文/鐘振鑫

電能是現(xiàn)時社會被廣泛使用的一種能源，它的運行質(zhì)量直接關(guān)系到我國的經(jīng)濟發(fā)展水平，電力系統(tǒng)的正常運轉(zhuǎn)是各行各業(yè)穩(wěn)定發(fā)展的基礎。隨著我國經(jīng)濟的不斷發(fā)展，電力系統(tǒng) 的電力負荷越來越重，電力負荷結(jié)構(gòu)向著多元化和繁雜化方向發(fā)展。尤其是電力電子裝置及自動化水平設備的廣泛應用，電器產(chǎn)品性能和電子效率越來越高，這類電器產(chǎn)品的用電負荷會造成電網(wǎng)中的電流和電壓不穩(wěn)定。從而給電力系統(tǒng)造成干擾，最終影響電能質(zhì)量。

1 電能質(zhì)量的概況

1.1 電能質(zhì)量的內(nèi)涵

電能質(zhì)量就是電力在運行過程中，保證電力的電壓、電流、供電等方面的正常運轉(zhuǎn)。對于電能質(zhì)量的定義，學界尚未形成一個統(tǒng)一的概念。大多認為合格的電能質(zhì)量是包含各電力設備之間都協(xié)調(diào)正常工作。保證電力在運轉(zhuǎn)過程中的電流、電壓和頻率不出現(xiàn)問題。

2 電能質(zhì)量擾動量判斷現(xiàn)狀

隨著社會對電力的需要越來越大，電力系統(tǒng)的負荷也隨之不斷加大，從而導致電能質(zhì)量的問題也日益突出，必須要采取切實可行的方法去解決電能質(zhì)量的問題，現(xiàn)時處理電能質(zhì)量擾動方法有三種，分別是頻域分析、時域仿真和基于變換。

2.1 頻域分析

此方法的重心傾向于研究各種諧波的問題，其研究的工作只要有兩個方面：

（1）頻率掃描；

（2）諧波潮流計算問題。

電力電子設備的廣泛使用，其應用過程中會產(chǎn)生負載非線性問題，針對這個問題，電力研究專家研究出了一種新的計算方法，這計算方法就是混合諧波潮流計算方法。該方法結(jié)合了兩種方法。通過諧波潮流計算和時域仿真程序混合運用來保證電能質(zhì)量。在正常情況下，在充分考慮諧波潮流計算方法的影響，用公式解出動態(tài)電流矢量，即解負載各次諧波狀態(tài)下的動態(tài)諧波潮流解。為了精確表達電能質(zhì)量的動態(tài)特性，必須要注意非線性負載控制下電力系統(tǒng)的反應程度。這種方法是缺點是運算量巨大，運用公式的求解難度大。

2.2 時域仿真方法

電力系統(tǒng)在其運行時，可以通過時域仿真程序來進行監(jiān)測，時域仿真方法就是用該程序來研究電能質(zhì)量擾動的情況，不過該方法的研究有其局限性，在電能質(zhì)量擾動問題中，它重心的傾向于研究暫態(tài)現(xiàn)象。當今比較受歡迎的時域仿真程序主要有兩大類程序，分別是電力電子仿真程序和暫態(tài)仿真程序。電力電子仿真程序包含spice、pspice 和saber 等程序。暫態(tài)仿真程序包含emtp、netomac、emtdc 和emtp等程序。這些程序在電力系統(tǒng)中被廣泛用使用。

2.3 基于變換的方法

基于變換的方法多種多樣，要根據(jù)電能質(zhì)量的實際運用來選擇合適的方法。其主要方法有DQ 變換方法、數(shù)學形態(tài)學法、小波變換、S 變換和傅立葉變換方法等方法，其中傅立葉變換方法是比較常用的方法。它可以實現(xiàn)將頻域和時域統(tǒng)一聯(lián)系起來使用。是一種非常實用的分析工具。傅立葉變換方法具備完備和正交等優(yōu)點，在現(xiàn)代頻譜分析上非常具有優(yōu)勢。因此在電力系統(tǒng)的分析領域上有著重要的應用。

