朱 林，蘆 翔，祁升龍，徐 軍

(1. 國(guó)網(wǎng)寧夏電力有限公司，寧夏 銀川 750001; 2. 國(guó)網(wǎng)寧夏電力有限公司電力科學(xué)研究院，寧夏 銀川 750001;3. 國(guó)網(wǎng)寧夏電力有限公司固原供電公司，寧夏 固原 756000)

0 引 言

電力系統(tǒng)復(fù)雜程度和規(guī)模日益增加，各種非線性負(fù)載的大量應(yīng)用，使電網(wǎng)運(yùn)行質(zhì)量受到嚴(yán)重威脅[1-2]，特別是電流幅值時(shí)滯問(wèn)題，極大地影響了電網(wǎng)運(yùn)行的穩(wěn)定性。電網(wǎng)能耗分布中電源結(jié)構(gòu)與大規(guī)模風(fēng)電并網(wǎng)存在不匹配性，且電網(wǎng)能耗市場(chǎng)消納空間相對(duì)有限，仍未能從根本上解決現(xiàn)有問(wèn)題。電力市場(chǎng)是以電力這種特殊商品作為交換內(nèi)容的市場(chǎng)，因此，研究有效的電流幅值時(shí)滯檢測(cè)方法尤為重要，不僅能為電網(wǎng)安全可靠運(yùn)行提供保障，還能為電力系統(tǒng)的現(xiàn)代化發(fā)展提供有力支撐[3]。

目前許多相關(guān)專(zhuān)家學(xué)者均致力于電流幅值時(shí)滯檢測(cè)方法的研究，文獻(xiàn)[4]提出基于正弦幅值積分器的全電流諧波檢測(cè)方法，該方法在ip-iq諧波檢測(cè)法的基礎(chǔ)上進(jìn)行改進(jìn)，檢測(cè)精度高，但該方法結(jié)構(gòu)較復(fù)雜；文獻(xiàn)[5]提出基于Kalman濾波算法的電網(wǎng)故障行波檢測(cè)方法，該方法的電流幅值信號(hào)定位準(zhǔn)確性和穩(wěn)定性高，但效率較低。為解決目前研究方法存在的問(wèn)題，本文提出基于自適應(yīng)小波閾值去噪和HT-LMD的電流幅值時(shí)滯檢測(cè)方法，通過(guò)自適應(yīng)閾值調(diào)整小波去噪法去除電流幅值信號(hào)中的噪聲，采用HT-LMD分解去噪后的電流幅值信號(hào)，通過(guò)對(duì)比分析獲取的PF分量中的幅值特征、邊際譜特征、瞬時(shí)頻率特征和Hilbert-Huang譜特征，完成電流幅值時(shí)滯檢測(cè)，為提升電網(wǎng)運(yùn)行穩(wěn)定性提供了重要依據(jù)。

1 基于自適應(yīng)小波閾值去噪和HT-LMD的電流幅值時(shí)滯檢測(cè)方法

1.1 電流幅值時(shí)滯檢測(cè)過(guò)程

采用如圖1所示過(guò)程，實(shí)現(xiàn)基于自適應(yīng)小波閾值去噪和HT-LMD的電流幅值時(shí)滯檢測(cè)。該過(guò)程采用自適應(yīng)閾值調(diào)整小波去噪法對(duì)含噪聲電流幅值信號(hào)實(shí)施去噪處理，根據(jù)正交性判據(jù)（orthogonality criterion, OC）對(duì)去噪后的信號(hào)進(jìn)行HT-LMD分解，得到PF分量[6]，通過(guò)比較分析PF量幅值、邊際譜、瞬時(shí)頻率和Hilbert-Huang譜等特征，檢測(cè)電流幅值中的時(shí)滯信號(hào)。

圖1 電流幅值時(shí)滯檢測(cè)過(guò)程

1.2 自適應(yīng)閾值調(diào)整小波去噪法

選擇閾值的方式成為重要因素，是由于在去噪時(shí)具有不同噪聲強(qiáng)度的信號(hào)對(duì)應(yīng)的最優(yōu)閾值存在差異，因此將最小均方（least mean square, LMS）算法與提升小波閾值去噪算法相結(jié)合，提出自適應(yīng)閾值調(diào)整小波去噪法[7]。按照輸入信號(hào)的噪聲強(qiáng)度，基于最小均方算法的自適應(yīng)器可以自動(dòng)地對(duì)輸出閾值t(j)進(jìn)行調(diào)整，使其逐漸向最優(yōu)閾值參數(shù)靠近，在此基礎(chǔ)上實(shí)施提升格式的小波去噪，包含小波濾波和自適應(yīng)調(diào)整閾值兩個(gè)基本過(guò)程。

