采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

被引：25

作者：

杨晓梅 ^{[1
]}

郭朝云 ^{[1
]}

樊博 ^{[2
]}

罗月婉 ^{[1
]}

肖先勇 ^{[1
]}

机构：

[1] 四川大学电气信息学院

[2] 国网宁夏电力有限公司电力科学研究院

来源：

电力自动化设备 | 2019年 / 39卷 / 06期

关键词：

暂态电能质量; 扰动检测; 奇异值分解; 奇异值梯度; 自适应阈值; 抗噪性;

D O I：

暂无

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

083903 [网络与系统安全];

摘要：

为了满足对电网非平稳扰动信号快速、准确分析的要求,提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰,并通过奇异值梯度求取扰动指示信号,得到初步定位结果。提出无参自适应阈值,进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单,无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明,所提算法定位准确、抗干扰能力强,对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析,进一步验证了所提算法的有效性。

引用

页码：138 / 145

页数：8

共 16 条

[1]

Dynamic MRI reconstruction from highly undersampled (k; t)-space data using weighted Schatten p-norm regularizer of tensor.[J].Xiaomei Yang;Yuewan Luo;Siji Chen;Xiujuan Zhen;Qin Yu;Kai Liu.Magnetic Resonance Imaging.2017,

[2]

A new detection approach of transient disturbances combining wavelet packet and Tsallis entropy.[J].Zhigang Liu;Qiaoling Hu;Yan Cui;Qiaoge Zhang.Neurocomputing.2014,

[3]

Applications of singular-value decomposition (SVD).[J].Alkiviadis G. Akritas;Gennadi I. Malaschonok.Mathematics and Computers in Simulation.2004, 1

[4]

理解电能质量问题.[M].马思·波伦.中国电力出版社.2016,

[5]

基于变分模态分解的电能质量扰动检测新方法 [J].