本發(fā)明涉及一種對電能質(zhì)量暫態(tài)事件的擾動進行檢測的方法，特別是一種基于擬合提升小波和均值分析的電能質(zhì)量擾動識別方法。

背景技術(shù)：

電能作為一種實用、清潔且易于傳輸和控制的能源，被廣泛應(yīng)用于國民經(jīng)濟生產(chǎn)的各個行業(yè)和領(lǐng)域。隨著我國經(jīng)濟的快速發(fā)展和對電能需求的飛速增加，提供穩(wěn)定、可靠和高質(zhì)量的電能對于保障電網(wǎng)和電氣設(shè)備安全經(jīng)濟地運行以及人民的日常生活具有十分重要的意義。

近年來，由于電力電子裝置的非線性等原因，電能質(zhì)量正成為日益突出的問題。在電力系統(tǒng)中，電能質(zhì)量問題主要分為兩類：穩(wěn)態(tài)和暫態(tài)；其中，暫態(tài)電能質(zhì)量問題主要包括短時電壓改變和各種暫態(tài)現(xiàn)象，而前者正成為工程實際中較為常見的典型問題。當電壓事件發(fā)生時，其起止時刻的幅值將發(fā)生突變。小波分析因其具有出色的奇異性檢測能力，可被應(yīng)用于對擾動起止時刻的檢測。由于不同的小波具有不同特性，結(jié)合模極大值方法對擾動進行檢測時可能得到不一樣的分析效果。

小波分析具有出色的局部化能力和奇異值檢測特性，因此被廣泛地應(yīng)用于信號的分析與處理。針對電能質(zhì)量暫態(tài)事件中的擾動識別問題，目前，主要采用經(jīng)典小波和提升小波來實現(xiàn)對擾動起止時刻的定位以及擾動類型的識別。對于經(jīng)典小波而言，其變換過程需借助卷積運算來實現(xiàn)，因而計算量較大，實時性較差，并且新小波的構(gòu)造過程十分復(fù)雜；對于提升小波，當前研究大多是對已有的小波按照提升步驟進行提升或者直接選用對稱的提升小波來對電能質(zhì)量暫態(tài)事件的擾動進行定位和分類，雖然在計算量和實時性上有了提升，但小波的構(gòu)造仍不夠靈活，分析的準確性仍有待提高。本發(fā)明中采用基于數(shù)據(jù)擬合的提升算法，可大大提高小波構(gòu)造的靈活性；同時，采用范數(shù)準則和均值算法，可進一步地減小非確定性因素的影響，提高對擾動定位、分類以及嚴重程度判定的準確性。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于：通過提供一種基于擬合提升小波和均值分析的電能質(zhì)量擾動識別方法，實現(xiàn)對電能質(zhì)量擾動的起止時刻的準確定位，以及對擾動的類型和嚴重程度的準確識別，為電能質(zhì)量治理裝置的研發(fā)提供合理有效的依據(jù)。

為實現(xiàn)上述目的，本發(fā)明是采用技術(shù)方案實現(xiàn)的：

一種基于擬合提升小波和均值分析的電能質(zhì)量擾動識別方法，用于對電能質(zhì)量暫態(tài)事件的擾動進行準確檢測，其特征在于，包括以下步驟：

步驟1、選用基于擬合提升算法構(gòu)造的三種具有不同特性的小波對監(jiān)測信號進行冗余分解；

步驟2、對分解所得的三組高頻細節(jié)信號分別求取歸一化l^p范數(shù)，取范數(shù)值小的兩組高頻細節(jié)信號作為最優(yōu)分解結(jié)果并求取模極大值，得到兩組擾動開始時刻和結(jié)束時刻的判定值，對開始時刻的兩組值和結(jié)束時刻的兩組值分別求取均值作為最終的判定值，實現(xiàn)對擾動的定位，并分析擾動持續(xù)時間；

步驟3、結(jié)合電源電壓正弦波的特點，向前求取與擾動開始時刻對應(yīng)的整周期時刻，取未出現(xiàn)模極大值的兩個時刻的電壓值求均值，并與擾動開始時刻的電壓值求取比值，根據(jù)比值結(jié)果判定擾動的類型以及嚴重程度。

本發(fā)明的有益效果在于：

(1)本發(fā)明選用多種小波對擾動的起止時刻進行識別，參照一定的判據(jù)從多組分析結(jié)果中選優(yōu)，并再次對選優(yōu)結(jié)果取均值，可在很大程度上提高對擾動定位的精確度。

(2)本發(fā)明針對擾動的分類識別問題，結(jié)合不同類型擾動的定義及電源電壓為正弦波的特性，采用對擾動開始時刻和同周期下無擾動時刻的電壓值求取比值的方法來進行分析。為盡可能提高分析準確度，選取多個同周期下無擾動時刻的電壓值并對其取均值，再與擾動開始時刻的電壓值取比值。由此不僅可定性地判斷擾動類型，也可更準確地定量判斷擾動的嚴重程度。

