【电能检测】基于S变换短时电能质量扰动检测附Matlab代码和论文-优快云博客

本文链接：https://blog.youkuaiyun.com/Matlab245/article/details/145249702

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

电压暂降是动态电能质量问题中最受关注的热点之一。大量新型电力电子设备的广泛使用对电网电能质量的要求越来越高，而且电压暂降在电网中又具有一定的传播性。因此，无论从电网还是用户都迫切需要对电压暂降进行研究和治理。对电压暂降的检测是解决电压暂降的前提条件，故本论文主要对电压暂降的检测方法进行研究。

本文分析了国内外短时电能质量扰动检测的研究现状，并着重讨论了短路故障、感应电动机启动和变压器激磁三种电压暂降扰动情况下电压暂降的特性；在此基础上选择了基于S变换的短时电能质量扰动检测方法，从S变换的结果S模矩阵及S复矩阵中提取出所需数据并以此来对各种扰动情况下的电压暂降的幅值、相位跳变、持续时间和谐波含量进行分析。仿真结果表明，该方法很好地实现了对电压暂降各特征量的检测。

1.1 电压暂降概述

电压暂降(voltage sag),指供电电压均方根值在短时间突然下降至额定电压幅值的90%~10%的事件,其典型持续时间为0.5至30周波[1]。

IEEE标准中电压暂降定义为：供电系统中某点的工频电压有效值突然下降到额定值的10%～90%，并随后10ms～1min的短暂持续期后恢复正常[4]。

IEC标准中电压暂降的定义与IEEE标准的不同之处仅在于：下降到电压额定值的1%～90%[4]。

1.1.1 研究电压暂降的目的及意义

近20年来，随着计算机应用技术、自动化控制技术和大功率电力电子技术等高科技术的迅速发展，新型用电设备和各种电力电子设备在电力系统中大量的投入使用，它们对电力系统的干扰非常的敏感，比传统用电设备对电能质量的要求苛刻的多。不论系统处在正常稳态还是故障暂态，均需要保证幅值偏差很小的基波正弦电力的可使用性，即使是几个周期的电压暂降都将影响这些设备的正常工作，造成巨大的经济损失[1]。在所有电能质量问题中，电压暂降出现频次较多、危害最大。电压暂降不同于非有意的突然断电，发生电压暂降时负载仍与供电系统相连，只是供电电压突然降得很低，加上持续时间很短，没有专门的瞬态检测仪器通常很难确定原因[2]。电压暂降已成为用户所面临的市电系统中的最重电磁干扰问题之一[3]。同时，对各电力部门来说，由电压暂降引发的客户抱怨以及经济纠纷增多，会影响其在电力市场环境下的竞争力。

因此，分析电压暂降产生的原因和发生类别，对于制定相应措施并抑制瞬时现象具有重要意义。本毕业设计的主要目的是检测与提取电压暂降扰动的特征量（包括：幅值、相位、起止时间和谐波等），为电压暂降等问题的解决提供有效的信息。

1.1.2电压暂降检测的主要方法及国内外研究现状

电压暂降的问题随着电力系统的出现就存在。直到20世纪70年代由于电压暂降问题对各个行业造成的损失越来越大，其相关的研究工作才逐步展开。80年代，电压暂降的研究工作主要集中在检测、机理分析及其对电机运行性能的影响。80年代末以来，电压暂降被更广泛和更深入的研究，到目前为止，主要的研究工作集中在欧美等一些国家，并已取得丰富的研究成果。IEEE、IEC等组织一直致力于包括电压暂降在内的电能质量相关标准的制定[1]。近几年，国内也有不少的研究机构开始关注电压暂降问题并进行相关研究工作。国内外对电压暂降的研究包括事件检测、暂降域分析和补偿装置的开发，且开发补偿装置是研究重点。

针对电压暂降这一电能质量问题,近年来涌现出了大量的研究成果,主要可以归纳为时域、频域和变换域3种[8]。

基于卡尔曼滤波器具有动态实时性强，检测精度高的特点，故可将其用于对谐波和电压暂降的检测，以期获得更佳的检测效果。但是，传统的卡尔曼滤波器存在以下问题:问题一，因噪声统计特性估计不准确和计算机舍入误差引起的滤波发散现象；问题二，在卡尔曼滤波器达到稳态时，其误差方差阵将饱和，使其对信号的突变变得不敏感；问题三，传统的卡尔曼滤波器对滤波参数无自适应能力，不能随着噪声统计特性的改变而调整自身的滤波参数。针对传统卡尔曼滤波器的缺陷文献[9]提出了基于奇异值分解的自适应卡尔曼滤波，通过计算机算例分析，验证了该方法的有效性，同时证明了它对谐波与电压暂降具有优良的检测性能。

