电能质量检测分析监控新技术
电能质量检测分析监控新技术
来源：中国论文下载中心
摘要：随着科技的进步，现代电力系统中用电负荷结构发生了重大变化，诸如半导体整流器、晶闸管调压及变频调整装置、炼钢电弧炉、电气化铁路和家用电器等负荷迅速发展，由于其非线性、冲击性以及不平衡的用电特性，使电网的电压波形发生畸变成引起电压波动和闪变以及三相不平衡，甚至引起系统频率波动等，对供电电能质量造成严重的干扰或“污染”[1]。电网中正面对越来越多的电能质量问题，这使得电能质量的研究十分紧迫。电能质量检测是获得电能相关数据的最直接手段，也是电能质量其他后续高级应用研究的前端。
关键词：电能 质量检测 神经网络
1 电能质量研究中新技术的应用背景
随着科技的进步，现代电力系统中用电负荷结构发生了重大变化，诸如半导体整流器、晶闸管调压及变频调整装置、炼钢电弧炉、电气化铁路和家用电器等负荷迅速发展，由于其非线性、冲击性以及不平衡的用电特性，使电网的电压波形发生畸变成引起电压波动和闪变以及三相不平衡，甚至引起系统频率波动等，对供电电能质量造成严重的干扰或“污染”[1]。电网中正面对越来越多的电能质量问题，这使得电能质量的研究十分紧迫。
另一方面 ，电能质量正逐步受到供电企业和电力用户的共同关注。进入20世纪90年代以来、随着半导体、计算机技术的迅速发展，一批高新技术企业应运而生，出现大量的微机控制装置和生产线.对电能质量提出了新的要求；而电力市场的发展，使供电企业进一步认识到：用户的需要也是自身的需要。在这样的背景下，因电能质量不良而使用户设备停机或出次品的情况.仍应看作电能质量不合格。当然，电能质量不良有多种情况，用户对电能质量的敏感程度也各不相同。一船来说，供电企业可对不同的电能质量划分等级、分别定价、用户可以自由选择。但由于我国目前还未能实现优质优价。因此，进一步改善电能质量的工作基本上要求在用户侧解决。随着各种用电设备对电能质量敏感度的变化，电能质量的范围进一步扩大.分类更细要求更高[2]。在新的电力市场环境下，电能质量已成为电能这种商品的消费特性，很大程度上体现了供电部门服务品质。所以有关部门正在加大对电能质量的监管和治理。
这些背景下，电能质量的研究迫切需要一些新技术来推动，通过这些新技术的应用，从而使电能质量从检测、分析和监控等方面得到提高，从而有利发现问题和规律、改善供电质量和服务。
2 电能质量检测中的新技术
电能质量检测是获得电能相关数据的最直接手段，也是电能质量其他后续高级应用研究的前端。
2.1 当前电能质量检测的情况
对电能质量进行监测是获得电能质量信息的直接途径，虽然这方面的检测仪器已不少，但大多数只局限于持续性和稳定性指标的检测，而传统的基于有效值理论的检测技术由于时间窗太长，仅测有效值已不能精确描述实际的电能质量问题，因此需发展满足以下要求的新检测技术[3]：①能捕捉快速(ms级甚至ns级)瞬时干扰的波形。因为许多瞬间扰动很难用个别参量(如有效值)来完整描述，同时随机性强，因此需要采用多种判据来启动量和装置，如幅值、波形畸变、幅值上升率等。②需要测量各次谐波以及间谐波的幅值、相位，需要有足够高的采样速率，以便能测得相当高次谐波的信息。③建立有效的分析和自动辨识系统，使之能反映各种电能质量指标的特征及其随时间的变化规律。
随着电力的市场化和电能质量的法规化，供电质量将引起越来越广泛的重视，开发出考虑电能质量监测的新的SCADA系统是配电能量管理系统的新研究方向。这一领域的难点将是对电流、电压的同时持续测量，对质量指标的分类辨识和统计，数据量大，因此需要开发强大的数据库来进行有效管理。
2.2 新技术应用
当前，电能质量在硬件和软件上应用了主要有数字信号处理（DSP），虚拟仪器等新技术以及新的如小波变换的算法。
