曲正偉,郝婉茹,王 寧
(燕山大學(xué) 電力電子節(jié)能與傳動(dòng)控制河北省重點(diǎn)實(shí)驗(yàn)室,河北 秦皇島 066004)
隨著科學(xué)技術(shù)的迅猛發(fā)展,高智能化精密設(shè)備的大量使用,對(duì)供電質(zhì)量要求越來(lái)越苛刻;同時(shí)由于大量擾動(dòng)負(fù)荷(如非線性負(fù)荷、不對(duì)稱負(fù)荷)接入電網(wǎng)或其他擾動(dòng)源(如線路短路故障、感應(yīng)電動(dòng)機(jī)啟動(dòng))存在,使得電能質(zhì)量問(wèn)題日益嚴(yán)重,極大地影響了公用電網(wǎng)的安全穩(wěn)定運(yùn)行[1]。因此,對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分析具有非常重要的意義。
目前常用的電能質(zhì)量擾動(dòng)信號(hào)的分析方法主要有小波變換[2-3]、S 變換[4-5]、數(shù)學(xué)形態(tài)變換[6]、希爾伯特-黃變換(HHT)[7-8]和 Prony 算法[9]等。小波變換是有力的時(shí)頻分析方法,但小波函數(shù)的選擇對(duì)分析結(jié)果的影響較大;S變換雖有較好的時(shí)頻性,但采樣頻率及采樣頻帶的選擇對(duì)其性能影響很大,且抗噪能力較弱;數(shù)學(xué)形態(tài)變換方法是在積分幾何研究成果的基礎(chǔ)上提出的,其性能易受結(jié)構(gòu)元素的影響,針對(duì)復(fù)雜的信號(hào)難以選取合適的結(jié)構(gòu)元素;HHT方法和Prony算法雖能自適應(yīng)地得到信號(hào)的頻率、幅值和相角等局部信息,但這2種算法只能表達(dá)連續(xù)信號(hào)。
原子分解技術(shù)是近年來(lái)信號(hào)處理領(lǐng)域研究的熱點(diǎn)。該方法源于Mallat及Zhang提出將信號(hào)在過(guò)完備的非正交基上分解的思想[10]。 文獻(xiàn)[11-14]均將原子分解算法應(yīng)用于電能質(zhì)量擾動(dòng)分析中:文獻(xiàn)[11]以離散的Gabor原子庫(kù)和傳統(tǒng)的匹配追蹤算法為基礎(chǔ),雖能從電能質(zhì)量擾動(dòng)信號(hào)中提取特征分量,但計(jì)算量相當(dāng)大;文獻(xiàn)[12-13]構(gòu)造出適合電力系統(tǒng)擾動(dòng)信號(hào)的離散相關(guān)原子庫(kù),相比文獻(xiàn)[11],在一定程度上降低了計(jì)算量,但仍應(yīng)用傳統(tǒng)的匹配追蹤算法進(jìn)行迭代求解,不利于電能質(zhì)量擾動(dòng)信號(hào)的在線分析;文獻(xiàn)[14]采用粒子群優(yōu)化(PSO)算法對(duì)匹配追蹤過(guò)程進(jìn)行優(yōu)化并將其應(yīng)用于間諧波的檢測(cè)分析中,但并未對(duì)其他電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分析。
本文為克服原子分解算法計(jì)算量大的缺點(diǎn),在離散的相關(guān)原子庫(kù)及傳統(tǒng)匹配追蹤算法的基礎(chǔ)上,從多方面對(duì)原子分解算法進(jìn)行優(yōu)化,采用優(yōu)化后的快速算法對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行分析,結(jié)合算例驗(yàn)證了該方法的有效性和正確性。
