劉小斌 趙洛印 劉 明 張 旭

(1.東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶163318； 2.中國石油天然氣股份有限公司管道秦皇島輸油氣分公司，河北 秦皇島 066000)

基于改進(jìn)S變換的電能質(zhì)量擾動智能檢測

劉小斌1趙洛印1劉 明2張 旭1

(1.東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶163318； 2.中國石油天然氣股份有限公司管道秦皇島輸油氣分公司，河北 秦皇島 066000)

為了真實(shí)反映電能質(zhì)量暫態(tài)擾動對電網(wǎng)造成的影響，對電能質(zhì)量暫態(tài)擾動的成因和檢測方法進(jìn)行研究。提出一種改進(jìn)的S變換新方法，對高斯窗函數(shù)的尺度因子進(jìn)行修改，使得結(jié)果具有更好的時間和頻率分辨率。基于該方法對電能質(zhì)量暫態(tài)擾動信號進(jìn)行檢測，并提取各擾動特征量，同時對檢測結(jié)果進(jìn)行數(shù)據(jù)分析。研究結(jié)果表明：修改后的S變換方法能夠?qū)崿F(xiàn)電能質(zhì)量暫態(tài)擾動的實(shí)時智能檢測，檢測結(jié)果準(zhǔn)確可靠。

改進(jìn)的S變換 電能質(zhì)量 暫態(tài)擾動 時頻分析 智能檢測

隨著電力電子技術(shù)的發(fā)展，電力電子設(shè)備得以廣泛應(yīng)用，開關(guān)電源的引入、整流設(shè)備的推廣及大功率電機(jī)的啟停等，都會對電力系統(tǒng)產(chǎn)生極強(qiáng)的干擾。電能質(zhì)量對電力設(shè)備和電能用戶來說是一個重要的問題。電力負(fù)載(如電腦)對于電力系統(tǒng)中存在的各類擾動非常敏感，而非線性負(fù)載(如日光燈或速度控制驅(qū)動器)會導(dǎo)致電力系統(tǒng)電壓和電流信號失真[1，2]。為此，急需對電能質(zhì)量進(jìn)行監(jiān)測，保證用電設(shè)備和電力網(wǎng)絡(luò)的正常運(yùn)行。

電能質(zhì)量的擾動種類繁多，擾動間存在交叉，這對擾動的檢測和分類帶來極大困難。因此，常采用數(shù)字信號分析工具對電能質(zhì)量進(jìn)行分析，如：短時傅里葉變換、小波變換、dq變換、Hilbert-Huang變換及S變換[3]等。短時傅里葉變換可以將時域信號變換至頻域進(jìn)行分析，但是其時域窗的尺度和形狀固定，頻率分辨率也是固定的。小波變換較好地結(jié)合了信號的時頻特性，可以實(shí)現(xiàn)多分辨率分析，但是由于變換尺度和頻率的分析程式固定，難以形成自適應(yīng)分析過程，同時選擇不同種類的母小波對分析結(jié)果的影響也較大[4]。Hilbert-Huang變換可以實(shí)現(xiàn)電能質(zhì)量暫態(tài)擾動的識別，但易受噪聲影響，處理前要進(jìn)行濾波。而S變換實(shí)現(xiàn)了多尺度分析，但分析方法仍相對固定，為此提出一種改進(jìn)的S變換新方法，以期能夠更加靈活地對電能質(zhì)量進(jìn)行分析。

1.1 傳統(tǒng)S變換方法

S變換是短時傅里葉變換和小波變換的繼承與發(fā)展，可以對信號進(jìn)行多分辨率分析[5～8]。時域連續(xù)信號u(τ)的標(biāo)準(zhǔn)S變換形式為：

(1)

其中，w(τ,σ)為高斯窗函數(shù)，有：

(2)

對于傳統(tǒng)S變換，σ的定義如下：

(3)