[4]介绍了有关电能质量的基本概念和衡量标准，并给出了适合数字测量的分析方法和闪变检测仿真波形。[5]讨论了DSP器件在电能质量补偿器中的检测应用，重点介绍用该器件实现物理硬件和控制软件方面的实际开发。[6]根据电能质量检测对于系统实时性和支持复杂算法的特殊要求，提出一种基于双CPU的嵌入式实时系统解决方案。主要讨论设备的硬件系统设计和基于双CPU系统的软件设计思想。设计经过实际的调试和运行，电路功能正常，证明了该设计的合理性和可用性。相对于以往的设计，具有实时性好、体积小和成本低的优点。[7]对基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究，通过基于标准偏差估计的小波消噪算法，有效排除了噪声干扰，实现了精确的故障时刻定位。[8]根据小波变换的理论,结合电能质量检测数据的特点,文中将基于小波变换系数的门限方法应用于电能质量检测数据的压缩。仿真计算结果及其分析表明,该方法简单而且压缩效果较好,能保留压缩信号的局部特征,计算速度快,很适合于实时性要求较强的场合。[9]对电能质量检测系统的组成部分和工作原理进行了详细介绍。电能质量检测系统的软件应用MATLAB与C++语言的混合编程技术进行开发。该系统不但能实现电网数据的精确采样,还可以分析电网的各项电能质量指标,并以直观的图形显示出来。[10]介绍了虚拟仪器的电能质量检测和分析系统的组成,介绍LabVIEW软件实现的频率跟踪技术,并介绍了使用网络对电能质量进行远程检测和数据分析的方法,最后给出了部分程序。
3 电能质量分析中的新技术
电能质量的分析计算涉及对各种干扰源和电力系统的数学描述，需要开发相应的分析软件和工程方法来对各种电能质量问题进行系统的分析，为改善电能质量提供指导。由于干扰源性质各异，干扰的频谱从0Hz到GHz的广宽范围内，电网元件在不同干扰作用下呈现不同的性能，因此建立干扰源和电网元件(或局部电网)准确的数学模型有时困难很大，而分析计算的准确性不仅取决于数学模型和计算方法，还有赖于电网基础资料的可信度。
近年来，基于数字技术的各种分析方法已在以下电能质量领域中得到应用：
① 分析谐波在网络中的分布
② 分析各种扰动源引起的波形畸变及在网络中的传播
③ 分析各种电能质量控制装置在解决相关问题方面的作用；
④ 多个控制装置的协调以及与其他控制器的综合控制等问题。
目前所采用的方法有三种：
(1) 时域仿真方法 该方法在电能质量分析中的应用最为广泛，其主要的用途是利用各种时域仿真程序对电能质量问题中的各种暂态现象进行研究。目前较通用的时域仿真程序主要有EMW、EMTEC、NETOMAC、BPA等系统暂态仿真程序和SPICE、PSPICE、MATLAB、SABER等电力电子仿真程序两大类。由于这些仿真程序在不断发展中，其功能日益强大，还可利用它们进行电力设备、元件的建模和电力系统的谐波分析。
(2) 频域分析方法 该方法主要用于谐波问题的分析计算，包括频率扫描，谐波潮流计算等。考虑到一些非线性负载的动态特性，近年来又提出一种混合谐波潮流的计算方法，即在常规的谐波潮流计算法基础上，利用EMTP等时域仿真程序对非线性负载进行仿真计算，可求出各次谐波动态电流失量，从而得到动态谐波潮流解。
(3) 基于变换的方法 这里主要指Fourier变换方法、短时Fourier变换方法和小波变换(wavelet)方法。作为经典的信号分析方法Fourier变换具有正交、完备等许多优点，而且有象FFT这样的快速Fourier算法，因此已在电能质量分析领域中得到广泛应用。但在运用FR时，必须满足以下条件：①满足采样定理的要求，即采样频率必须是最高信号频率的两倍以上；②被分析的波形必须是稳态的、随时间周期变化的。因此；当采样频率或信号不能满足上列条件时，利用FFT分析会给分析带来误差。此外，由于FFT变换是对整个时间段的积分，时间信息得不到充分利用；信号的任何突变，其频谱将散布于整个领带。为解决上述问题，Gabor利用加窗，提出了短时Fourier变换方法，即将不平稳过程看成是一系列短时乎稳过程的集合，将Fourier变换用于不平稳信号的分析。由于实际多尺度过程的分析要求时—佰窗口具有自适应性，即高频时频窗大、时窗小；低频时频窗小，时窗大，而STFT的时—频窗口则固定不变。因此，它只适合于分析特征尺度大致相同的过程，不适合分析多尺度过程和突变过程。而且这种方法的离散形式没有正交展开，难以实现高效算法。小波变换由于具有时—频局部化的特点，克服了以上FFT和STFT的缺点，特别适合于突变信号和不平稳信号的分析。小波变换作为一种新的数字技术被引入工程界后，已在图像处理、数据压缩和信号分析等领域得到广泛应用。由于小波函数本身衰减很快，也属一种暂态波形，将其用于电能质量分析领域，尤其是暂态过程分析领域将具有FFT、STFT所无法比拟的优点。 最近，已有文献介绍应用小波变换方法进行电能质量评估、电磁暂态波形分析和电力系统扰动建模等电能质量问题的研究。
