一种新的电能质量扰动识别方法*

武昭旭， 杨 岸， 祝龙记

(安徽理工大学 电气与信息工程学院,安徽 淮南 232000)

0 引 言

随着电力系统的发展、电源接入形式多样化、负荷种类的增加，电网中的电能质量问题越来越突出。因此，准确、快速地对电能质量扰动信号识别，是保障电网稳定、安全、高效运行的前提。

目前，国内外学者针对电能质量扰动信号识别分类进行了深入研究，方法主要有：傅里叶变换[1]、小波变换[2]、S变换[3]、希尔伯特黄变换[4]、相空间重构[5]等。文献[6]利用小波变换将原始扰动信号分解到各个频带，分别计算各个频带的能量值和小波系数熵，将二者及基波频带扰动过程的均方根作为特征值输入到改进神经树进行分类，分类准确率较高，但所选扰动均为单一扰动信号。文献[7]利用稀疏自动编码器对原始扰动信号进行无监督特征学习，自动提取数据特征的稀疏特征表达，随后使用Softmax分类器进行训练，得到各种扰动信号的分类准确率，解决了传统神经网络中权值初始随机性的缺点，但编码过程复杂。

通过对现有电能质量扰动信号识别方法的研究可知，各种识别方法通常可分为两个步骤：特征提取和特征分类。特征提取是使用不同的时域、频域信号分析方法提取能反映不同扰动信号的判别信息，特征分类是通过训练不同的分类器实现对扰动信号特征的识别。本文所提方法可以充分减少扰动识别过程中所需处理的数据量、简化识别过程、提高识别速度和识别准确率。……