论文部分内容阅读
随着新能源的广泛使用,大量的非线性电力电子、新能源发电装置和冲击性负荷接入电网,电能质量问题变得日益严重。电能质量问题得到了广泛的关注和研究,对电能质量扰动进行检测是改善和控制电能质量的前提。信号处理方法是电能质量扰动检测广泛应用的方法。然而,传统的电力信号分析方法如小波、HHT等在抗噪性、稳定性和抗模态混叠能力等方面不能兼顾。本文所述的SST算法在抗模态混叠和抗噪方面能够兼顾,优势更突出。本文将同步挤压小波变换(synchrosqueezing wavelet transform,SST)这一新的时频分析工具引入电能质量扰动分析中,研究利用SST对电能质量扰动进行检测分析,主要内容包括:1)针对传统的电能质量扰动分析的时频分析方法易受噪声的影响的问题,研究了SST在电能质量分析中的抗噪性、适用性和提高检测精度的可能性。IEC标准中要求电网中供给用户的电力信号的容许信噪比最小为20 dB,利用小波变换检测扰动信号时,当信噪比大于35 dB时检测精度高,当下降至30 dB时,检测精度大幅下降,而本文的SST方法在20db时能准确提取扰动信号,与小波、HHT相比其抗噪性更强。SST作为小波变换的改进,通过对连续小波变换后的系数在频率域进行挤压,其时频聚焦能力更强,且可逆,通过仿真和实验证明SST对电能质量扰动的检测效果优于小波和EMD。2)针对SST的端点问题,引入ARMA算法对端点数据进行延拓,改善端点部分的SST分解误差。利用ARMA算法对待分析数据的两端进行左右预测延拓,通过多个仿真算例和实际数据说明ARMA延拓能够改善SST端点问题。3)为了更好的检测电能质量扰动,对SST的时频特性进行了研究。研究结果表明SST对信号的分析结果和小波一样,也受小波基函数的选择及小波基函数参数选择的影响。通过选择不同的小波基和恰当的小波基参数,SST检测结果和小波基无关。文中选择Morlet小波作为小波母函数,仿真结果表明,不同的中心频率和带宽参数对分析结果影响比较大。并不是带宽参数和中心频率越大越好,带宽参数和中心频率与待分析的信号相匹配时,检测效果最好。4)针对间谐波对时频分析精度要求高,随机性强、频谱范围宽等难以检测的问题,本文提出基于最小Shannon熵原则选择SST的小波基参数,提高SST的时频分辨能力,进而提高间谐波的检测精度。利用同步挤压小波变换的系数计算Shannon熵值,找到最小的熵值,即认为和原始信号最匹配的,此时SST的时频分析能力和没有利用Shannon熵值优化时相比较,其能力更强,检测间谐波的效果更好。