4 电能质量研究中的人工智能新技术
最近几年，以专家系统, 神经网，模糊逻辑和进化计算为代表的人工智能新技术已开始较全面地应用于电能质量研究，因为它是个较复杂，工作量和数据处理量很大的系统工作。特别是在电能质量分析方面, 很多人工智能应用来进行辅助分析，对复杂的问题进行处理。 而且这些新技术的一个突出特点就是交叉应用的非常广泛，有时很难断言就是哪种技术，而是以某种为主，其它为辅的。也就通常所说的混杂技术。
4.1 专家系统
尽管专家系统成本较高且在开发过程中耗时过长，但依然出现了很多应用[11-22]。这些主要体现在
对畸变的电压和波形进行分类；
利用专家系统分析谐波；
对电能质量问题的解决方案在专家系统架构下进行开发；
测量和分析电能质量及电力系统电磁兼容性；
识别电能质量的事件通过一个可扩展的系统；
管理电能质量数据，培训电能质量问题的专业咨询人员；
4.2 神经网络
人工神经网作为较成熟的智能技术，在电能质量中已有较广泛的应用，它们主要包含[23-37]:
从非电能质量信息中识别电能质量事件；
对谐波的产生模式进行建模；
在电网中估计和评价谐波畸变 和其它电能质量问题；
以神经网整合小波变换分辨和识别电能质量事件；
在需要避免噪声和子谐波时对谐波进行分析；
为电力工程师们解决电能质量问题开发一个辅助工具；
4.3 模糊逻辑
模糊逻辑和带神经网学习能力的模糊逻辑是当前最流行人工智能技术。它们在电能质量研究方面也取得了不少新进展[11-13],[38-49]：
诊断各种电能质量问题；
对电能质量工作人员提供实用性的辅助工具；
管理电能质量数据并进行数据挖掘以获得相关知识；
开发对供电部门人员和用户进行电能质量问题专业培训的系统；
对引起电能质量问题的各种干扰进行分类；
适应性的采集电能量，方均根电压和电流；
研究在适当的时候对串联电容器进行投切来控制谐波的畸变水平；
在模糊约束下建立评价电能质量的指标；
利用基于模糊逻辑的控制方案开发一个统一的电能质量管理器；
预测和识别系统的非正常运行情况；
为保证供电电压质量实施基于模糊逻辑的无功补偿
5 电能质量监控中的新技术
在电能质量监控方面，我认为有两个趋势：其中之一就是上节中提及的智能化，智能化旨在减轻人的劳动，能自动对电能质量问题进行识别和数据处理，从而实现全面的无人监控功能。
另一个则是远程化。随着电力工业的发展和电网规模的扩大，供电部门和用户都迫切需要对较大量的监测点进行监控，然而各点的分散，距离远近不同，监测电能质量的问题也根据用户和电网的需要而各不相同。所以远程化就可以适应不同层次的监控要求，从而使电能质量的监控点能够分布到电网中的任何地方,并且具有良好的在线功能。
但远程化必然带来的问题就是，监测点和监控站之间的通信问题以及大量的电能质量数据的传输问题都十分重要。[50]以电力线载波通讯为基础实现了较为简单的远程监控。计算机网络技术的发展 ,为不同地点供电系统电能质量的远程集中监测和分析提供了有效的手段。[51]论述了基于 Internet的供电系统电能质量的监测与分析系统 ,主要包括利用 GPS授时技术进行多点同步采样 ,利用 Windows NT2 0 0 0和 IIS建立网络平台 ,利用 SQL Server数据库管理供电网络运行数据 ,使用多种分析软件对供电系统的电能质量进行仿真分析 ,并提出治理措施。该系统可为供电系统的安全运行提供保障。[52]介绍某地２２０ｋＶ主要枢纽变电站进行连续监测的实际使用情况。结果表明，在变电站中使用ＰＭ３０记录仪，可连续实时地实现电能质量的监测、记录、存储和远传，使电能质量技术监督实现网络化和自动化成为可能。
然而, 目前电能质量监控远程化的成熟应用还不太多。能否在远程在线的要求形成完整的大系统和全面的监控功能，还有待进一步研究和开发。此外，网化的电能质量监控所用的系统结构必然会随着所采用通信方案而不同，谁优谁劣，尚未能进行相关的比较。
参考文献
[1] 林海雪. 现代电能质量的基本问题. 电网技术. 2001,25(10)：pp5-12.
