丁俊峰
天地（常州）自动化股份有限公司 江苏省 常州市 213015
摘要：电能质量是衡量供电系统是否正常的一项重要指标，由于新能源发电的并网及各种非线性负荷的接入，使得电能质量问题越加严重和复杂。在真实环境中投入运营的电力系统，其存在的电能质量扰动在同一个时间段内并不可能是仅仅由一种构成，而是由许多种扰动在信号波形上叠加而成的，所以研究这些信号波形的检测算法对于后期的改善具有重要意义。鉴于此，本文主要分析电能质量扰动检测与识别方法。
关键词：电能质量；扰动检测；识别方法
中图分类号：TU756 文献标识码：A
1、引言
电能作为现代使用最广的能源，随着国民生活质量的提升以及科技的不断进步，对电能的需求及质量要求也越来越高。当电网中投入的电力电子器件增多，各种大型电机的投切使用时，会使其电能质量朝着逐渐恶化的方向发展，不但对用电设备产生一定的损坏还会对生产生活造成一定的破坏。与此同时，现代科学技术对高精度大运算量的仪器使用逐渐增多，在医学方面需要更加精密的仪器实现控制，因此要求电力系统更加稳定，具有更高的质量，在电力系统的各个环节及部门，都需对电力网中存在干扰从而降低供电质量问题投入更多的关注和研究。
2、电能质量扰动概述
2.1、电能质量的定义
电能质量(PowerQuality)传统上来说即为供电的质量，但对电能质量的具体解释目前没有一个绝对的定论。根据美国著名的电子技术协会对其给出的定义来看，为用电负荷设备提供的电力均为符合该设备正常工作即为合格的电能质量，可以看出只要供电对设备及电网不产生影响就是合格的，但在实际生产中这是无法实现的理想情况。
国际电工委员会(InternationalElectrotechnicalCommission,IEC)对电能质量给出了不同的定义为：电能质量即为供电设备在运行时不出现断电且不影响对用户的正常使用的一种物理特征。
我国目前遇到的电能质量突变通常有下面几个因素：电压损失、频率波动、含有多种谐波、三相不平衡。国家在研究了许多国际先进标准的基础上，对暂态扰动、波形变化、幅值变化、频率偏差等编制了国家标准。
2.2、电能质量的分类
根据不同电能质量扰动所具有的频率特性，IEC从电磁兼容的角度将单一电能质量扰动分为低频区段扰动和高频扰动，并有传导型和辐射型之分，具体的不同类型扰动见表1所示。
表1电能质量扰动分类
.png)
电网中的扰动也可以按照时间分为稳态及暂态形式，由于波形数据具有复杂性，并且不同种类扰动的评价指标不同，对于同一时间地点的系统而言，给出明确的扰动评价标准是几乎不可能的。
3、电能质量扰动检测与分类
3.1、电能质量稳态变化
稳态变化对电网造成的影响是连续的，以波形畸变为主要特征，它的首要特性体现在长时间的电信号波动以及扰动区间变化缓慢。主要包括谐波、间谐波、长时间电压波动、三相不平衡等类型。电网中的谐波现象是非常常见的，以奇次谐波为主且频率是基频的整数倍并具有一定的周期性。配备有可调速驱动器及电弧炉等装置的终端用户更容易受到谐波干扰。长时间电压波动主要指电压有效值的快速连续改变，且频率为基频的0.1~0.5倍。
3.2、电能质量暂态事件
暂态事件主要体现在电能传输的过程中的突变性，以变化速度快、持续时间短和电压或者电流突然偏离标准值为主要特征。主要包括暂降、暂升、中断、振荡和脉冲等。其中暂降、暂升、中断主要由幅值突变引起，持续时间为0.5T~1min，是电能质量问题的主要代表，广泛发生于电力系统故障中，可能导致工业生产停滞并产生重大经济损失。振荡和脉冲作为高频扰动，虽然持续时间短，但对电力系统的危害是极其严重的。振荡是一种电压或电流的幅度随时间反复进行两极性突变的现象。