分形理论是近年来发展较快的一门学科，在信号处理和数据压缩方面具有较强的功能。小波变换为分析分形局部细微性质提供了有效手段。文献[10]从小波变换后的系数中，提取扰动的全局分形指数和局部分形指数作为动态电能质量扰动的特征，建立了识别扰动类型的分形指数小波分析方法。

dq变换即派克变换（R.H.Park 1929）,是一种将参考坐标系从旋转电机的定子侧转移到转子侧的坐标变换。文献[11]采用了dq变换提取扰动信号的特征，并采用人工神经网络来对电能质量进行识别，达到了较好的准确率。文献[12]提出了dq 变换平均值法与瞬时电压dq变换低通滤波法，可以对任意相发生电压暂降的相位跳变、幅值和起止时刻进行实时检测。结合实际电能质量扰动信号的特征，给出了判断电压暂降发生与否以及是否超出补偿装置能力的方法。

短时傅里叶变换（STFT）（Dennis Gabor,1946）是在傅里叶变换基础上发展起来的，其实质就是将不平稳的过程看成一系列短时平稳过程的集合，然后再用傅里叶变换分析这一系列短时平稳过程。弥补了傅里叶变换不能同时进行时域和频域局部分析的缺陷[4]。但是，这种方法在捕捉波动谐波等突变信号上始终存在着先天性的不足[13]。时间定位不准确、要求各个分析尺度大致相同、而且变换的离散形式没有正交展开，难以实现高效运算，这些都限制了短时傅里叶变换的应用。不过短时傅里叶变换可以用FFT快速的实现，而且基本上对噪声不敏感，这是短时傅里叶变换的优点。

文献[14]提出了应用HHT对暂态电能质量扰动进行检测和时频分析的方法，通过经验模态分解（EMD）对非平稳的暂态电能质量扰动信号进行平稳化的处理，得到固有模态函数（IMF），再对IMF进行Hilbert变换，利用瞬时频率和幅值检测信号突变点来计算各频率分量的幅值大小。但是，HHT方法在信号扰动有相位跳变发生时，其EMD过程通常会产生模态混叠现象，以致无法准备检测到扰动；而且，关于实际应用中噪声对HHT方法的影响目前还缺乏研究。

小波变换较傅里叶变换和短时傅里叶变换的一大优点是在时、频两域有很好的局部特性，也就是说小波变换根据所分析信号频率的不同，自动的调节时间-频率窗的宽度的大小，在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较低的频率分辨率和较高的时间分辨率，这为检测电压暂降的突变点提供了可能，因为电压暂降波形会在起止时刻出现细小的突变，而小波变换本身对信号的突变奇异点特别的敏感。文献[10]对如何利用小波变换准确区分电压暂降干扰源及其方法进行详细分析。然而，小波变换也有一些缺点，其中之一就是较短时傅里叶变换和S变换难理解，其次小波变换结果与小波函数的选取密切相关，在目前的研究下，还没有相应的选择小波母函数的理论依据，多数情况下还是依据前人的经验和成果。再次小波分析对各类噪声和微弱信号识别都非常敏感，故在实际应用过程中必须和其他有效的去噪方法相结合，这是不如短时傅里叶变换和S变换的地方。第四小波对时域特征变化为主的扰动（如电压突升、电压暂降）不易进行分辨。

S变换（S-Transform）是地球物理学领域的学者Stockwell等人于1996年提出的一种时频可逆分析方法[15]，其思想是对连续小波变换和短时傅里叶变换的一种组合和扩展。由于傅里叶变换只能分别从时间域和频率域的角度分析信号，因而不能满足地球物理学研究在实际应用中对非平稳信号的分析。虽然此前已经提出了诸多时频分析方法，如Gabor变换、短时傅里叶变换、连续小波变换等，但是Stockwell等人提出的S变换以较高的时频分辨率而备受关注。S变换具有和小波变换相似的时频分辨特性，具有与频率相关的分辨率，其变换结果可以通过时频矩阵和时频图像表达。与短时傅里叶变换相比，S变换克服了STFT窗函数不易确定的问题；与连续小波变换相比，S变换的结果更加直观和易于理解，且在高频部分比连续小波变换分解更细致[16]。因此，S变换的出现，也为电力系统尤其是电能质量扰动分析提供了一种富有吸引力的分析手段。本文就采用S变换来对电压暂降进行检测与分析。

