张淑清，张 赟，刘海涛，胡 皓，李 华， 姚玉永，刘 勇，王 涛

(1.燕山大学 电气工程学院，河北 秦皇岛 066004；2.东北大学 信息科学与工程学院，辽宁 沈阳 110004；3.国网冀北电力有限公司唐山供电公司，河北 唐山 063000)

1 引 言

经济社会的不断发展，各种新型电气设备的使用，产生了大量的非线性负荷和冲击性负荷。这些非线性负载的使用不可避免地造成电网的幅值和频率发生偏差，造成电能质量(power quality)的下降，不仅影响日常生活还会造成巨大的经济损失甚至电力事故。电能质量信号具有非线性和非平稳性的特点。目前电能质量扰动信号的分类识别方法主要为小波变换、S变换、EMD分解、HHT变换等时频域分析法[1～4]。

多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MFDFA)是在DFA基础上提出的一种非线性时间序列的分析方法，可以有效消除干扰趋势，估计多重分形谱[5]。文献[6]采用MFDFA方法对风电厂时间序列进行分析，实验表明风速变化与多重分形参数有一定的关联性，有效判断风速的变化趋势。文献[7]针对非线性的脉冲信号，提出多重分形消除趋势波动分析和PSO-SVM的方法，有效识别了4种脉冲信号。文献[8]提出了基于多重分形降趋波动分析法的谐振接地系统故障选线新判据，仿真结果表明该判据抗噪能力强，计算速度快,克服了消弧线圈和故障条件等因素对故障选线的影响。文献[9]针对齿轮箱故障诊断提出了一种基于多重分形的趋势波动分析和改进的K均值集群的方法。文献[10]针对EEG信号使用MFDFA方法提取了4个特征集，用作支持向量机和k-最近邻分类器的输入，实验证明所提出的MFDFA辅助特征提取方法获得较高的分类精度。……