原子分解理論中,為了達(dá)到信號(hào)稀疏分解的目的,首先需在信號(hào)空間中構(gòu)建一個(gè)過(guò)完備的展開(kāi)函數(shù)集合,這種過(guò)完備集合中的基稱為原子,由原子組成的過(guò)完備集合稱為原子庫(kù)。信號(hào)可根據(jù)自身的特點(diǎn)在高度冗余的原子庫(kù)中采取貪婪分解策略自適應(yīng)地選出一組最佳匹配原子,這組最佳匹配原子即可用來(lái)表示該信號(hào),此過(guò)程稱之為原子稀疏分解。
原子稀疏分解有兩大核心問(wèn)題,即如何構(gòu)建合理的原子庫(kù)以及如何自適應(yīng)地尋找最佳匹配原子。
信號(hào)的原子稀疏分解過(guò)程通常采用一種貪婪自適應(yīng)的分解策略——匹配追蹤MP(Matching Pursuit)算法。
定義原子庫(kù)D=(gγ)γ?τ,其中γ為原子參數(shù)組,τ為原子參數(shù)組集合,且原子作歸一化處理,即‖gγ‖=1。
其中,〈·,·〉為兩者的內(nèi)積。
對(duì)每次分解出的殘余分量重復(fù)按式(1)、式(2)進(jìn)行迭代分解。
n次迭代分解后,信號(hào)f表示為:
即將信號(hào)f表示為n個(gè)原子的線性組合。
由式(1)—(3)可知,每次分解過(guò)完備原子庫(kù)中的所有原子都要與待分析信號(hào)進(jìn)行內(nèi)積運(yùn)算,而且要進(jìn)行多次分解,從而使計(jì)算量相當(dāng)大,過(guò)大的計(jì)算量限制了原子分解算法的實(shí)用性。
為提高信號(hào)分解的精度與速度,原子庫(kù)中的原子可根據(jù)電能質(zhì)量擾動(dòng)信號(hào)的特點(diǎn)加以構(gòu)造。這種針對(duì)特定信號(hào)構(gòu)造的原子庫(kù)稱為相關(guān)原子庫(kù)[15]。
a.基波原子庫(kù)。
基波是電網(wǎng)信號(hào)中的主要成分,為了對(duì)電網(wǎng)中的擾動(dòng)信號(hào)進(jìn)行更精確的分析,需首先將基波分量提取出來(lái)。為此,根據(jù)基波信號(hào)的特點(diǎn)構(gòu)建基波原子為:
其中,原子包含 4 個(gè)參數(shù)( f1,φ1,ts1,te1),f1為基波頻率,φ1為基波的相位,ts1與te1分別為基波的開(kāi)始與終止時(shí)刻;u(t)為單位階躍函數(shù);kγ1為原子的歸一化系數(shù)。設(shè)待分析信號(hào)f(t)采樣數(shù)據(jù)長(zhǎng)度為N,采樣頻率為fs,則基波原子參數(shù)的取值范圍為49 Hz≤f1≤51 Hz,1 /fs≤ts1<te1≤N /fs,0≤φ1≤2π。
b.類基波原子庫(kù)。
電壓暫升、電壓暫降及電壓中斷等擾動(dòng)信號(hào)的頻率與基波頻率相同,統(tǒng)稱這類擾動(dòng)信號(hào)為類基波擾動(dòng)[12]。為此,構(gòu)建類基波原子為:
其中,原子包含 3 個(gè)參數(shù)(φ2,ts2,te2),φ2為擾動(dòng)的相位,ts2與 te2分別為擾動(dòng)的開(kāi)始與終止時(shí)刻;u(t)為單位階躍函數(shù);kγ2為原子的歸一化系數(shù)。類基波原子的參數(shù)取值范圍為 0≤φ2≤2π,1 /fs≤ts2<te2≤N /fs。
c.脈沖原子庫(kù)。
將持續(xù)時(shí)間非常短的電壓尖峰、電壓切痕等擾動(dòng)統(tǒng)稱為脈沖擾動(dòng)。為此,根據(jù)電網(wǎng)中該擾動(dòng)信號(hào)的特點(diǎn),構(gòu)造脈沖原子為:
其中,原子包含 2 個(gè)參數(shù)(ts3,te3),ts3與te3分別為擾動(dòng)的開(kāi)始與終止時(shí)刻;u(t)為單位階躍函數(shù);kγ3為原子的歸一化系數(shù)。脈沖原子的參數(shù)取值范圍為1/fs≤ts3<te3≤N /fs。