[2] 奚珣. 电能质量的更高要求及对策. 供用电. 2002,19(1)：pp40-41.
[3] 韩英铎，等. 信息电力与FACTS及DFACTS技术. 2000(19): pp1-7.
[4] 向农 宣扬 张俊敏. 电能质量及其数字检测方法. 高电压技术.2003,29(4).-46-48
[5] 张朋. DSP在电能质量补偿器中的应用. 工业仪表与自动化装置.2003(2).-46-48,56
[6] 段成刚 宋政湘 陈德桂 王建华. 嵌入式电能质量监测器的设计. 继电器.2003,31(5).-49-52
[7] 尚捷 陈红卫 李彦. 小波变换在电能质量暂态信号检测中的应用. 继电器.2003,31(2).-27-30
[8] 欧阳森. 宋政湘. 陈德桂. 王建华. 基于小波原理的电能质量检测数据实时压缩方法. 电网技术 2003年02期.
[9] 杨杰. 赖声礼. 秦华标. 用MATLAB与Visual C++混合编程技术开发的电能质量检测系统. 电测与仪表 2003年03期.
[10] 李震梅. 胡文军. 饶明忠. 基于LabVIEW的电能质量检测和分析系统. 电工技术杂志 2003年05期.
[11] D.G.Kreiss,“Analyzing voltage disturbances using a fuzzy logic based expert system,”in Proc. EPRI PQA Conf.: Power Quality Assessment, End-Use Appl. Perspectives, vol.1,1994, paper A-2.02.
[12] D.G.Kreiss,“A rules-based system for analyzing power quality problems,” ASHRAE Trans. , pt.1, vol.101, pp.672–676, 1995.
[13] H. Kochukuttan and A. Chandrasekaran, “Development of a fuzzy expert system for power quality application,” in Proc. 29th Southeast. Symp. Syst.Theory,1997,pp.239–243.
[14] J. J. Collins, W. G. Hurley, T. P. McHale, and P. J. Nolan, “Classi- fication of power quality problems using neural networks and expert systems approaches,” in Proc. 28th Univ. Power Eng. Conf.,1993, pp.506–509.
[15] J. J. Collins and W. G. Hurley, “Application of expert systems and neural networks to the diagnosis of power quality problems,” in Proc. EPRI PQA Conf.: Power Quality Assessment , End-Use Appl. Perspectives, vol. 1,1994,paperA-2.03.
[16] M.P.Collins,W.G.Hurley,andE.Jones,“The application of wavelet theory in an expert system for power quality diagnostics,” in Proc. 30th Univ. Power Eng. Conf., 1995, pp. 274–277.
[17] D. D. Shipp, W. Vilcheck, M. E. Swartz, and N. H. Woodley, “Expert system for analysis of electric power system harmonics,” in Proc. IEEE Annu. Pulp Paper Industry Tech. Conf., 1993, pp. 12–19.
[18] W. E. Kazibwe and H. M. Sendaula, “Expert system targets power quality issues,” IEEE Comput. Appl. Power, vol. 5, pp. 29–33, 1992.