3.3、扰动信号参数检测
在电能质量扰动检测分析过程中，相关特征检测参数有波动幅值变化、开始结束时间、时长变化、谐波干扰等。实现电能质量扰动参数的精确有效检测是分析及改善电能质量的关键步骤。
4、基于参数优化的RBF神经网络分类器的识别方法
4.1、神经网络基本原理
人工神经网络是在自然界神经元的构造基础上进行的数学抽象，由许多神经元节点以一定数学关系相互联结构成复杂的网状形式。每个神经元对应的数学抽象为一种特殊的函数，称为该神经网络的激活函数，每个节点之间都有一个加权值，称为权重。通常设置不同的激活函数及加权值的计算，可以得到许多类型及特性的神经网络，最终计算的网络输出基本由每个神经元之间的连接方式、权重计算及激励函数的构成所决定，因此在设计神经网络分类器时主要对这些方面进行考虑。
4.2、基于RBF神经网络复合扰动分类器设计
在对RBF神经网络构建的过程中，对于隐含层中神经元的个数、径向基函数对称中心位置、函数宽度设置等都是通过大量实验来定义设置，严重损失RBF神经网络输出的精度与网络的灵活性。国外学者Eberhart等人于1995年通过观察鸟类觅食行为，提出了粒子群算法，其基本思想是利用个体的关系及信息共享实现在全局范围内达到最优解。由于PSO方法收敛速度快、全局范围内的查询性能相比于遗传算法有极大提高，可以极大的缩短网络使用大量训练数据的训练时间，因此常用于对网络训练速度提高需要的参数优化。
在RBF神经网络设计中需要设置的参量为：径向基函数的对称中心c及隐含层之间的输出权值w。当中间层节点的宽度变大时，节点对输入变量集合所感知的敏感距离也就很大，中间层节点的数量将会相应地减小，从而提高该神经网络的泛华能力。隐含层到输出层之间的权值同样会决定网络的精度，要使网络能够对训练样本有更高的精度，就需要对权值进行精确计算。
RBF网络的结构输出需要遵循其输出结果与训练输出结果样本数一致的原则，由于本文经过检测算法后提取的特征参量为10组，因此将RBF输入神经元个数设为10，对应于复合扰动经时频曲线中提取的10组特征值。复合扰动的输出层神经元个数为5，对应于不同的扰动类型。
在对高低频改进S变换时频曲线分析的基础上，绘制了描述复合扰动的时频特性曲线，并提取了用于训练神经网络的10组特征量。根据RBF局部逼近能力强、收敛速度快等优点，将其作为电能质量复合扰动的分类器。针对RBF神经网络设计中的参数设置问题，利用PSO对参数的选取和设置进行了优化，设计了用于6种波形复杂的复合扰动分类的RBF神经网络分类器。
5、结束语
电能质量问题具有很强的危害性，例如设备的异常运行与损坏导致使用寿命减少，功耗增加会造成能源浪费等从而造成巨大经济损失。在对电能质量的研究中，国外起步较早，已具有比较完备的理论和技术成果。近年来，我国在这一领域也实现了快速发展，并取得了一定的成绩，同时在这一领域的研究与应用也具有非常大的提升空间。由此可见，本文的研究也就显得十分的有意义。
参考文献：
[1]胡雷.电能质量扰动信号检测与识别方法研究[D].合肥工业大学,2019.
[2]刘洋.电能质量扰动检测与识别方法研究[D].中国矿业大学,2018.
[3]马杰.电力系统电能质量的扰动检测与识别方法研究[D].吉林大学,2017.
[4]张科.电能质量扰动检测与识别研究[D].广西大学,2017.
[5]何巨龙.电力系统电能质量扰动的检测与识别研究[D].湘潭大学,2017.