d.振蕩原子庫(kù)。
將電網(wǎng)中衰減振蕩、發(fā)散振蕩、諧波及間諧波等擾動(dòng)信號(hào)統(tǒng)稱為振蕩擾動(dòng),根據(jù)電網(wǎng)中該信號(hào)的特點(diǎn),構(gòu)造的振蕩原子為:
其中,包含 5 個(gè)參數(shù)(f4,φ4,ρ,ts4,te4),f4為擾動(dòng)頻率,φ4為擾動(dòng)的相位,ρ為衰減系數(shù),ts4與te4分別為擾動(dòng)的開(kāi)始與終止時(shí)刻;u(t)為單位階躍函數(shù);kγ4為原子的歸一化系數(shù)。振蕩原子的參數(shù)取值范圍為1/fs≤ts4<te4≤N /fs,0≤φ4≤2π,1 Hz≤f4≤1600 Hz,衰減系數(shù)的范圍可根據(jù)振蕩信號(hào)的類型來(lái)具體確定。
e.閃變?cè)訋?kù)。
根據(jù)電網(wǎng)中閃變信號(hào)的特點(diǎn),構(gòu)造的閃變?cè)訛椋?/p>
其中,包含 4 個(gè)參數(shù)(f5,φ5,ts5,te5),f5為擾動(dòng)的頻率,φ5為擾動(dòng)的相位,ts5與te5分別為擾動(dòng)的開(kāi)始與終止時(shí)刻;u(t)為單位階躍函數(shù);kγ5為原子的歸一化系數(shù)。閃變?cè)拥膮?shù)取值范圍為0.05 Hz≤f5≤35 Hz,1 /fs≤ts5<te5≤N /fs,0≤φ5≤2π。
設(shè)電能質(zhì)量擾動(dòng)信號(hào)的幅值為A,若上述原子gγ(t)的參數(shù)能匹配擾動(dòng)信號(hào),則有:
傳統(tǒng)MP算法采用遍歷的方法來(lái)找尋最匹配原子,因此只能通過(guò)原子參數(shù)離散化來(lái)構(gòu)造與傳統(tǒng)MP算法相配合的冗余原子庫(kù),而參數(shù)的離散值中可能不含設(shè)定值,這樣會(huì)導(dǎo)致分解結(jié)果不夠準(zhǔn)確,在相同的逼近誤差下,重構(gòu)目標(biāo)信號(hào)所需的離散原子數(shù)目將遠(yuǎn)大于連續(xù)原子,考慮到上述缺陷,本文不再對(duì)每種原子的參數(shù)進(jìn)行離散化處理。
快速傅里葉變換(FFT)是數(shù)字信號(hào)處理領(lǐng)域一種很重要的算法,可對(duì)信號(hào)進(jìn)行頻譜分析。由于衰減振蕩、諧波等擾動(dòng)信號(hào)的頻率范圍非常寬,如果直接采用振蕩原子庫(kù)進(jìn)行搜索提取,計(jì)算量將很大。為了減少計(jì)算量,可以在匹配追蹤計(jì)算前,采用FFT對(duì)最優(yōu)原子的頻率進(jìn)行預(yù)求解,目的是降低原子庫(kù)的規(guī)模。該方法的具體步驟如下:
a.采用FFT計(jì)算電能質(zhì)量擾動(dòng)信號(hào)的頻譜;
b.找尋與頻譜極值相對(duì)的頻率fr;
c.將頻率fr量化為原子的頻率,以該頻率為中心,采用MP算法在小范圍內(nèi)搜索最優(yōu)原子的頻率。
PSO算法是通過(guò)模擬鳥(niǎo)群覓食行為而發(fā)展起來(lái)的一種基于群體協(xié)作隨機(jī)搜索的優(yōu)化算法[16]。采用PSO算法優(yōu)化MP算法是將原子與信號(hào)或信號(hào)殘差內(nèi)積的絕對(duì)值作為適應(yīng)度函數(shù),每個(gè)原子看作為一個(gè)粒子,粒子中變量作為待尋優(yōu)參數(shù),例如,提取衰減振蕩信號(hào)時(shí),其待尋優(yōu)參數(shù)為(f4,φ4,ρ,ts4,te4);提取閃變信號(hào)時(shí),其待尋優(yōu)參數(shù)為(f5,φ5,ts5,te5)。