附圖說明

圖1是本發(fā)明的總體流程圖；

圖2是基于數(shù)據(jù)擬合的最小二乘法和提升算法構(gòu)造的三種不同小波。

具體實施方式

下面結(jié)合附圖對本發(fā)明的具體實施例進行詳細說明。

如圖1所示，該實施例提供了一種基于擬合提升小波和均值分析的電能質(zhì)量擾動識別方法，其具體包括以下步驟：

步驟1、選用基于擬合提升算法構(gòu)造的三種具有不同特性的小波對監(jiān)測信號進行冗余分解；

該步驟中，中應(yīng)用數(shù)據(jù)擬合最小二乘法和提升算法構(gòu)造出三種各具不同特性的新小波函數(shù)，并依次選用三種不同小波對由監(jiān)測終端采集得到的電源電壓信號進行一層冗余提升小波分解，對應(yīng)得到三組低頻逼近信號a1、a2、a3和高頻細節(jié)信號d1、d2、d3。其中：

三種小波函數(shù)φ分別為：

(1)φ1(x)＝x^k；

(2)φ2(x)＝x^2·k；

(3)φ3(x)＝x^0.5·k。

其中k＝0,1,2,…n，n為基函數(shù)的維數(shù)。

應(yīng)用三種各具不同特性的小波對電能質(zhì)量電源電壓信號進行冗余提升小波分解，為后續(xù)的均值計算提供數(shù)據(jù)基礎(chǔ)。

步驟2、對分解所得的三組高頻細節(jié)信號分別求取歸一化l^p范數(shù)，取范數(shù)值小的兩組高頻細節(jié)信號作為最優(yōu)分解結(jié)果并求取模極大值，得到兩組擾動開始時刻和結(jié)束時刻的判定值，對開始時刻的兩組值和結(jié)束時刻的兩組值分別求取均值作為最終的判定值，實現(xiàn)對擾動的定位，并分析擾動持續(xù)時間；

對于不含噪聲的情形，通常采用l⁰范數(shù)(即數(shù)據(jù)向量中非零元素的個數(shù))來衡量樣本的稀疏性；而對于含有噪聲的情形，由于較弱噪聲的加入很可能使得原本稀疏的樣本變成完全非稀疏的樣本，因此需要選取其他參數(shù)。常用的方法是應(yīng)用l^p范數(shù)來代替l⁰范數(shù)。

具體地，在該步驟中，對三組高頻細節(jié)信號dk求歸一化l^p范數(shù)，相應(yīng)的計算公式為：

式中，pk為dk的歸一化l^p范數(shù)；dk,i為dk中的第i個系數(shù)；k＝1,2,3分別對應(yīng)所采用的三種小波；l為信號的樣本長度。

上述計算公式的原理在juhakarvanenandandrzejcichocki共同發(fā)表的論文“measuringsparsenessofnoisysignals”中有詳細說明(https://www.researchgate.net/publication/2570268)。

該實施例中，對三個||pk||p進行比較，舍棄最大范數(shù)值對應(yīng)的dk而保留較小范數(shù)值對應(yīng)的另外兩組dk，并記為dopt1、dopt2。分別對dopt1、dopt2求取模極大值，即得到兩組擾動開始時和結(jié)束時刻的判定值，分別為與dopt1對應(yīng)的tstart1和tend1以及與dopt2對應(yīng)的tstart2和tend2；然后進行均值計算：

取均值和作為最終確定的擾動的開始時刻和結(jié)束時刻，實現(xiàn)對擾動的定位。同時，根據(jù)電能質(zhì)量暫態(tài)事件的定義，對擾動的持續(xù)時間進行分析，計算公式如下：

式中，tduration為擾動持續(xù)時間。對tduration進行判斷：若滿足0.01s≤tduration≤60s，則判定發(fā)生電能質(zhì)量暫態(tài)事件；反之，判定此次發(fā)生的不是電能質(zhì)量暫態(tài)事件，繼續(xù)采集電能質(zhì)量監(jiān)測信號，并按照上述兩個步驟再次進行分析。

通過對基于l^p范數(shù)準則選取的最優(yōu)dk求取模極大值進而作均值計算來確定擾動的開始時刻和結(jié)束時刻，可提高對擾動定位檢測的準確度。

步驟3、結(jié)合電源電壓正弦波的特點，向前求取與擾動開始時刻對應(yīng)的整周期時刻，取未出現(xiàn)模極大值的兩個時刻的電壓值求均值，并與擾動開始時刻的電壓值求取比值，根據(jù)比值結(jié)果判定擾動的類型以及嚴重程度。