可以看出，σ是f的函數(shù)，與f成反比。t決定了窗口在時域的位置，σ決定了窗口的形狀。因此，與短時傅里葉變換相比，窗口的形狀隨頻率f的變化而變化，而不是固定的。S變換能夠?qū)崿F(xiàn)對信號的多分辨率分析，即當(dāng)f較小時具有較大的頻率分辨率，當(dāng)f較大時具有較大的時間分辨率。將式(1)轉(zhuǎn)換為t與f的函數(shù)形式：

(4)

1.2改進(jìn)的S變換

傳統(tǒng)的S變換，窗口形狀隨頻率f的改變而改變，但是頻率f與窗口形狀的關(guān)系還是相對固定的。為了更好地控制高斯窗口的長度和方差，并提高能量匯聚度和擾動時間定的準(zhǔn)確率，對標(biāo)準(zhǔn)窗口尺度函數(shù)修改如下：

(5)

其中，c、b為常數(shù)，c、b、f的值決定了信號的時間和頻率分辨率，這些參數(shù)能夠較好地控制高斯窗口的長度和方差。

改進(jìn)的S變換可定義如下：

(6)

將式(5)代入式(6)得到改進(jìn)后的時域連續(xù)信號的S變換式：

(7)

根據(jù)待測信號的類型和性質(zhì)來選擇參數(shù)c和b。研究發(fā)現(xiàn)c=1/N，b為信號方差的4倍時，能夠較好地匹配電能質(zhì)量暫態(tài)擾動的分析。

對于電能質(zhì)量暫態(tài)擾動時域連續(xù)信號u(τ)，在采樣時間間隔為T，采樣點(diǎn)數(shù)為N時，其離散形式為u(kT)(k=0，1，…，N-1)。信號u(kT)的傅里葉變換為：

(8)

同理，修改后的高斯窗函數(shù)離散傅里葉變換為：

根據(jù)卷積定理，時域卷積等于頻域乘積，利用式(7)可以求得信號u(kT)的改進(jìn)S變換離散形式為(推導(dǎo)過程略)：

m、n、j=0,1,2,…,N-1

(9)

當(dāng)頻率為0時，定義：

由上式可知，S[jT,0]為時域信號的平均值。

1.3改進(jìn)S變換的分析過程

運(yùn)用改進(jìn)的S變換對一維連續(xù)時域信號u(t)的分析流程如圖1所示。

圖1 改進(jìn)S變換流程

當(dāng)頻率為零時，需單獨(dú)計(jì)算，計(jì)算出的離散信號u(kT)的平均值，即為改進(jìn)S變換時頻矩陣頻率為零行的值。

2 電能質(zhì)量暫態(tài)擾動仿真與分析

2.1仿真

2.1.1電壓暫降

電力系統(tǒng)發(fā)生遠(yuǎn)端故障或者電機(jī)啟動時會引起電壓暫降，其持續(xù)時間為1/2周波～60s，電壓暫降的幅值區(qū)間0.1～0.9(p.u.)，電網(wǎng)頻率保持不變。建立模型如下：

u(t)=A{1-α[u(t-t1)-u(t-t2)]}sin(2πft)

其中，0.1≤α≤0.9,T≤t2-t1≤8T,t1=0.10s,t2=0.16s,A=1，時域信號和運(yùn)用改進(jìn)S變換方法的分析結(jié)果如圖2、3所示。

圖2 電壓暫降信號

2.1.2電壓暫升

當(dāng)電力系統(tǒng)切除大容量負(fù)荷、發(fā)生單相接地故障或非故障線路電壓、電流等，都會引起電壓暫升，其持續(xù)時間為1/2周波～60s，電壓暫升幅值區(qū)間1.1～1.8(p.u.)，電網(wǎng)頻率仍為額定值。建模如下：

圖3 三維特征曲線(電壓暫降)

其中，A=1,0.1≤α≤0.9,T≤t2-t1≤8T,t1=0.11s,t2=0.17s，時域信號和分析結(jié)果如圖4、5所示。

圖4 電壓暫升信號

圖5 三維特征曲線(電壓暫升)

