[发明专利]基于Mamdani模糊推理的电压暂降源识别方法

说明书

技术领域

本发明属于电力系统电压质量监测技术领域，尤其涉及一种基于Mamdani模糊推理的电压暂降源识别方法。

背景技术

电压暂降是指供电电压均方根值在短时间突然下降到额定值的90％～1％的事件，其典型持续时间为0.5～30周波。其幅值一般定义为暂降时的电压均方根值与额定电压均方根值的比值，持续时间为暂降从发生到结束之间的时间。同时，电压暂降往往还伴随着电压相位的突然改变，即相位跳变。电压暂降的幅值、持续时间和相位跳变是标称电压暂降最重要的三个特征量。

电压暂降并不是一个新问题，但由于以往的绝大多数用电设备对电压的短时突变不敏感，因此该问题并未引起人们的关注。随着用电设备的技术更新，尤其是大量的微型计算机、微电子控制的电力设备以及大规模的电力电子器件在系统中的应用，如变频调速设备、可编程逻辑控制器、各种自动生产线以及计算机系统等设备的大量使用，对供电系统的电压质量提出了更高的要求，因而，更多的部门和研究人员开始关注电压暂降问题。

由于电压暂降引起的设备不正常工作，从而造成重大损失的情况屡见不鲜。例如调速装置ASD(Adjustable Speed Drives)失灵、低电压跳闸、计算机数据丢失以及程序逻辑控制器PLC(Programmable Logic Controllers)误动等等。据介绍，由于一次电压暂降而使某生产线重新启动需花费50000美元；某玻璃制品厂工频5周波的电压中断，造成损失约200000美元；某计算机中心2s的供电中断引起了约600000美元的损失。据统计，欧美地区电力部门与用户对电压暂降的关注程度比对其他有关电能质量问题的关注程度要强得多。其中一个重要因素是，在电能质量的诸多因素中，由电压暂降引起的用户投诉占整个电能质量问题投诉数量的80％以上。

引起电压暂降的原因主要有雷击、短路故障、变压器投切和感应电动机启动等。由于原因不同，引起的电压暂降现象也不同。如何有效的区分电压暂降源对电压暂降的预防和治理十分重要，同时也为解决用户和系统之间的纠纷提供依据。

现有的暂降源识别方法主要通过对不同的暂降原因进行分析，对不同原因引起的不同波形进行比较，总结差异点，提取电压波形中相应的特征值，确定阈值对电压暂降的原因进行辨别。现有方法包括：基于二次谐波特征和暂降结束幅值的方法，基于S变换和专家系统的方法，基于小波变换方法，基于小波变换和神经网络的方法，基于短时傅里叶变换的方法和基于卡尔曼滤波的方法等。

由于短路故障、变压器投切以及感应电动机启动所引起的电压暂降现象在电压波形的三相平衡性、结束特征和谐波方面有一定的区别，故对电压暂降原因进行识别的方法均基于这几个特征，对数据进行提取分析，实现其功能。“基于二次谐波特征和暂降结束幅值的方法”根据变压器激磁开始时二次谐波电压幅值很大和短路故障引起的电压暂降事件在故障清除后电压幅值立即恢复，分别确定二次谐波幅值和暂降结束瞬间电压幅值的阈值，对三种电压暂降原因进行识别；“基于S变换和专家系统的方法”利用S变换对电压数据进行分析，提取幅值凹凸性、谐波、幅值突变次数、相位跳变和多级电压暂降等特征，并确定相应的阈值。由工作存储器、推理机和知识库构成专家系统，将电压数据输入专家系统，对不同的电压暂降原因进行分析识别；“基于小波变换方法”利用B样条小波变换，对故障类的电压暂降进行突变的判断，利用第四尺度小波变换10％消噪后的模极大值结果中第一个模极大值进行计算得到电压暂降波形相似性对变压器投切和感应电动机启动进行判断，从而实现对不同电压暂降源的识别；“基于小波变换和神经网络的方法”采用Db4小波进行7层小波分解，得到各层分解系数，通过对概率神经网络PNN进行训练，得到对应于三种电压暂降源的结果，再将待判别的暂降原因输入神经网络，实现对不同暂降源的识别；“基于短时傅里叶变换的方法”通过对电压数据进行短时傅里叶变换，提取三相电压幅值相似性、电压扰动时间和电压暂降幅值的频度分布，分别确定阈值，对短路故障和感应电动机启动引起的两种电压暂降现象进行了辨识；“基于卡尔曼滤波的方法”采用卡尔曼滤波提取电压暂降过程中的幅值、谐波、突变和三相均衡度信息，确定相应阈值，对不同的电压暂降原因进行识别。