孫恩釗 劉愛蓮 謝 濤 李 川

(昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院)

S變換與歐氏距離在電能質(zhì)量擾動(dòng)識(shí)別中的應(yīng)用*

孫恩釗 劉愛蓮 謝 濤 李 川

(昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院)

為了滿足電能質(zhì)量擾動(dòng)檢測與分類的需要、進(jìn)一步提高電能質(zhì)量擾動(dòng)識(shí)別效率，提出一種S變換與歐氏距離相結(jié)合的電能質(zhì)量擾動(dòng)識(shí)別方法。對(duì)電能質(zhì)量擾動(dòng)識(shí)別方法進(jìn)行了仿真分析，結(jié)果表明：在信噪比為20dB的情況下，電壓暫升、電壓暫降和電壓閃變的識(shí)別率較高，而電壓中斷、諧波和暫態(tài)振蕩由于受到諧波和噪聲干擾，識(shí)別率相對(duì)較低；隨著信噪比的增加，擾動(dòng)信號(hào)的識(shí)別率均隨之增加。

電能質(zhì)量 擾動(dòng)識(shí)別效率 S變換 歐氏距離 模時(shí)頻矩陣

目前，隨著非線性負(fù)荷的大量使用，電網(wǎng)中的電能質(zhì)量污染問題日趨嚴(yán)重。為此，必須對(duì)電網(wǎng)中的電能質(zhì)量問題進(jìn)行分類識(shí)別，以提升電網(wǎng)電能質(zhì)量。國內(nèi)外研究人員在電能質(zhì)量擾動(dòng)識(shí)別方面做了大量研究工作[1～4]，其中小波變換因具有良好的時(shí)域-頻域局部化特性，使得它對(duì)暫態(tài)、突變信號(hào)的分析具有顯著優(yōu)勢(shì)，在電力系統(tǒng)中得到了廣泛應(yīng)用。通過小波包分解和重構(gòu)提取擾動(dòng)特征信息，為電能質(zhì)量的檢測、評(píng)估與治理提供依據(jù)[5]。雖然小波變換方法在檢測高頻擾動(dòng)方面的作用明顯，但是對(duì)于電壓暫降、電壓暫升等低頻擾動(dòng)，小波變換的作用十分有限，極易受到噪聲干擾[6,7]。近年來，S變換方法作為小波變換和FFT的延伸，在電能質(zhì)量擾動(dòng)識(shí)別方面的研究成果越來越豐富[8～10]。由Stockwell R G等提出的S變換[11]已經(jīng)在電能質(zhì)量檢測和擾動(dòng)識(shí)別中得到了應(yīng)用[12～14]。易吉良等提出一種基于不完全S變換的擾動(dòng)識(shí)別方法，明顯提高了檢測速度[4]。劉鑫等提出利用S變換模時(shí)頻矩陣局部相似度的方法進(jìn)行擾動(dòng)識(shí)別，提高了抗干擾能力[13]。

筆者提出一種將S變換與歐式距離相結(jié)合的電能質(zhì)量擾動(dòng)識(shí)別方法，首先計(jì)算不同信噪比情況下擾動(dòng)信號(hào)與標(biāo)準(zhǔn)信號(hào)的S變換，然后得到模時(shí)頻矩陣的幅值頻數(shù)直方圖，最后通過比較擾動(dòng)信號(hào)與標(biāo)準(zhǔn)信號(hào)幅值頻數(shù)直方圖之間的歐式距離，即可判斷電能質(zhì)量的擾動(dòng)類型。

1 S變換基本原理

某一連續(xù)信號(hào)x(t)的S變換S(τ,f)定義為：

(1)

其中，w(τ-t,f)為高斯窗函數(shù)；τ用來調(diào)整高斯窗在時(shí)間軸上的位置；f為頻率；t為時(shí)間。

對(duì)x(t)進(jìn)行采樣得到離散信號(hào)x(kTs)(k=0,1,2,…,N-1)，其中Ts是采樣時(shí)間間隔，N是采樣點(diǎn)數(shù)，則由式(1)可得S變換的離散形式為：

(2)

(3)

G(m,n)=e-2π2m2/n2

(4)

2 歐氏距離

歐氏距離是目前比較常用的距離定義方式，表示n維空間中兩個(gè)點(diǎn)之間的真實(shí)距離，也可以用來表示各數(shù)據(jù)對(duì)象之間的距離。歐氏距離DM,N的表達(dá)式如下：

(5)