2.1.3暫態(tài)諧波

整流電路、家用電器(如電視機(jī)、計(jì)算機(jī)及空調(diào)等)及開關(guān)電源等非線性負(fù)載會向電網(wǎng)注入大量諧波，其模型為：

u(t)=Asin(2πft)+α[u(t-t1)-u(t-t2)]sin(2πnft)

其中，A=1，0.1≤α≤0.8,T≤t2-t1≤8T,t1=0.04s,t2=0.12s,n=3。α=0.4時的時域信號和分析結(jié)果如圖6、7所示。

圖6 暫態(tài)諧波信號

圖7 三維特征曲線(瞬態(tài)諧波)

2.1.4短時電壓中斷

若電力網(wǎng)絡(luò)發(fā)生系統(tǒng)故障、用電設(shè)備故障或控制失靈等，會引起電壓中斷，電壓幅值降至0.1倍額定電壓以下，持續(xù)時間不超過1min，其模型為：

u(t)=A{1-α[u(t-t1)-u(t-t2)]}sin(2πft)

其中，A=1，0.9≤α≤1.0,T≤t2-t1≤8T,t1=0.08s,t2=0.12s，其時域信號和分析結(jié)果如圖8、9所示。

圖8 短時電壓中斷信號

圖9 三維特征曲線(短時電壓中斷)

2.1.5振蕩暫態(tài)

當(dāng)電力系統(tǒng)信號突發(fā)一個雙極性的非電源頻率的變化時，即為振蕩暫態(tài)，其模型為：

u(t)=Asin(2πft)+α[u(t-t1)-u(t-t2)]sin(2πnft)e-tk

其中，A=1，0.0≤α≤1.0,0≤t2-t1≤T,t1=0.1050s,t2=0.1158s,n=80,k=10。α=0.4時其時域信號和分析結(jié)果如圖10、11所示。

圖10 暫態(tài)振蕩信號

圖11 三維特征曲線(暫態(tài)振蕩)

2.1.6瞬時脈沖

由閃電電擊線路或感性電路開合引起的兩個連續(xù)穩(wěn)態(tài)之間在極短時間內(nèi)發(fā)生的突變現(xiàn)象即為瞬時脈沖，其模型為：

u(t)=α[u(t-t1)-u(t-t2)]+Asin(2πft)

其中α=6,A=1,t1=0.1030s,t2=0.1036s時，時域信號和分析結(jié)果如圖12、13所示。

圖13 三維特征曲線(瞬時脈沖)

2.2數(shù)據(jù)處理

暫態(tài)擾動的頻率與幅值。利用改進(jìn)S變換對電能質(zhì)量擾動信號進(jìn)行處理，繪制處理后的結(jié)果矩陣的時間-幅值曲線，求取擾動持續(xù)時間內(nèi)的極值點(diǎn)S(m1,n1),S(m2,n2),…,S(me，ne),其中各擾動點(diǎn)的頻率F=nm1,nm2,…,nme，各擾動點(diǎn)的幅值A(chǔ)=abs(S(mi,ni))(i=1,2,3,…,e)。

電壓波動幅值。繪制經(jīng)改進(jìn)S變換處理后的復(fù)數(shù)矩陣的時間-幅值曲線，得到電壓最大幅值A(chǔ)m，則波動幅值為Am-1。

3 實(shí)驗(yàn)數(shù)據(jù)分析

結(jié)合實(shí)際情況，電網(wǎng)頻率為50Hz。實(shí)驗(yàn)所用采樣頻率為5kHz，注入30dB噪聲，運(yùn)用上述數(shù)據(jù)分析方法，對各暫態(tài)擾動模型進(jìn)行分析，其結(jié)果見表1。

表1 電能質(zhì)量暫態(tài)擾動分析結(jié)果

從表1中可以看出，運(yùn)用改進(jìn)的S變換分析方法，能夠?qū)崿F(xiàn)電能質(zhì)量暫態(tài)擾動的檢測，檢測準(zhǔn)確度達(dá)到98.04%以上。

4 結(jié)束語

針對電能質(zhì)量的暫態(tài)擾動問題，提出基于改進(jìn)的S變換的檢測方法。該方法對傳統(tǒng)S變換高斯窗函數(shù)相對固定的缺陷進(jìn)行了修改，因此，改進(jìn)的S變換能夠?qū)﹄娔苜|(zhì)量擾動信號進(jìn)行多分辨率分析，同時信號的頻域能量相對集中。研究結(jié)果表明，該方法能夠準(zhǔn)確地提取出含擾動信號的各個特征量，可以為進(jìn)一步研究電能質(zhì)量的分類作參考。

[1] 易吉良,彭建春,譚會生.采用不完全S變換的電能質(zhì)量擾動檢測方法[J].高電壓技術(shù),2009,35(10):2562～2567.