[19] J. Schlabbach, “Expert system measures harmonics and EMC,” IEEE Comput. Appl. Power, vol. 7, pp. 26–29, 1994.
[20] M. Kezunovic and I. Rikalo, “Automating the analysis of faults and power quality,” IEEE Comput. Appl. Power, vol. 12, pp. 46–50, 1999.
[21] S. Santoso, J. Lamoree, W. M. Grady, E. J. Powers, and S. C. Bhatt, “Scalable PQ event identification system,” IEEE Trans. Power Delivery, vol. 15, pp. 738–743, Apr. 2000.
[22] A. K. Ghosh and D. L. Lubkeman, “Classification of power system dis-turbance waveforms using a neural network approach,” IEEE Trans. Power Delivery, vol. 10, pp.109–115, Feb. 1995.
[23] A. K. Ghosh and D. L. Lubkeman, “The classification of power system disturbance waveforms using a neural network approach,” in Proc. IEEE Power Eng. Soc. Transm. Distrib. Conf., 1994, pp. 323–329.
[24] W. Tan and V. I. John, “Nonlinear fluorescent systems: Their impact on power quality,” in IEEE Can. Conf. Elect. Comput. Eng., vol. 1, Halifax, NS, Canada, 1994, pp. 144–147.
[25] P. K. Dash, S. K. Panda, A. C. Liew, B. Mishra, and R. K. Jena, “New approach to monitoring electric power quality,” Elect. Power Syst. Res., vol. 46, no. 1, pp. 11–20, 1998.
[26] P. K. Dash, D. P. Swain, A. Routray, and A. C. Liew, “Harmonic esti-mation in a power system using adaptive perceptrons,” Proc. Inst. Elect. Eng., vol. 143, no. 6, pp. 565–574, 1996.
[27] P. K. Dash, S. K. Patnaik, and S. K. Panda, “Adaptive neural network for real-time estimation of basic waveforms of voltages and currents,” Int. J. Eng. Intell. Syst. Elect. Eng.Commun., vol. 4, no. 1, pp. 33–42, 1996.
[28] P. K. Dash, D. P. Swain, A. C. Liew, and S. Rahman, “An adaptive linear combiner for on-line tracking of power system harmonics,” IEEE Trans. Power Syst., vol. 11, pp. 1730–1736, July 1996.
[29] P. K. Dash, D. P. Swain, B. R. Mishra, and S. Rahman, “Power quality assessment using an adaptive neural network,” in Proc. IEEE Int. Conf. Power Electron., Drives, Energy Syst. Industrial Growth, vol. 2, 1996, pp. 770–775.
[30] S. Santoso, J. P. Edward, W. M. Grady, and A. C. Parsons, “Power quality disturbance waveform recognition using wavelet-based neural classi-fier—Part 1: Theoretical foundation,” IEEE Trans. Power Delivery, vol. 15, pp. 222–228, Feb. 2000.
[31] S. Santoso, J. P. Edward, W. M. Grady, and A. C. Parsons, “Power quality disturbance waveform recognition using wavelet-based neural classifier—Part 2: Application,” IEEE Trans. Power De-livery, vol. 15, pp. 229–235, Feb. 2000.
[32] S. Santoso, E. J. Powers, and W. M. Grady, “Power quality disturbance identification using wavelet transforms and artificial neural networks,” in Proc. 7th Int. Conf. Harmon. Quality Power,1996, pp. 615–618.
[33] A. F. Sultan, G. W. Swift, and D. J. Fedirchu, “Detection of high impedance arcing faults using a multi-layer perceptron,” IEEE Trans. Power Delivery, vol. 7, pp. 1871–1877, Aug. 1992.
[34] W. W. L. Keerthipala, T.-C. Low, and C.-L. Tham, “Artificial neural network model for analysis of power system harmonics,” in Proc. IEEE Int. Conf. Neural Networks, vol. 2, Perth, Australia, 1995, pp. 905–910.
[35] S. Osowski, “Neural network for estimation of harmonic components in a power system,” Proc. Inst. Elect. Eng. C: Generation, Trans. Distrib., vol. 139, no. 2, pp. 129–135, 1992.