3 電能質(zhì)量擾動識別研究

根據(jù)電力系統(tǒng)的運行情況，精確分析、分類和識別電能質(zhì)量的擾動信息，這是有效提高電能質(zhì)量的一種方法。如果采取人工鑒別的方法來分析監(jiān)測擾動信號，這樣無疑是一種低效繁瑣工作方法。隨著智能科技的發(fā)展，其所衍生出來的多種方法被廣泛應用到電力系統(tǒng)中，因此如今電能質(zhì)量問題大多采用了自動分類識別的方式。其主要分類方法有如下幾種：

3.1 神經(jīng)網(wǎng)絡方法

識別電能質(zhì)量擾動問題的方法多種多樣，常見的比較受歡迎的方法就是神經(jīng)網(wǎng)絡。神網(wǎng)絡電力非線性處理速度快，能快速解問題答案，有自學習能力和大規(guī)模分布并行處理數(shù)據(jù)的能力，這些優(yōu)勢使得它在電能質(zhì)量擾動分類識別中發(fā)揮非常重要的作用。它通過仿效人體大腦的運作原理，整合各種各樣的大腦神經(jīng)元，將其統(tǒng)一組合成一個功能強大的神經(jīng)網(wǎng)絡，然后通過神經(jīng)網(wǎng)絡系統(tǒng)來分析、存儲、分類、識別種信息，完成系統(tǒng)的預測功能。神經(jīng)網(wǎng)絡常常和信號分析一起應用。

3.2 專家系統(tǒng)分類法

通過人機對話，構(gòu)建電能質(zhì)量運行的知識庫和數(shù)據(jù)區(qū)，保證解釋器和邏輯推理器的高效運轉(zhuǎn)。用以上方式來組成專家系統(tǒng)。它現(xiàn)時被廣泛應用到電力系統(tǒng)中，是一種應用成熟度也非常高的分類方法。專家系統(tǒng)能高效地自動分類各種信號，保證電能質(zhì)量的正常工作。其工作原理是，第一對信號進行分析總結(jié)，構(gòu)建信號知識庫。第二提取信號波形的特征量，將其形成系統(tǒng)化的知識庫知識。并形成知識規(guī)則。然后將建立的整個知識庫放到專家系統(tǒng)中，一旦搜索特定的信號數(shù)據(jù)樣本，就會從知識庫中獲取預先儲存好的信號數(shù)據(jù)樣本，通過特征匹配來鎖定擾動信號的類別。再進一步返回到用戶界面供用戶使用。

3.3 支持向量機

支持向量機是運用統(tǒng)計學的分類知識而發(fā)展形成的一種方法。SVM 理論在小樣本解決方案，處理非線性問題和識別高維模式的問題上有著非常明顯的優(yōu)勢。它在諸多領域都發(fā)揮著非常重要的作用。如故障診斷、圖像識別、語言識別和文本分類等領域，它優(yōu)化了電能質(zhì)量擾動信號的分類效率。保證在運行過程中尋找最優(yōu)解。這種方法的檢測結(jié)果效率高精度好，但是缺點是需要輔助特征值多，會大大拖慢運行速度，算法的難度會大大提高。

4 結(jié)語

社會經(jīng)濟的發(fā)展依靠電力系統(tǒng)的供電，只有保證電力系統(tǒng)的正常運行，提高電能質(zhì)量，才能有效保證社會經(jīng)濟的穩(wěn)定發(fā)展。因此必須要運用科學的方式來進電能質(zhì)量的擾動量進行判定，保證能快速識別擾動問題的原因。根據(jù)成因?qū)ふ易顑?yōu)解。從而保證電能質(zhì)量的有效工作。