[2] 王海元,李開成,張獻(xiàn).基于S變換的電能質(zhì)量擾動識別[J].湖南電力,2014,34(4):17～21.

[3] 滿蔚仕,張志禹,康青,等.利用快速S變換的電能質(zhì)量擾動識別方法[J].西安交通大學(xué)學(xué)報(bào),2013,47(8):133～140.

[4] Huang S J,Hsieh C T.High Impedance Fault Detection Utilizing a Morlet Wavelet Transform Approach[J].IEEE Trans Power Del,1999,14(4):1401～1410.

[5] Stockwell R G,Mansinha L,Lowe R P.Localization of the Complex Spectrum:the S Transform[J].IEEE Transactions on Signal Processing,1996,44(4):998～1001.

[6] 江輝,劉順桂,尹遠(yuǎn)興,等.基于小波和改進(jìn)S變換的電能質(zhì)量擾動分類[J].深圳大學(xué)學(xué)報(bào)(理工版),2014,31(1):23～29.

[7] Kezunovic M,Rikalo I.Detect and Classify Faults Using Neural Nets[J].IEEE Computer Application Power，1996,9(4):42～47.

[8] 劉志剛,張巧革,張楊.電能質(zhì)量復(fù)合擾動分類的研究進(jìn)展[J].電力系統(tǒng)保護(hù)與控制,2013,41(13):146～153.

(Continued from Page 123)

(1.FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China;2.InformationandElectricalMeasuringScienceInstitute,YunnanInstituteofMetrologyandTestingTechnology,Kunming650228,China)

AbstractThe spray gun’s working mechanism and influence factors were analyzed and through making use of production data, both soft prediction model of spray gun’s insertion depth and dynamic mathematical model of the spray gun’s end pressure were established and their validity were verified. The fuzzy control research of spray gun end pressure based on soft prediction of spray gun’s insertion depth was carried out. Simulation results show that fuzzy control outperforms the PID control and through OPC interface, the display of spray gun’s end pressure curve can be implemented in WinCC, this lays a foundation for the control of spray gun in the rich oxygen top-blown furnace.

Keywordsfuzzy control, rich oxygen top-blown furnace, spray gun insertion depth, mechanism of soft prediction model, dynamic mathematical model for spray gun end pressure

IntelligentDetectionofPowerQualityDisturbanceBasedonImprovedSTransform

LIU Xiao-bin1, ZHAO Luo-yin1, LIU Ming2,ZHANG Xu1

(1.SchoolofElectricalEngineeringandInformation,NortheastPetroleumUniversity,Daqing163318,China; 2.QinhuangdaoOilandGasTransportationBranchCo.,CNPCPipelineCompany,Qinhuangdao066000,China)

To reflect the influence of power quality transient disturbance (PQTD) on the power grid, a deep research on the disturbance causes and their detection methods was implemented; and the S-transform-based new approach was proposed to modify Gaussian window function’s scale factor so that both better time and frequency resolution can be reached. Having this approach based to detect the PQTD signals and to exact the features of each kind of disturbances as well as analyzing the detection results indicate that this S-transform-based new approach modified can detect and analyze PQTD signals at real time and detection results are accurate and reliable.

modified S transform, power quality, transient disturbance, time-frequency analysis, intelligent detection

TH865

A

1000-3932(2016)02-0134-06

2015-11-17(修改稿)基金項(xiàng)目：黑龍江省自然科學(xué)基金資助項(xiàng)目(E201410)