在該步驟中，根據(jù)理想電源電壓為正弦波的特點，向前取擾動開始時刻的整周期時刻，判斷所取時刻是否出現(xiàn)模極大值；取未出現(xiàn)模極大值的兩組整周期時刻值t1、t2，與一起計算三個時刻對應(yīng)的電壓值，相應(yīng)的計算公式為：

式中，a為時刻的電壓值；tperiod＝1/50＝0.02(s)為電源電壓的周期；k＝0,1,2為整數(shù)，表示周期的整數(shù)倍；當k＝0時即計算的電壓值a0，k分別為另外兩個正整數(shù)值時即計算t1、t2的電壓值a1、a2。計算a1、a2的均值并與a0求取比值即：r＝a0/(a1+a2)。根據(jù)r進行判斷：若1.1≤r≤1.8，則該擾動為電壓暫升事件，且r越大，擾動就越嚴重；若0.1≤r≤0.9，則該擾動為電壓暫降事件；且r越小，擾動就越嚴重；若r<0.1，則該擾動為短時電壓中斷事件；且r越小，擾動越嚴重。

如圖2所示，為基于數(shù)據(jù)擬合的最小二乘法和提升算法構(gòu)造的三種不同的新小波：圖中，小波波形圖上方的數(shù)字序號表示該小波是通過采用同序號的基函數(shù)構(gòu)造而得到的。

本發(fā)明以擾動起止時刻分別為1.842s和2.612s、擾動幅值為標準電壓值的0.5倍的電能質(zhì)量暫降事件為實施例對本發(fā)明的技術(shù)方案進行說明：

首先、應(yīng)用數(shù)據(jù)擬合和提升算法構(gòu)造三種各具不同特性的新小波。取樣本點數(shù)m和基函數(shù)的維數(shù)n的值分別為4和3，則由φ1(x)＝x^k構(gòu)造得到wavelet1；由φ2(x)＝x^2·k構(gòu)造得到wavelet2；由φ3(x)＝x^0.5·k構(gòu)造得到wavelet3。選用wavelet1、2、3依次對擾動信號進行冗余提升小波分解，將對應(yīng)得到三組低頻逼近信號a1、a2、a3和高頻細節(jié)信號d1、d2、d3。

其次、按照計算公式對d1、d2、d3分別求取歸一化的l^p范數(shù)，所述l^p范數(shù)中，p的取值為0.1，得打d1的計算結(jié)果為4.8720×10³⁴；d2的計算結(jié)果為1.0984×10³⁵；d3的計算結(jié)果為1.0896×10³⁵。比較可知：d1的l^p值最小，d3的l^p值居中，d2的l^p值最大。因此，舍棄d2而保留d1和d3，并分別對d1和d3求取模極大值。其中，由d1模極大值得到的擾動起止時刻分別為1.842s和2.612s；由d3模極大值得到的擾動起止時刻分別為1.843s和2.613s。對1.842s和1.843s取平均為1.8425s作為最終確定的擾動開始時刻；對2.612s和2.611s取平均為2.6125s作為最終確定的擾動結(jié)束時刻，實現(xiàn)對擾動的定位。同時，根據(jù)電能質(zhì)量暫態(tài)事件的定義，對擾動的持續(xù)時間進行分析，根據(jù)計算公式可得此次擾動的持續(xù)時間為2.6125s-1.8425s＝0.77s，判斷0.77s在[0.01s，60s]的范圍內(nèi)，因此可判定此次發(fā)生電能質(zhì)量暫態(tài)事件。

最后、根據(jù)理想電源電壓為正弦波的特點，對擾動開始時刻1.8425s向前取整周期時刻即1.8425-k·0.02(k為整數(shù))，判斷當k＝1時即t＝1.8225s時刻是否出現(xiàn)模極大值；繼續(xù)判斷當k＝2時即t＝1.8025s時刻是否出現(xiàn)模極大值；繼續(xù)令k＝3,4,…，以此類推。取未出現(xiàn)模極大值的兩個時刻，如本實施例中k＝1即t＝1.8225s和k＝2即t＝1.8025s兩個時刻均未出現(xiàn)模極大值，則取該兩時刻的電壓值即cos(2·π·50·1.8225)＝0.7071和cos(2·π·50·1.8025)＝0.7071，取兩者的均值仍為0.7071；再計算擾動開始時刻t＝1.8425s時刻的電壓值為cos(2·π·50·1.8425)＝0.3536；求取比值0.3536/0.7071＝0.5。由于0.5在范圍[0.1，0.9]以內(nèi)，判斷該擾動為電壓暫降事件，并且電壓跌落幅值為50％，由此最終完成對電能質(zhì)量暫態(tài)事件擾動的識別。

雖然上面結(jié)合本發(fā)明的優(yōu)選實施例對本發(fā)明的原理進行了詳細的描述，本領(lǐng)域技術(shù)人員應(yīng)該理解，上述實施例僅僅是對本發(fā)明的示意性實現(xiàn)方式的解釋，并非對本發(fā)明包含范圍的限定。