PSO算法優(yōu)化的MP算法的具體步驟如下。
a.初始化粒子群,設(shè)最大迭代次數(shù)為M,種群大小為Nm,在既定范圍內(nèi)隨機(jī)生成粒子中參變量的位置和速度。
c.將個(gè)體極值pbestnd與粒子的適應(yīng)度值進(jìn)行對(duì)比,若當(dāng)前值更優(yōu),則用當(dāng)前值更換pbestnd,并用該粒子的位置更替?zhèn)€體最優(yōu)位置。
d.將全局極值gbestd與粒子的適應(yīng)度值進(jìn)行對(duì)比,若比gbestd更優(yōu),則用此值更替gbestd,并用該粒子的位置更替全局最優(yōu)位置。
e.分別利用式(11)、式(12)更換粒子的速度和位置。
其中,w為慣性權(quán)重,c1與c2為加速系數(shù),本文采用文獻(xiàn)[16]中的參數(shù)選取方法,選 w=0.729 8,c1=c2=1.4962間的隨機(jī)數(shù)為第 m 次迭代時(shí)第n個(gè)粒子的第d維的速度為第m次迭代時(shí)第n個(gè)粒子的第d維的當(dāng)前位置為第m次迭代時(shí)第n個(gè)粒子的第d維的個(gè)體極值點(diǎn)的位置為整個(gè)粒子群在第m次迭代時(shí)第d維的全局極值點(diǎn)的位置。
f.重復(fù)步驟b—e,當(dāng)達(dá)到最大迭代次數(shù)M時(shí)終止迭代。
在迭代分解過(guò)程中,采用連續(xù)變量作為中間變量,得到的結(jié)果也是連續(xù)值,這樣在采用PSO算法優(yōu)化MP算法的同時(shí)也完成了離散參數(shù)連續(xù)化的目的。
采用原子分解的快速算法對(duì)擾動(dòng)信號(hào)進(jìn)行特征提取的具體步驟如下。
a.采用基波原子庫(kù)及PSO算法優(yōu)化的MP算法,提取出基波分量,獲取殘余信號(hào)。
b.根據(jù)擾動(dòng)信號(hào)的不同,采用相應(yīng)的連續(xù)相關(guān)原子庫(kù)。
c.如果采用振蕩原子庫(kù)提取衰減振蕩、諧波等信號(hào),則在匹配追蹤計(jì)算前,采用FFT對(duì)最優(yōu)原子的頻率進(jìn)行預(yù)先求解。
d.采用PSO算法優(yōu)化的MP算法,在連續(xù)的相關(guān)原子庫(kù)中搜尋與當(dāng)前信號(hào)內(nèi)積最大的原子,獲得最匹配的原子,存儲(chǔ)該原子并計(jì)算殘余信號(hào)及殘余能量值。
e.當(dāng)殘余能量值小于設(shè)定的閾值或迭代次數(shù)達(dá)到設(shè)定值時(shí),終止迭代。
f.每次迭代產(chǎn)生的原子都包含電能質(zhì)量擾動(dòng)信號(hào)的實(shí)用參數(shù),用這些原子來(lái)重構(gòu)擾動(dòng)信號(hào),用相似度Cm來(lái)衡量其重構(gòu)性能,其定義為:
其中,f為原始信號(hào);fm為m次的重構(gòu)信號(hào)。
以諧波信號(hào)為例,對(duì)本文提出的原子分解快速算法的性能進(jìn)行分析,取諧波信號(hào)的采樣頻率為12800 Hz,采樣數(shù)據(jù)長(zhǎng)度為0.2 s,每周期采樣256個(gè)點(diǎn),基波頻率為50 Hz,并在信號(hào)中加入20 dB的高斯白噪聲。設(shè)定其仿真參數(shù)如表1所示,表中A為標(biāo)幺值,后同。諧波的分解信號(hào)及重構(gòu)信號(hào)如圖1所示,其中U0為原始波形,U0f為提取的基波分量,U0h1為提取的75 Hz間諧波分量,U0h2為提取的3次諧波分量,U0h3為提取的5次諧波分量,U0r為其重構(gòu)波形。由重構(gòu)波形可以看出該算法有很好的抗噪性能。獲取的匹配參數(shù)如表1所示,該諧波信號(hào)的表達(dá)式為:u(t)=cos(100πt+π /3)+A1cos(150πt+π /2)+