其中，Mi={xi,yi}是含噪擾動(dòng)信號(hào)幅值頻數(shù)直方圖的第i個(gè)點(diǎn)，Ni為標(biāo)準(zhǔn)信號(hào)幅值頻數(shù)直方圖的第i個(gè)點(diǎn)。為比較擾動(dòng)信號(hào)與標(biāo)準(zhǔn)信號(hào)之間的差異，首先通過S變換計(jì)算兩者的模時(shí)頻矩陣，然后求出模時(shí)頻矩陣的幅值頻數(shù)直方圖，最后比較擾動(dòng)信號(hào)幅值頻數(shù)與標(biāo)準(zhǔn)信號(hào)幅值頻數(shù)之間的歐氏距離。

3 仿真分析

以電壓暫降、電壓暫升、電壓中斷、暫態(tài)振蕩、諧波和閃變6種比較普遍的電能質(zhì)量擾動(dòng)類型為例，分析筆者所提算法的有效性。算法流程如圖1所示。

3.1標(biāo)準(zhǔn)信號(hào)仿真

利用 Matlab生成6種擾動(dòng)信號(hào)的數(shù)學(xué)模型如下：

圖1 算法流程

電壓暫降x(t)=[1-A(u(t2)-u(t1))]sin(w0t),0.1≤A≤0.9,T≤t2-t1≤6T

(6)

電壓暫升x(t)=[1+A(u(t2)-u(t1))]sin(w0t),0.1≤A≤0.9,T≤t2-t1≤6T

(7)

電壓中斷x(t)=[1-A(u(t2)-u(t1))]sin(w0t),0.9≤A≤1,T≤t2-t1≤6T

(8)

暫態(tài)振蕩x(t)=sin(w0t)+Ae-α(t-t1)sin(βw0t)·[u(t-t1)-u(t-t2)]

0.1≤A≤0.8,0.5T≤t2-t1≤3T,0.1≤α≤0.8,10≤β≤15

(9)

諧波x(t)=sin(w0t)+A1sin(3w0t)+A2sin(5w0t)+A3sin(7w0t),0.02≤A1,A2,A3≤1

(10)

閃變x(t)=(1+Asin(w1t))sin(w0t),0≤A≤0.1

(11)

設(shè)電能質(zhì)量擾動(dòng)信號(hào)基頻為50Hz，擾動(dòng)信號(hào)采樣頻率為3.2kHz，每個(gè)信號(hào)周期采樣64個(gè)點(diǎn)，采樣長度為10個(gè)信號(hào)周期；電壓暫降幅度和電壓暫升幅度為0.5，電壓中斷幅值為0.05，諧波的衰減系數(shù)為0.2。

3.2標(biāo)準(zhǔn)信號(hào)的模時(shí)頻矩陣直方圖

利用Matlab，通過S變換對(duì)6種不含噪聲的擾動(dòng)類型進(jìn)行處理，得到這6種信號(hào)的標(biāo)準(zhǔn)模時(shí)頻矩陣如圖2所示，并把這些模時(shí)頻矩陣作為標(biāo)準(zhǔn)矩陣。

圖2 標(biāo)準(zhǔn)模時(shí)頻矩陣

對(duì)信號(hào)的標(biāo)準(zhǔn)模時(shí)頻矩陣取絕對(duì)值，求得矩陣的頻數(shù)直方圖如圖3所示。在擾動(dòng)標(biāo)準(zhǔn)模時(shí)頻矩陣的頻數(shù)直方圖中，因?yàn)榛l信號(hào)占據(jù)了大部分，擾動(dòng)信號(hào)只占其中一小部分，所以舍棄在分布中占比較大的部分，只保留能反映擾動(dòng)信號(hào)特征的小概率部分，這樣不僅可以提高擾動(dòng)類型的識(shí)別率，而且大幅縮減了運(yùn)算量。

圖3 標(biāo)準(zhǔn)模時(shí)頻矩陣直方圖

3.3含噪信號(hào)的模時(shí)頻矩陣直方圖

以信噪比為20dB時(shí)的含噪信號(hào)電壓擾動(dòng)為例， 隨機(jī)產(chǎn)生100個(gè)擾動(dòng)信號(hào)波形， 將這些信號(hào)通過S變換求取對(duì)應(yīng)的模時(shí)頻矩陣，進(jìn)而得到模時(shí)頻矩陣頻數(shù)直方圖如圖4所示。

圖4 含噪信號(hào)的模時(shí)頻矩陣直方圖

為了降低計(jì)算量，提高擾動(dòng)識(shí)別率，舍棄頻數(shù)直方圖中幅值低、概率大的部分。需要注意的是，舍棄的部分必須與標(biāo)準(zhǔn)信號(hào)的模時(shí)頻矩陣直方圖中舍棄的部分相對(duì)應(yīng)。

