电能质量扰动分析与监测研究

论文摘要

随着电力负荷的日趋复杂,电能质量问题给现代电力系统以及电力用户造成的危害越来越突出。谐波、闪变等稳态扰动产生的危害普遍存在,电压骤升骤降等暂态扰动造成的危害则在不断加大。对电网实现综合全面的电能质量在线监测将成为保障其高质量运行的必要手段,而实现在线监测的基础是合理有效的电能质量检测分析方法。本文重点研究了稳态谐波检测的改进方法、基于小波、希尔伯特变换的暂态电能质量扰动检测与定位方法、基于支持向量机的电能质量扰动分类方法。以上述理论方法为基础,研究虚拟仪器环境下电能质量在线监测系统的设计与实现。为了解决电力系统中不可避免的噪声对稳态谐波检测的影响,在分析了小波变换和傅立叶变换各自的优势,提出了基于小波去噪的加窗FFT谐波检测方法。该方法采用db5软阈值4层Daubechies小波去噪方法对采集的含噪信号进行去噪处理,再采用加汉宁窗的傅立叶变换对去噪信号进行检测,即能比较准确的反映总谐波畸变率(THD),又能比较精确的检测各次谐波含有率,为谐波治理提供有利的、准确的谐波分量数据。提出两种暂态电能质量扰动检测方法:(1)基于提升db4小波变换的暂态电能质量扰动检测与定位方法,在电力系统低噪声情况下,所构造的提升db4小波对多种暂态电能质量扰动信号不仅能进行扰动突变点检测,而且能进行扰动起止时刻的准确定位。(2)基于希尔伯特变换的移相电能质量扰动检测方法,在高噪声情况下,仍能出色完成电能质量扰动检测,而且原理简单、实时性好,集成于虚拟仪器电能质量检测平台,验证了其有效性和实用性。鉴于傅立叶变换优秀的幅频特性,小波变换优秀的时频特性和支持向量机优秀的统计学习能力,提出了基于FFT、小波变换和多类支持向量机的电能质量扰动识别方法。利用傅立叶变换和小波变换提取电能质量扰动的特征向量;构建多类支持向量机分类器对电力系统常见的八种电能质量扰动信号进行识别分类。在含噪声情况进行仿真,结果表明该方法分类准确率高,对噪声不敏感,训练样本少、训练时间短,是电能质量扰动识别的有效方法。采用NI PXI架构虚拟仪器平台完成了电能质量监测系统硬件设计,在NI LabView环境中设计并集成了所研究的电能质量扰动检测分析算法,构成基于PC资源的电能质量柔性监测系统。采用标准功率源6100A输出的扰动信号进行检测,证明该平台对稳态电能质量扰动(电压允许偏差、谐波、三相电压允许不平衡度和频率偏差)和暂态电能质量事件(电压骤升、电压骤降、电压波动、暂态振荡等)均可进行实时检测,测试结果准确、界面友好、性能稳定,同时具有高可靠性、功能可扩展性等优点。能够综合、全面地反映电网中的电能质量问题,为提高电能质量提供科学准确的数据支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 课题研究的目的意义
• 1.3 国内外研究现状
• 1.4 课题研究任务
• 第二章 电网谐波分析与检测
• 2.1 引言
• 2.2 小波和FFT的谐波分析算法
• 2.2.1 FFT算法描述
• 2.2.2 小波去噪算法描述
• 2.3 算例仿真分析
• 2.3.1 谐波测量中的关键问题
• Hanning的算例仿真'>2.3.2 FFT_Hanning的算例仿真
• Hanning算例仿真'>2.3.3 基于小波去噪的FFT_Hanning算例仿真
• 2.4 本章小结
• 第三章 暂态电能质量扰动检测
• 3.1 引言
• 3.2 基于提升db4小波的暂态电能质量扰动检测与定位
• 3.2.1 小波变换的基本理论
• 3.2.2 算例仿真分析
• 3.2.3 讨论
• 3.3 基于希尔伯特变换的移相电能质量检测
• 3.3.1 基本原理
• 3.3.2 电能质量扰动信号实时检测仿真
• 3.4 本章小结
• 第四章 基于多类支持向量机的电能质量扰动识别
• 4.1 引言
• 4.2 支持向量机基本原理
• 4.2.1 支持向量机
• 4.2.2 核函数
• 4.2.3 多类分类支持向量机
• 4.3 电能质量扰动识别
• 4.3.1 电能质量扰动信号的数学模型建立
• 4.3.2 特征提取
• 4.3.3 基于多类SVM的电能质量扰动分类
• 4.4 算例分析
• 4.5 本章小结
• 第五章 电能质量监测分析平台的构建
• 5.1 引言
• 5.1.1 LabVIEW简介
• 5.1.2 虚拟仪器与传统仪器的比较
• 5.1.3 本系统方案
• 5.2 系统总体架构
• 5.3 硬件系统
• 5.3.1 信号调理电路的原理与结构
• 5.3.2 互感器的选择
• 5.3.3 电压、电流信号调理电路设计
• 5.3.4 数据采集卡的选择
• 5.4 软件系统
• 5.4.1 软件功能模块
• 5.4.2 功能模块算法设计
• 5.5 系统验证
• 5.5.1 系统仿真试验
• 5.5.2 精度测试
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 本文完成的工作
• 6.2 研究展望
• 参考文献
• 致谢
• 攻读学位论文期间发表文章