论文部分内容阅读
随着清洁能源的大规模并网以及电力电子元件的广泛应用,公用电网的电能质量面临愈发严重的挑战。同时,工业生产和社会生活朝智能化方向发展使得更多的电力系统负荷对电能质量敏感,因此用户也明显提高了对电能质量的重视和追求。作为治理电能质量问题的支持和依据,电能质量检测与分析的重要性得到大大的增强。在嵌入式系统上实现电能质量的检测和分析同样为智能电力仪表的开发打下了坚实的基础。本文研究了电能质量参数的测量方法问题,电能质量扰动信号的特征提取和特征分类问题,并且在数字信号处理器(DSP)上实现了参数测量和扰动分类的相关算法。本文的内容具体有以下几点:(1)总结了国内外对电能质量检测分析的研究在参数测量和扰动分类方面的现状。对比了许多在嵌入式系统上实现电能质量检测分析的案例。介绍了经典的电能参数测量方法、谐波检测分析方法和闪变测量计算方法。(2)推导和分析了S变换的基本原理和性质。利用S变换对常见的单一和复合扰动在时域和频域上的特性进行了分析。提出了一种改进的不完全S变换算法,它通过只对主要频率行做S变换来减小计算复杂度和存储空间需求,然后根据不同频率段的时频分辨率的要求调节了高斯窗宽度。设计了一种以改进不完全S变换提取特征,以决策树对扰动分类的方法。从扰动信号经过不完全S变换后的结果中构造了5个区分度较高的特征值。在对大量扰动样本的特征值统计结果中确定了每个特征值的阈值,最后形成了决策树分类器。MATLAB仿真实验表明该方法可以准确分类6种单一扰动和7种复合扰动,并且在多种噪声水平下的准确率保持在较高水平。(3)在DSP系统上实现了上述电能质量参数测量和电能质量扰动分类的算法。软件的设计中合理地分配了数据的物理存储空间,充分地利用了DSP自身优化的库函数,从而减少了开发难度和加快了程序的运行速度。实际测试表明DSP可以计算各种电能质量参数,并从原始采样序列中识别电能质量扰动。