[36] M. Mallini and B. Perunicic, “Neural network based power quality anal-ysis using MATLAB,” in Proc. Large Eng. Syst. Conf. Power Eng., Hal-ifax, NS, Canada, 1998, pp. 177–183.
[37] R. Daniels, “Power quality monitoring using neural networks,” in Proc. 1st Int. Forum Applications Neural Networks Power Syst., 1991, pp. 195–197.
[38] G. P. Damarla, A. Chandrasekaran, and A. Sundaram, “Classification of power system disturbances through fuzzy neural network,” in Proc. Canadian Conf. Elect. Comput. Eng., vol. 1, 1994, pp. 68–71.
[39] G. P. Damarla, A. Chandrasekaran, and A. Sundaram, “Classification of power system disturbances through fuzzy neural network,” in Proc. Canadian Conf. Elect. Comput. Eng., vol. 1,1994, pp. 68–71.
[40] P. K. Dash, S. Mishra, M. M. A. Salama, and A. C. Liew, “Classification of power system disturbance using a fuzzy expert system and a Fourier linear combiner,” IEEE Trans. Power Delivery, vol. 15, pp. 472–477, Apr. 2000.
[41] C. H. Kung, M. J. Devaney, C. M. Huang, and C. M. Kung, “Fuzzy-based adaptive digital power metering using a genetic algorithm,” IEEE Trans. Instrum. Meas., vol. 47,pp. 183–188, Jan. 1998.
[41] R. M. Martins, A. de Oliveira, and S. F. de Paula Silva, “New proposal to capacitor bank allocation:using fuzzy logic,” in Proc. 2nd IEEE Int. Conf. Power Electron., Drives Energy Syst. Industrial Growth,vol. 2, Perth, Australia, 1998, pp. 598–603.
[42] R. M. Martins, A. de Oliveira, and S. F. de Paula Silva, “Contribution for the power quality control using fuzzy logic,” in Proc. IEEE Power Eng. Soc. Transm. Distrib. Conf., vol. 1, NewOrleans, LA, 1999,pp. 148–153.
[43] G. G. Trofimov and O. M. Rojzman, “The electric energy quality estimation by the fuzzy set,”Izvestiya Akademii Nauk. Energetika, no. 1, pp. 69–77, 1991.
[44] M. J. Ringrose and M. Negnevitsky, “Automatic disturbance recognition in power system,”J. Elect. Electron. Eng., vol. 19, no. 1, pp. 83–90, 1999.
[45] A. Elmitwally, S. Abdelkader, and M. Elkateb, “Universal power quality manager with a new control scheme,” Proc. Inst. Elect. Eng., vol. 147, no. 3, pp. 183–189, 2000.
[46] W. R. Anis Ibrahim, M. M. Morcos, and D. G. Kreiss, “An adaptive neuro-fuzzy intelligent tool and expert system for power quality anal-ysis—Part I: An introduction,” in Proc. IEEE Power Eng. Soc. Summer Meeting, vol. 1, Edmonton, AB,Canada, 1999, pp. 493–498.
[47] W. R. Anis Ibrahim and M. M. Morcos, “An adaptive neuro-fuzzy intelligent tool and expert system for power quality analysis—Part II: Validation and preliminary applications,” in Proc. Large Eng. Syst. Conf. Power Eng., Halifax,NS, Canada, 2000, pp. 182–186.
[48] W. R. Anis Ibrahim and M. M. Morcos, “Preliminary application of an adaptive fuzzy system for power quality diagnostics,” IEEE Power Eng. Rev., vol. 20, no. 1, pp. 55–58, 2000.
[49] S. K. Starrett, W. R. Anis Ibrahim, B. P. Rust, and A. L. Turner, “An on-line fuzzy logic system for voltage/VAR control and alarm processing,” in Proc. IEEE Power Eng. Soc.Winter Meeting, vol. 1, New York, 1999, pp. 766–771.
[50] 孙英涛. 孙莹. 王砥凡. 电力载波系统基础上的远程电能质量监测 继电器 2002年03期.
[51] 赵文韬. 王树民. 朱桂萍. 潘隐萱. 基于Internet的电能质量监测与分析系统的研制 电力系统自动化 2002年06期
[52] 赵燕坤. 电能质量的远程监测 华北电力技术 1999年04期.