表1 諧波的仿真參數(shù)及匹配參數(shù)Table 1 Simulation and matching parameters of harmonics
圖1 諧波信號(hào)的原子快速分解和重構(gòu)波形Fig.1 Waveforms of atom rapid decomposition and reconstruction for harmonics
當(dāng) 0 s≤t≤0.15 s時(shí),式中 A1=0.5,t為其他值時(shí)A1為 0;當(dāng) 0.05 s≤t≤0.2 s時(shí),式中 A2=0.5,t為其他值時(shí) A2為 0;當(dāng) 0.1 s≤t≤0.2 s時(shí),式中 A3=0.3,t為其他值時(shí)A3為0。
由表1的匹配參數(shù)可知,頻率、相位的誤差都很小,幅值的誤差略大,主要是提取基波幅值時(shí)誤差較大,導(dǎo)致在后續(xù)迭代中誤差累積,使得在提取其他分量的幅值時(shí)誤差越來(lái)越大;但仍符合諧波分析的精度要求,而且可較精確地給出頻率的突變時(shí)刻,可實(shí)現(xiàn)諧波的實(shí)時(shí)跟蹤功能。
為驗(yàn)證原子分解快速算法的穩(wěn)定性,對(duì)該信號(hào)重復(fù)進(jìn)行20次試驗(yàn),得到各分量參數(shù)的最大相對(duì)誤差如表2所示,由表中數(shù)據(jù)可知該算法是比較穩(wěn)定。
表2 諧波各參數(shù)的最大相對(duì)誤差Table 2 Largest relative error of harmonic parameters
為比較離散相關(guān)原子庫(kù)和連續(xù)相關(guān)原子庫(kù)對(duì)算法性能的影響,采用文獻(xiàn)[13]提出的離散化方法,對(duì)振蕩原子庫(kù)中原子參變量(f4,φ4,ρ,ts4,te4)進(jìn)行離散化處理,再采用PSO算法優(yōu)化MP算法對(duì)其進(jìn)行迭代分解,迭代26次(即需26個(gè)原子)后,其相似度才達(dá)到0.9818,耗時(shí)59.58 s。而采用連續(xù)相關(guān)原子庫(kù)只需迭代4次,相似度就達(dá)到0.9909,耗時(shí)7.182 s??梢?jiàn)原子參數(shù)連續(xù)化可以顯著地提高分解結(jié)果的準(zhǔn)確度并降低計(jì)算量。
(1)電壓暫降。
電壓暫降信號(hào)的仿真參數(shù)及匹配參數(shù)如表3所示。
重構(gòu)信號(hào)的相似度Cm達(dá)0.9902。由表3得出,基波幅值、電壓暫降幅值、電壓暫降相位的相對(duì)誤差分別為1.2100%、6.9000%、2.1403%,而其他匹配參數(shù)的相對(duì)誤差都很小,基本可以忽略?;ǚ迪鄬?duì)誤差較大的主要原因是電壓暫降與基波具有相同的頻率,這樣暫降信號(hào)會(huì)使基波的能量變小。在匹配追蹤的過(guò)程中,獲取的最大內(nèi)積也對(duì)應(yīng)地減小,根據(jù)式(10)求取的幅值就會(huì)比設(shè)定值小。由于在采用基波原子庫(kù)提取基波時(shí)存在誤差,導(dǎo)致在提取基波分量后的殘余信號(hào)仍含有少量的基波成分。使得采用類基波原子庫(kù)提取暫降信號(hào)時(shí)出現(xiàn)誤差。雖然暫降信號(hào)幅值的相對(duì)誤差較大,但由于暫降信號(hào)的幅值較小,故該誤差在可接受的范圍內(nèi)。
