李 滨，汪 颖，肖先勇

(1.四川大学电气信息学院，四川 成都 610065;2.智能电网四川省重点实验室(四川大学)，四川 成都 610065)

0 引言

随着现代电力电子设备、冲击性与非线性负荷的不断增加，电压暂降等短时扰动越来越多地被关注。电压暂降(voltage sag)被认为是最严重的电能质量问题［1］。输配电线路故障、变压器激磁和大型电动机或大负荷接入都可能引起电压暂降［2］。因此，对电压暂降及其扰动源的研究和识别等成为了研究的热点和难点［3－8］。

在暂降扰动源辨识研究中，文献［9］提出了根据幅度、持续时间、三相平衡度、谐波等辨识故障、电机启动和变压器激磁引起电压暂降辨识方法。文献［10］提出了基于特征幅值的三相不平衡电压暂降特征刻画方法。文献［11］提出了基于对称分量法的故障类电压暂降分析方法。文献［12］提出了基于统计方法的故障类电压暂降在线分类方法。文献［13］在忽略系统谐波影响和暂降相位跳变压器的前提下，提出了基于双dq 变换法的故障类电压暂降分类方法。文献［14］提出基于小波变换提取暂降波形奇异性特征的暂降扰动源辨识法。文献［15］提出了一种仅进行电压有效值计算的电压暂降分类方法。文献［16］和［17］分别通过卡尔曼滤波技术和S 变换提取特征信息，并结合专家系统对电压暂降进行分类判别。文献［18］提出了一种基于小波熵和概率神经网络的配电网电压暂降扰动源识别方法。文献［19］对基于Mamdani 型模糊推理的电压暂降扰动源识别进行了研究。然而这些方法比较复杂，运算量大，在工程应用中实现较为困难。……