值向量∣fbst(m，n)∣得到时域特征，即基频幅值曲线；所述频域特征提取是指计算频域幅值向量得到频域特征，频域幅值包络曲线。
[0051]
以下结合图1至3对本发明作进一步的说明。
[0052]
为了验证本发明的有效性，用matlab模拟电压中断、暂升、暂降3种时域扰动信号，设置相应参数控制扰动持续时间，再利用不同算法对扰动信号进行特征提取，不同特征提取方法下的相对幅值误差如表1所示。由表1可见相同扰动时间下本发明的误差明显小于其它两种方法，随着扰动时间的变短，这种优势会更加明显，故本发明特征提取精度更高，满足电能质量扰动信号特征提取精度的要求。
[0053]
表1不同扰动时间下的相对幅值误差(10-5
)
[0054][0055]
为了进一步验证本发明的实用性，使用本系统对时频域扰动信号：电压暂升、暂
降、中断、谐波信号进行实际测试分析，将本发明与其他方法在处理1600个扰动信号的运行时间进行对比，将搭建好的simulink电路模型通过starsim软件载入实时仿真器模拟扰动信号的输入,通过数据采集装置中的a/d转换器对扰动信号进行采样，利用dsp处理器对采集到的数据进行降采样。将数据采集装置采样处理后的数据传输至上位机，再通过算法进行时频特征提取，不同特征提取方法下的相对幅值误差和运算时间对比，如表2所示。由表2可见，本发明的特征提取相对幅值误差和所需运算时间均领先于其他两种算法，说明本发明在实际场景下也能够满足电能质量快速高精度扰动特征提取的要求。
[0056]
表2不同扰动信号幅值相对误差和运算时间
[0057][0058]
所述实时仿真器产生电能质量扰动信号；调理电路对采集到的信号进行处理，使之与a/d转换器输入相匹配；a/d转换器将模拟信号转换为数字信号；dsp处理器对数字信号进行降采样处理以减少数据量的；上位机用于运用算法对dsp处理器传输的采样数据进行特征提取，完成扰动信号特征提取；显示器对检测信号波形进行同步显示，并给出特征提取结果。
[0059]
如图3所示，通过labview自行设计本发明的用户界面，可实现：扰动信号的波形显示、基频幅值曲线及其特征参数显示、频率幅值包络曲线及其特征参数显示。
[0060]
综上所述，本发明在进行电能质量扰动信号特征提取时具有较高的识别精度，通过搭建电能质量扰动信号检测平台的结果表明，本发明的检测幅值误差时最低几乎接近为0，满足现场环境下电能质量扰动信号精确提取特征的要求；本发明在进行电能质量扰动诊断时具有较快的运算速度，单次诊断时间小于25ms，满足快速提取电能质量扰动信号特征的要求。