原子分解在电能质量扰动信号分析中的应用

提高电能质量的关键是能够对电网实时监测的海量数据进行正确的检测、压缩、特征提取并进行分类。针对电能质量扰动数据特征提取及压缩要求,本文提出一种基于原子分解的电能质量扰动分析方法,对多种扰动信号进行分析与特征量提取,并与小波算法相结合对数据进行压缩。 本文对各种电能质量分析方法进行了归纳总结,并对电能质量问题及相关理论进行了介绍。在此基础上,给出了基于原子分解的电能质量扰动数据分析方法。 对原子分解算法进行了深入研究,指出原子分解比傅里叶分析和小波分析的优越之处,并对原子分解中所涉及的Gabor过完备原子库及匹配追踪算法进行了详细阐述。 在算法的具体实现方面,针对电能质量扰动信号特点,采用适合电力系统信号的衰减正弦量信号模型,并实现了由Gabor原子到衰减正弦量原子的转换及各参变量的优化。此外,本文对算法终止条件进行了改进,采用初始残余能量阈值作为原子分解迭代的终止条件。将该算法应用到电能质量扰动数据特征提取,准确定量地得到了扰动成分的起止时刻、幅值、频率和变化规律等扰动特征,获得了电能质量信号中各种扰动成分参量化的原子解析表示。 最后,提出一种原子分解与小波变换结合的电能质量扰动数据压缩方法。根据电能质量扰动信号的特点建立小规模相关原子库,应用原子分解提取扰动信号的主要成分,提高信号的压缩比;再对残余不确定信号采用小波变换进行数据压缩。 应用MATLAB编写了原子算法程序,并对电能质量仿真数据进行了分析,结果证明了本文提出方法的有效性和可行性。