覃星福，龚仁喜



基于广义S变换与PSO-PNN的电能质量扰动识别

覃星福，龚仁喜

(广西大学电气工程学院，广西 南宁 530004)

为了克服从电网电能质量监测系统的大数据中自动识别出电能质量扰动的困难，提出了一种基于广义S变换与PSO-PNN的电能质量扰动识别新方法。该方法利用了广义S变换能兼顾时频分辨率的特点，首先使用广义S变换分析扰动信号的时频特性，接着从广义S变换模矩阵中提取出扰动信号的时频特征量，然后用PSO-PNN分类器对扰动信号进行分类识别。PSO算法的使用克服了PNN的平滑因子没有确定选取方法的缺陷，使分类器性能大大提升。仿真实验结果表明，该方法能够对常见的6种电能质量扰动进行高效的分类识别，分类正确率高，对噪声不敏感，具有良好的应用价值。

电力系统；电能质量；广义S变换；PSO-PNN；分类识别

0 引言

随着电力电子技术的大规模应用和分布式电源应用范围的拓广普及[1-2]，产生了大量的电压暂降、电压中断、电压暂升、谐波、振荡暂态等电能质量扰动，这些扰动对大电网的供电电能质量造成了很大的负面影响，同时也给社会带来了巨大的经济损失[3-5]。为了提高供电电能质量，关键在于找出电能质量扰动产生的源头以及找到合适的方法去消除或减少这些电能质量扰动。在电能质量监测系统中实现对电能质量扰动事件的正确分类识别，是电网提高供电电能质量与安全经济可靠运行的前提[6-8]。

电能质量扰动的分类识别研究主要侧重于特征量的提取和分类器的选择问题[9]。……