1.2.1 小波閾值去噪

通過(guò)小波變換分離有效信號(hào)與噪聲信號(hào)，并使兩者間的關(guān)聯(lián)性盡量被消除。噪聲信號(hào)與有效信號(hào)于小波域內(nèi)展現(xiàn)的特征差異較大，少量小波系數(shù)中大多為有效信號(hào)的能量，噪聲信號(hào)的能量分布較平均，每個(gè)小波系數(shù)幅值極小[8-9]。低頻系數(shù)中一般為有效信號(hào)，而高頻系數(shù)中一般為噪聲信號(hào)，其在分解層數(shù)不斷增加的情況下，影響程度大幅降低。小波域中的閾值去噪流程如圖2所示。

圖2 小波閾值去噪流程圖

1）用S(j)表示含噪聲信號(hào)，可采用提升格式方法對(duì)S(j)實(shí)施五層小波變換獲得低頻系數(shù)和每個(gè)尺度上的高頻系數(shù)。

2）為每個(gè)尺度上的高頻系數(shù)建立閾值，若高頻系數(shù)比閾值小，則將高頻系數(shù)設(shè)置為0；若高頻系數(shù)比閾值大，則對(duì)高頻系數(shù)實(shí)施收縮處理。

3）重構(gòu)處理后的小波系數(shù)，獲得估計(jì)信號(hào)。

1.2.2 自適應(yīng)調(diào)整閾值

1.3 基于HT-LMD的電流幅值時(shí)滯檢測(cè)

1.3.1 LMD分解

LMD依據(jù)信號(hào)固有的包絡(luò)特征，在獲取原始信號(hào)中的包絡(luò)信號(hào)與純調(diào)頻信號(hào)時(shí)，可按照頻率遞減次序，采用迭代算法自適應(yīng)地逐級(jí)提取出來(lái)，用原始信號(hào)的時(shí)頻分布表示兩個(gè)信號(hào)的乘積（即PF分量）[11]。信號(hào)x(t)的分解流程如圖3所示。

圖3 信號(hào)分解流程圖

1.3.2 HT-LMD檢測(cè)

1.3.3 正交性判據(jù)迭代終止

2 實(shí)驗(yàn)分析

采用Matlab軟件仿真的電路為實(shí)驗(yàn)對(duì)象，驗(yàn)證本文方法的有效性和可行性。實(shí)驗(yàn)分析輸入包具有不同強(qiáng)度噪聲信號(hào)時(shí)的去噪效果，并設(shè)計(jì)對(duì)比實(shí)驗(yàn)，選取文獻(xiàn)[4]的基于正弦幅值積分器的全電流諧波檢測(cè)方法（簡(jiǎn)稱(chēng)正弦幅值積分器檢測(cè)方法）和文獻(xiàn)[5]的基于Kalman濾波算法的電網(wǎng)故障行波檢測(cè)方法（簡(jiǎn)稱(chēng)Kalman濾波檢測(cè)方法），作為本文方法的對(duì)比方法，3種方法去噪后的信噪比對(duì)比結(jié)果如表1所示。

表1 3種方法去噪后的信噪比對(duì)比結(jié)果dB

由表可知，和其他兩種方法相比，本文方法輸出信號(hào)的信噪比約高出1～4 dB，由此可以說(shuō)明，在輸入信號(hào)噪聲強(qiáng)度不斷變化的情況下，本文方法仍能自適應(yīng)地更新相關(guān)參數(shù)，更好地向最優(yōu)值逼近。

分別使用3種方法對(duì)含25 dB噪聲的信號(hào)實(shí)施去噪處理，對(duì)比結(jié)果如圖4所示。由圖可知，正弦幅值積分器檢測(cè)方法和Kalman濾波檢測(cè)方法得到的結(jié)果仍存在沒(méi)有去除的噪聲，而本文方法的去噪效果尤為顯著，可很好地保存有效信號(hào)特征。

圖4 3種方法的去噪效果對(duì)比

為驗(yàn)證電流幅值時(shí)滯檢測(cè)效果，對(duì)電壓暫降波形進(jìn)行分析，實(shí)測(cè)波形和采用本文方法處理后的LMD分解波形所圖5所示。由圖可知，本文方法能準(zhǔn)確獲取電壓暫降LMD分量，且LMD分解后得到的輸出波形R的幅值變化較為穩(wěn)定，極大地提升了電流幅值時(shí)滯檢測(cè)效果。

圖5 電壓暫降波形分析

3 結(jié)束語(yǔ)

本文所研究的基于自適應(yīng)小波閾值去噪和HTLMD的電流幅值時(shí)滯檢測(cè)方法輸出信號(hào)的信噪比較高，約高出1～4 dB，在一定程度上可滿足電力企業(yè)對(duì)電網(wǎng)運(yùn)行質(zhì)量的要求，提升電網(wǎng)安全，保障其穩(wěn)定運(yùn)行。本文方法去噪效果顯著，能有效獲取電壓暫降LMD分量，具有較好的電流幅值時(shí)滯檢測(cè)效果，且LMD分解后得到的輸出波形R的幅值變化較為穩(wěn)定。