最后，計(jì)算不同信噪比下的擾動(dòng)信號(hào)直方圖與標(biāo)準(zhǔn)信號(hào)直方圖之間的歐式距離，結(jié)果見表1～3。

表1 20dB下含噪信號(hào)與標(biāo)準(zhǔn)信號(hào)的歐氏距離

表2 30dB下含噪信號(hào)與標(biāo)準(zhǔn)信號(hào)的歐氏距離

表3 40dB下含噪信號(hào)與標(biāo)準(zhǔn)信號(hào)的歐氏距離

由表1～3可知，當(dāng)信噪比為20dB時(shí)，各擾動(dòng)信號(hào)與相對(duì)應(yīng)的信號(hào)模板之間的歐式距離是最小的。其中電壓暫升擾動(dòng)信號(hào)與電壓暫升信號(hào)模板之間的歐式距離為20.049 9，閃變擾動(dòng)信號(hào)與閃變信號(hào)模板之間的歐式距離為49.071 4，這兩個(gè)值相對(duì)于它們與其他模板之間的歐式距離來說是最大的，說明該算法對(duì)電壓暫升和閃變的識(shí)別效果最好。而暫態(tài)振蕩擾動(dòng)信號(hào)與信號(hào)模板之間的歐式距離為96.482 6，與其他模板之間的歐式距離差距較小，說明該算法對(duì)暫態(tài)振蕩的識(shí)別具有一定的缺陷。

不同信噪比的擾動(dòng)識(shí)別率見表4，可以看出，在低信噪比的情況下，電壓暫升和電壓閃變的識(shí)別率較高，達(dá)到了100%。電壓中斷、諧波、暫態(tài)振蕩在信噪比為20dB的情況下識(shí)別率分別為95%、92%、94%，這是因?yàn)樗鼈冊(cè)诘托旁氡惹闆r下受到的諧波和噪聲干擾現(xiàn)象較為嚴(yán)重，所以識(shí)別率相對(duì)較低。隨著信噪比的增加，擾動(dòng)信號(hào)的識(shí)別率隨之增加。

表4 不同信噪比的識(shí)別率 %

4 結(jié)束語

為了能夠有效識(shí)別電能質(zhì)量的擾動(dòng)類型，筆者提出了一種S變換與歐氏距離相結(jié)合的電能質(zhì)量擾動(dòng)識(shí)別方法。該方法首先計(jì)算不同信噪比擾動(dòng)信號(hào)與標(biāo)準(zhǔn)信號(hào)的S變換模時(shí)頻矩陣，進(jìn)而得到模時(shí)頻矩陣的幅值頻數(shù)直方圖，最終通過計(jì)算含噪擾動(dòng)信號(hào)與標(biāo)準(zhǔn)擾動(dòng)信號(hào)幅值頻數(shù)直方圖之間的歐式距離來確定擾動(dòng)類型。仿真結(jié)果表明，該方法能夠有效識(shí)別出電壓暫降、電壓暫升、電壓中斷、諧波、閃變和暫態(tài)振蕩6種擾動(dòng)類型，在低信噪比的情況下仍有較高的識(shí)別率。

[1] 吳兆剛,李唐兵,姚建剛,等.基于小波和改進(jìn)神經(jīng)樹的電能質(zhì)量擾動(dòng)分類[J].電力系統(tǒng)保護(hù)與控制,2014,42(24):86～92.

[2] Chilukuri M V,Dash P K.Multiresolution S-transform-based Fuzzy Recognition System for Power Quality Events[J].IEEE Transactions on Power Delivery,2004,19(1):323～330.

[3] 田振果,傅成華,吳浩,等.基于HHT的電能質(zhì)量擾動(dòng)定位與分類[J].電力系統(tǒng)保護(hù)與控制,2015,43(16):36～42.

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

[5] 郭俊文,李開成,何順帆,等.基于改進(jìn)不完全S變換與決策樹的實(shí)時(shí)電能質(zhì)量擾動(dòng)分類[J].電力系統(tǒng)保護(hù)與控制,2013, 41(22):103～110.

[6] Gu Y H,Bollen M H J.Time-frequency and Time-scale Domain Analysis of Voltage Disturbances[J].IEEE Transactions on Power Delivery,2000,15(4):1279～1284.

[7] Chilukuri M V,Dash P K,Basu K P.Time-frequency Based Pattern Recognition Technique for Detection and Classification of Power Quality Disturbances[C].2004 IEEE Region 10 Conference.Piscataway,NJ:IEEE, 2004:260～263.

