郑炜

(福州大学电气工程与自动化学院，福建 福州 350108)

1 引言

随着经济的发展和电力需求的增加，供电侧和功耗侧都越来越关注电能质量问题，希望能够准确地检测和分析电能质量扰动信号(PQDS)。然而，在实际工程中，诸如设备和外部干扰之类的因素会在收集的信号中引起噪声。噪声的存在将不可避免地影响某些分析方法的有效性。滤除噪声对后续PQDS的分析至关重要[1，2]。

PQDS的去噪是为了去除原始信号中的噪声，但前提是不能过滤原始信号中的重要特征信息。因此，许多专家提出了不同的PQDS去噪算法。如小波变换、经验模态分解、S变换、奇异值分解等。其中文献[3]提出了一种EMD与SVD相结合的降噪方法，其先采用EMD将噪声进行初始滤噪，之后利用改进的SVD完成信号的重构，但EMD方法容易存在模态混叠等问题，使得复杂信号在分解时发生畸变。文献[4]首先对含噪信号进行S变换，可以从时频方向来分解出信号的信息，并且S逆变换是一个无损的过程，但是S变换在信号高频部分的分辨率不够准确。文献[5]提出了一种利用混沌比率蝙蝠算法(CRBA)优化的有效奇异值分解方法。通过使用奇异值的奇异性检测能力确定有效奇异值的数量，以及从奇异值及其对应矢量获得去噪数据。但是在选择最优降噪的阶次时存在一定的困难，并且计算较为复杂。以上的这些方法由于其去噪的原理不同并且运用在不同的领域展现出不同的优劣性，因此根据信号的特点来进行针对性的改进之后可将其运用于电能质量扰动信号去噪。……