[发明专利]基于EWT和MFDE的配电网电能质量扰动检测方法

说明书

基于EWT和MFDE的配电网电能质量扰动检测方法，对主动配电网系统中的PQ扰动信号进行提取，并进行预处理；采用经验小波分解EWT，对预处理后的PQ扰动信号进行模态分解，得到包含特征信息的本征模态函数BLIMF；将包含特征信息的本征模态函数BLIMF，作为多尺度振荡散布熵MFDE算法的输入，利用多尺度振荡散布熵MFDE算法，对模态分解得到的本征模态函数BLIMF进行散布熵熵值计算，计算得出PQ扰动信号在各个本征模态函数BLIMF下的多维熵值向量；根据求得的熵值向量经PCA降维后，作为SVM算法的输入量；对含分布式能源的主动配电网系统进行PQ扰动信号识别。本发明能够准确的检测分类出复合电能质量扰动中每一种扰动，且分类准确，具有一定的抗噪能力。

技术领域

本发明涉及电能质量扰动信号检测技术领域，具体涉及一种基于EWT和MFDE的配电网电能质量扰动检测方法。

背景技术

随着分布式发电在电力系统中的集成度越来越高，电力信号变得越来越复杂。由于环境、气候等自然条件的限制，DGs的输出具有随机性、波动性和间歇性的特点，可能导致振荡或闪变。此外，由于DGs的低惯性特性，系统更容易受到各种干扰。在高渗透有源配电网复杂扰动的检测和分类中应引起重视。由于有源配电网中电能质量扰动信号的多样性和复杂性，在电力信号检测方法中仍然存在一些不足。

例如，局部均值分解(LMD)，该算法用于提取配网中非平稳电能信号的特征，并根据迭代筛选过程中的频率下降将信号分解为一系列模态函数。然而，由于“端点效应”和“模态混叠”的缺点，极大地影响了计算结果的准确性，而且这种方法没有自适应分解的能力，对于不同的信号，需要考虑额外的分解量。

变分模式分解(VMD)其也常被用于提取微电网的信号特征。虽然该算法将信号分解从递归滤波模式转换为非递归滤波模式，解决了LMD的一些问题，但以更高的计算复杂度为代价，且仍然不能根据不同的信号复杂度自适应地分解，必须仔细选择参数才能得到正确的结果。

鉴于目前的方法还有缺陷，本发明提出一种经验小波与复合多尺度振荡散布熵相结合的特征提取方法，解决了上述不足。

发明内容

本发明提供一种基于EWT和MFDE的配电网电能质量扰动检测方法，该方法将经验小波分解EWT与多尺度振荡散布熵MFDE相结合，提出了一种基于经验小波分解的多尺度振荡散布熵的瞬态特征提取方法。并搭建了IEEE13节点为基础的主动配电网作为测试系统，并可以使用光学互感器对PQ扰动信号进行提取分析。该方法步骤简单，分类准确，可以提高配电网的可靠性。

本发明采取的技术方案为：

基于EWT和MFDE的配电网电能质量扰动检测方法，包括以下步骤：

步骤1：采用基于光纤传感技术的光学电压互感器，对主动配电网系统中的PQ扰动信号进行提取，PQ扰动信号经过A/D，D/A转换后提取模拟信号，并对模拟信号进行预处理，确保结果准确；

步骤2：采用经验小波分解EWT，对预处理后的PQ扰动信号进行模态分解，得到包含特征信息的本征模态函数BLIMF；

步骤3：将包含特征信息的本征模态函数BLIMF，作为多尺度振荡散布熵MFDE算法的输入，利用多尺度振荡散布熵MFDE算法，对模态分解得到的本征模态函数BLIMF进行散布熵熵值计算，计算得出PQ扰动信号在各个本征模态函数BLIMF下的多维熵值向量；

步骤4：根据步骤3求得的熵值向量经PCA降维后，作为SVM算法的输入量；

步骤5：对含分布式能源的主动配电网系统进行PQ扰动信号识别。

所述步骤1中，搭建包含光伏、风能、电动汽车的高渗透率主动配电网系统，作为电能质量PQ扰动检测方法有效性的测试系统；