[8] Lee I W C,Dash P K.S-transform-based Intelligent System for Classification of Power Quality Disturbance Signals[J].IEEE Transactions on Industrial Electronics,2003,50(4):800～805.

[9] 肖助力,龔仁喜,陳雙,等.基于改進(jìn)S變換的電力系統(tǒng)諧波檢測方法[J].電力系統(tǒng)保護(hù)與控制,2015,43(3):84～90.

[10] 占勇,程浩忠,丁屹峰,等.基于S變換的電能質(zhì)量擾動(dòng)支持向量機(jī)分類識(shí)別[J].中國電機(jī)工程學(xué)報(bào),2005,25(4):51～56.

[11] Stockwell R G,Mansinha L,Lowe R P.Localization of the Complex Spectrum:The S-transform[J].IEEE Transactions on Signal Processing,2002,44(4):998～1001.

[12] Kumar R,Singh B,Shahani D T,et al.Recognition of Power Quality Events Using S-transform Based ANN Classifier and Rule Based Decision Tree[J].IEEE Transactions on Industry Applications,2015,51(2):1249～1257.

[13] 劉鑫,楊洪耕,趙俊.基于S變換模時(shí)頻矩陣局部相似度的短時(shí)電能質(zhì)量擾動(dòng)分類[J].電力系統(tǒng)自動(dòng)化,2009,33(8):62～67.

[14] 張逸,林焱,吳丹岳.電能質(zhì)量監(jiān)測系統(tǒng)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].電力系統(tǒng)保護(hù)與控制,2015,43(2):138～147.

2017-06-23，

2017-07-11)

安特威PDS高頻閥沖刺300萬次開關(guān)壽命

PDS裝置高頻球閥年開關(guān)頻率為20～220萬次，而且存在溫度交變劇烈、超細(xì)粉末和三相流介質(zhì)，工況極其惡劣，再加上技術(shù)難度高，長期以來，高頻開關(guān)球閥全部依賴進(jìn)口，但是進(jìn)口企業(yè)的產(chǎn)品壽命也就在36～100萬次左右。

為打破壟斷，安特威閥門有限公司耗時(shí)五年，艱辛鉆研、反復(fù)試驗(yàn)，終于完全掌握其技術(shù)，現(xiàn)已在包括神華、中石油、東華能源等多套裝置上成功使用。浙江衛(wèi)星石化聚丙烯全裝置使用蘇州安特威閥門有限公司所供的PDS高頻球閥，自2016年10月開車至今已經(jīng)接近十個(gè)月，其開關(guān)頻率為每年160萬次，壽命已經(jīng)達(dá)到120萬次！目前全裝置PDS球閥運(yùn)行穩(wěn)定可靠，無一臺(tái)出現(xiàn)故障。另外，寧煤煤制烯烴PP裝置2015年7月采用安特威PDS高頻閥，采用ABB-LUMMUS工藝，最高開關(guān)頻率達(dá)120萬次/年，目前已達(dá)24個(gè)月，目前運(yùn)行正常，壽命已經(jīng)達(dá)到240萬次開關(guān)！安特威PDS球閥有150和300萬次兩種設(shè)計(jì)壽命，設(shè)計(jì)壽命遠(yuǎn)高于同類進(jìn)口產(chǎn)品，神華寧煤和衛(wèi)星石化使用的都是300萬次設(shè)計(jì)壽命的PDS球閥，現(xiàn)讓我們拭目以待——300萬次壽命的夢(mèng)想大關(guān)能否實(shí)現(xiàn)！

超越一直在進(jìn)行，傳奇才剛開始！

ApplicationofS-transformandEuclideanDistanceinPowerQualityDisturbanceIdentification

SUN En-zhao, LIU Ai-lian, XIE Tao, LI Chuan

(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology)

For purpose of detecting and classifying the power quality disturbances and further enhancing efficiency of identifying power quality disturbances, a power quality disturbance identification method which has S-transform combined with Euclidean distance was proposed and both basic principle of S-transform and the concept of Euclidean distance were introduced. Simulating and analyzing the identification method show that, when the SNR stays at 20dB, this method can recognize voltage swell, voltage dip and voltage flicker accurately but it identifies the voltage interrupt, transient oscillation poorly because of the disturbance from the harmonic wave and noise; and with SNR increasing, the rate of identifying disturbance signals becomes increased.

power quality, disturbance identification rate, S-transform, Euclidean distance, module time-frequency matrixes

孫恩釗(1991-)，碩士研究生，從事智能信息處理、通信工程的研究，547365190@qq.com。

TH865

A

1000-3932(2017)10-0959-05