表3 電壓暫降仿真參數(shù)及匹配參數(shù)Table 3 Simulation and matching parameters of voltage sag
(2)閃變。
閃變的仿真參數(shù)及匹配參數(shù)如表4所示。
表4 閃變的仿真參數(shù)及匹配參數(shù)Table 4 Simulation and matching parameters of flicker
重構(gòu)信號(hào)的相似度Cm達(dá)0.9907。由表4得出,閃變幅值、閃變相位的相對(duì)誤差分別為1.500%、3.7709%,造成這2個(gè)參數(shù)誤差較大的原因有2個(gè):一是受殘余基波分量的影響,二是閃變?cè)谄鹗紩r(shí)刻的值比較小,導(dǎo)致在強(qiáng)噪聲條件下不易分辨。
(3)衰減振蕩。
衰減振蕩的仿真參數(shù)及匹配參數(shù)如表5所示。
表5 衰減振蕩的仿真參數(shù)及匹配參數(shù)Table 5 Simulation and matching parameters of damping oscillation
重構(gòu)信號(hào)相似度為0.9910。由表5得出,衰減系數(shù)、衰減振蕩幅值的誤差分別為1%、3.04%,造成這2個(gè)參數(shù)誤差較大的原因可能是受到了強(qiáng)噪聲和殘余基波分量的影響。
提取衰減振蕩的結(jié)束時(shí)間不穩(wěn)定,這主要是因?yàn)殡S著時(shí)間的推移衰減振蕩逐漸變小,到某一時(shí)間后,衰減的特征不再明顯,導(dǎo)致無(wú)法準(zhǔn)確匹配,所以提取的結(jié)束時(shí)刻會(huì)不穩(wěn)定。
(4)電壓尖峰。
電壓尖峰的仿真參數(shù)及匹配參數(shù)如表6所示。
表6 電壓尖峰的仿真及匹配參數(shù)Table 6 Simulation and matching parameters of voltage spike
重構(gòu)信號(hào)的相似度為0.9904,獲得的匹配參數(shù)都比較理想。
(5)多重?cái)_動(dòng)。
多重?cái)_動(dòng)的仿真參數(shù)及獲取的匹配參數(shù)如表7所示。
表7 多重?cái)_動(dòng)的仿真參數(shù)及匹配參數(shù)Table 7 Simulation and matching parameters of multiple disturbances
重構(gòu)信號(hào)的相似度為0.9909,由表7可知,匹配參數(shù)與理論設(shè)定值的誤差都較小,可以較準(zhǔn)確地提取多重?cái)_動(dòng)中的各個(gè)分量。
本文提出一種電能質(zhì)量擾動(dòng)分析的原子分解快速算法,為電能質(zhì)量擾動(dòng)信號(hào)的分析提供了一種新的途徑。理論分析和仿真算例表明,本文提出的算法可快速有效地建立電能質(zhì)量擾動(dòng)信號(hào)的參量化解析表示,克服了傳統(tǒng)原子分解算法因計(jì)算量大而導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)的缺點(diǎn)。采用原子分解快速算法提取的擾動(dòng)信號(hào)特征量(如幅值、相位、頻率、起止時(shí)間、衰減系數(shù)等)可作為神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等分類器的輸入量,便于對(duì)擾動(dòng)信號(hào)進(jìn)行分類識(shí)別。