[发明专利]基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估方法

说明书

基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估技术，包括：基于变分模态分解(VMD)初始化S变换技术对接入配电网的DG类型以及操作事件改变而产生的不同特征PQ扰动进行检测分类识别。搭建了基于风能发电、光伏发电的IEEE‑13节点的混合动力系统作为测试平台验证所提算法的有效性。首先，从PQ扰动信号中提取F1、F2特征量，作为接入混合动力系统分布式能源分类的标准。其次通过VMD初始化S变换，从S变换矩阵中提取F3‑F7特征量作为FCM聚类算法的输入，对每种分布式能源接入条件下由于操作事件改变引起的PQ扰动进行分类。在所提方法和现有方法之间进行百分比准确性比较，验证了所提算法的有效性；最后提出了电能质量评价指标，并在该指标下对9类扰动情况的电能质量影响因子进行评估。

技术领域

本发明属于电能质量扰动信号检测分类技术领域，具体涉及一种基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估方法。

背景技术

目前，电能质量监测已成为保护电气和电子设备，识别干扰原因的重要环节。传统的电能质量指在特定范围内电力、电压、频率调节的可用性。随着可持续发展的目标在电网中不断深入，越来越多的可再生能源和分布式发电在配电网中集成。由于其具备随机性、间歇性等特点，当大量集成时产生的电能质量扰动信号具备一定特点。它们利用电力电子设备作为电网的连口，固态开关器件、非线性负载、整流器和逆变器、继电保护设备也是PQ扰动的原因。除了初始需求谐波失真、短时间内瞬变、电压闪变等也成为电能质量中必须考虑的因素。PQ扰动如果不能及时发现并且降低扰动指标，可能会导致电力传输和配电网络的中断、设备损坏或效率降低，将会造成巨大的经济损失。因此，PQ扰动监测尤为重要。如何在供电不中断的情况下使电能质量迅速恢复成为当下研究重点和难点。在复杂的电力系统中，大量的PQ扰动数据很难进行分析和监测，智能化和自动化的算法使得当系统在面临操作环境突变时，满足用户对电能质量的要求。

S变换是一种基于时间频率的光谱定位技术，具有小波变换和短时傅里叶变换的优点，该变换给出了信号的分辨率，具有可调节功能的窗口函数，并且提供了分析PQ干扰信号的相位谱和振幅。即使在高电平噪声下也可以实现高精度的转换。人工智能方法通常用于确定PQ扰动的各种模式。

发明内容

本发明提供一种基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估方法，该方法具有较低的计算负担，并能准确的将具有重叠特征的扰动进行分类。

本发明采取的技术方案为：

基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估方法，首先，通过从PQ扰动信号中提取F1、F2统计特征量，作为接入混合动力系统分布式能源分类的标准；其次，通过VMD初始化S变换，对包含最大特征信息的模态函数进行S变换多分辨率分解，提取F3-F7特征量作为FCM聚类算法的输入，对每种分布式能源接入条件下由于操作事件改变引起的PQ扰动进行分类，对每一类电能质量扰动的100个数据集进行了测试，为了确定算法的可行性和有效性，在提出的方法和现有方法之间的百分比准确性方面进行比较，验证了仿真结果的有效性；最后，提出了电能质量评价指标，并在该指标下对9类扰动情况的电能质量影响因子进行评估。

基于VMD初始化S变换的混合动力系统电能质量扰动检测与评估方法，包括以下步骤：

步骤1：搭建混合动力系统，作为测试算法有效性的实验平台；

步骤2：采用变分模态分解(VMD)，对扰动信号分解得到模态函数(BLIMF)，进行电能质量扰动检测；

步骤3：对扰动信号求取统计特征量F1、F2并设定阈值作为分类标准；

步骤4：对包含最大特征信息的BLIMF函数进行S变换多分辨率分解得到S变换矩阵；

步骤5：通过S变换矩阵，计算F3-F7类统计特征量，作为模糊C均值聚类(FCM)算法的输入；