引言

 

随着非线性电力电子设备在电气设备中的广泛应用，可再生能源在电网中的广泛接入和节能设备的广泛使用，电能质量的干扰问题日益严重。另一方面，目前的生产工艺和精密设备对电能干扰的耐受性较低，对电能质量的要求也越来越严格，这使得电能质量问题越来越受到重视。一般电能质量问题包括干扰检测、干扰分类和干扰源定位，其中电能质量干扰检测是提高电能质量的首要环节。

 

1配电物联网电能质量复合扰动检测

 

新型电气设备已广泛应用于工业生产和社会生活中，但冲击负荷会影响设备运行过程中电力系统的安全，导致电网中电能数据的质量干扰。随着电气化水平的提高，用户对电能质量提出了更高的要求。配电物联网中电能质量干扰较为复杂，如短时间中断、电压暂降和谐波等常见干扰，检测难度较大，配电网中电能质量干扰的检测可提高电能质量。根据峰值和检测误差调整S变换参数，根据调整后的S变换方法提取电能信号的频率特征，输入分类，实现电能质量干扰检测，但不能准确获得电能质量复合干扰的特征，降低了该方法的识别率。利用Fourier光谱包络动态测量算法获取配电网中电能信号的特征频点，利用小波变换完成分解处理。在此基础上，实现希尔伯特信号变换，最终检测电能质量干扰，但该方法在实际应用中得到的检测结果偏差较大。确定小波域中扰动信号的稀疏性，通过小波压缩感知降维处理电能信号，在正交匹配跟踪算法的基础上计算稀疏系数，建立稀疏矩阵，获得电能信号的悬崖、标准差和最大值，输入神经网络中获得的特征，实现电能质量扰动检测，但该方法不能准确检测配电物联网中电能质量复合扰动的发生时间和结束时间。

 

2面向波浪能发电的电能质量干扰检测

 

波浪作为一种可再生能源，可以形成灵活的电力形式和大量的供应，因此具有巨大的发展潜力，可分为直流和交流。与产生波的直流电源相比，交流池结构简单、适用于小波发电的先进技术具有瞬时功率波动的能力，大波动、长传输距离和电缆寄生参数对网络压力影响较大。因此，从长远来看，第一种电能质量干扰检测方法是快速检测电网中的干扰，防止电气事故的发生，这是目前波能产生电能质量干扰的有力保证，包括短傅里叶变换(STFT)、小波变换(WT)、Hilbert黄色变换(HHT)，EWT等STFT系列方法具有一定的时间和频率分析信号的能力，但更适合稳态扰动分析。WT方法对稳态扰动不敏感，算法计算量大，主要是经验衰减模式(EMD)由HT组成，测试结果丰富，但容易出现暂时湍流混合模式问题，近年来EWT方法也应用于电力质量控制领域，适用于电力质量干扰信号检测，特别适用于复合干扰，但缺点是带宽分布不正确，光谱间隔容易识别，引入IEWT和HT组合，实现有效的信号参数检测，如范围、频率、开始时间和结束复合干扰，推荐的IEWT检测方法解决了传统EWT方法带宽分布不正确的缺点。与HHT方法相比，容易产生频谱误差和混合模式，更适合分析产生电流并与电网连接的电气元素。

 

33电能质量扰动检测方法

 

在短时间内改变傅里叶(FT)在此基础上，增加了沿时间轴移动的短窗函数，将不对称信号视为时间延长，并分析了信号的局部特征，在一定程度上克服了傅立叶的变换(FT)误差仅分析了短时间傅里叶变换(FT)信号的整体状态是一种典型的局部线性时域分析方法，可以获得与FT相比的特定频率的频谱信息或时域幅值信息。

 

44电能质量扰动识别方法

 

根据经验规则，近年来逻辑模糊(FL)广泛应用于电能质量扰动识别中。许多学者将专家系统、神经网络、决策树和向量机结合起来，形成了一系列模糊分类器，用于学习和分类干扰元素。综合模拟和实验表明，这些方法具有较高的精度和良好的识别效果。基于模糊逻辑的电能质量干扰分类器的设计要求对各类数据进行结构识别，使模拟更加逼真，保证了分类器输入变量类型的可靠性。场域模糊分割和模糊分类规则总结如下：1）确定输入域和处理域值，从信号分析处理等一系列数学变换方法中提取，通常反映干扰信号类别的基本特征或信息，如基本频率值、基本频率值的标准偏差、谐波含量、干扰频率、干扰时间等，是所有样本的特征分布范围。该范围的最小值和最大值舍入到最大值。2)确定函数堆栈。这一步模糊了电能质量扰动输入域空间的划分。您可以使用模糊算法，如模糊c平均法、区间划分法或最大树法来模糊空间的隶属性——反映输入值属于这类子函数的输出水平，即信号类的数量。信号类别可以是单一的电能质量干扰，也可以是一般函数之间的混合质量干扰，如keyston、三角学和Gauss。要实现重叠和扩展阵列元素的空间，还必须通过计算信号样本元素的值来确认函数的特定形状参数。

 

结束语

 

在配电物联网中，电力质量复合扰动问题引起了用电市场和电力系统的广泛关注。针对现有电能质量复合扰动检测方法识别率低、检测偏差大、检测效果差的问题，提出了配电物联网电能质量复合扰动检测方法，根据电能质量复合扰动的特点，在支持向量机的基础上实现检测。该方法解决了传统方法中存在的问题，为配电物联网的运行提供了保障。本文研究了电能信号的分解和特征向量提取，提出了基于变分模态分解和数据降维的电能质量干扰参数检测方法，可有效实现电能质量干扰检测，精度高，适用范围广。1)通过优化VMD算法，分解电能质量信号，可有效避免VMD模态混叠。2)利用PCA有效降低分解的本征模态分量，根据电能质量特点选择主模态分量进行电能质量检测，可简化分析结果的复杂性，更准确地检测电能质量干扰参数。3)仿真信号的实验和结果分析验证了该方法的有效性和优点；实际工程信号的分析和处理结果证明，本文提出的方法精度高，实时性强。验证了本文方法的实际应用价值。