学者Dash等人首先将S变换应用于电能质量分析，并对此做出了一系列开拓性的工作[17-21]。文献[17]通过与离散小波变换的对比，指出了S变换在短时电能质量扰动检测、定位、特别是特征提出和分类辨识方面的优势和潜力。文献[18]综合样条小波和S变换，首先利用样条小波对电能质量扰动数据进行压缩存储和重构，然后通过对重构信号进行S变换，输出S变换时频等值图对扰动进行检测和定位，最后提取信号S变换矩阵中特定频率成分幅值的方差以及幅值包络对不同扰动进行特征提取，对这些特征进行定量计算来实现分类识别。文献[19]专门对应S变换进行电能质量扰动分类进行了研究，利用S变换矩阵提出扰动信号标准偏差、振幅系数等特征量，分别研究了前向神经网络和概率神经网络利用该特征向量进行分类辨识的效果，达到了一定的分类准确率，并且适当考虑了噪声的影响。文献[23] 通过算例验证了S变换在暂态电能质量扰动信号分析中,提供了有效、准确的分析结果。文献[24]提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法。介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性。文献[25] 提出了基于时频分析方法S变换的电压凹陷分类专家系统。分析了由故障、故障自清除、变压器激磁和感应电机启动等原因引起的电压凹陷在三相幅值凹凸性、谐波含量、幅值突变次数和相位跳变等方面的不同特征，利用S变换良好的时频分析能力提取并量化这些特征信息。文献[26] 建立各种扰动的标准模时频矩阵, 然后计算扰动信号模时频矩阵与标准模时频矩阵的相似度, 按照相似度最大的原则将扰动分类。文献[27] 利用信号的S 变换幅值矩阵和时域信息快速提取与各类电能质量扰动相应的特征，并借助简单的规则树识别特定的扰动，避免了因训练样本不足引起的较大误差，提高了识别的效率。文献[28] 对常见的几种扰动信号进行S变换仿真，应用S模矩阵幅值平方和均值定位扰动发生时间和持续时间，分析谐波成分等。文献[29] 提出了基于S变换和人工神经网络的电能质量扰动识别方法。首先通过S变换对电能质量扰动信号进行时频分析，实现了各种扰动的有效检测，然后对该检测输出信号进行特征提取，得到包含扰动时频特性的训练和测试样本集，并运用人工神经网络进行扰动训练识别，最终实现电能质量扰动信号的自动分类。

在应用过程中，S变换一般采用离散的形式表示。信号经S变换后的直接结果是一个复时频矩阵，通常对这个复时频矩阵再进行求模，这个模矩阵包含有信号幅值、相位等随时间和频率的分布信息，为进一步提取信号各种特征提供了基础信息。尽管小波变换在检测定位方面具有强大的优势，但却在特征提取方面没有优势， S变换恰恰正好弥补了小波变换的这一劣势。

然而,目前研究的S变换的缺点是实时性差，没有实现这种运算的快速算法，不过S变换可以用FFT快速的实现，而且基本上对噪声不敏感，这是S变换的优点。

1.2 本论文主要研究内容

本文在S变换的基础上，对各种扰动源下的电压暂降的特征进行了详细的检测与分析，具体来说主要研究内容有：

（1）对国内外电压暂降检测研究的现状进行了分析，通过比较选择用S变换来实现对电压暂降的特征量的提取；

（2）从理论上分析了三种电压暂降的干扰源，即系统短路故障、感应电动机启动、变压器激磁引起电压暂降的过程，并根据电压暂降过程中电压的变化分析总结三种原因造成电压暂降的特征，为后文电压暂降扰动原因识别提供理论基础。

（3）在Matlab环境下编写S变换程序来实现对电压暂降各种特征量的提取，总结归纳基于S变换的电压暂降检测原理，即各种特征量的分析方法。

（4）对短路故障、感应电动机启动和变压器激磁情况下的电压暂降的暂降深度、相位跳变、持续时间和谐波问题进行了详细地分析，以实现对各种扰动源情况下电压暂降特征量的检测。

📣 部分代码

%x=sin(2*pi*f*n/fs)-((n>=64)&(n<=512)).*((0.2-n/(5*(N-1))).*sin(2*pi*f*n/fs));%感应电动机

% x=sin(2*pi*f*n/fs)-((n>=100)&(n<=(512))).*(0.15*sin(2*pi*f*n/fs))+(0.1)*sin(4*pi*f*n/fs).*((n>=100)&(n<=(512)))+(0.1)*sin(8*pi*f*n/fs).*((n>=100)&(n<=(512)))+((n>=150)&(n<=512)).*((n-150)/3000).*sin(2*pi*f*n/fs);

%变压器

%Diejia_D = awgn(x,45);%加入高斯噪音

%%%原始信号的离散傅立叶变换函数的产生