徐达，洪文慧，季天瑶，徐钰涵，李梦诗

(华南理工大学 电力学院，广东 广州 510641)

随着电力系统的规模越来越大，各种电力电子器件在电网中的大量应用导致电力系统中的电能质量问题日益突出[1]。并且伴随着智能电网的发展，各种精密的电子设备和检测设备的大力应用，对供电质量有了更高层次的要求[2]。因此，电能质量扰动的快速检测和识别对探究扰动的源头以及改善电力系统中电能质量问题有着重要意义[3]。

电能质量问题在实际电网中由各种因素导致，主要有故障、电力电子器件的使用、非线性负载和负荷切换等。根据IEEE Std 1159-2009《电能质量检测推荐规程》的定义，电能质量问题主要有以下几种：电压暂降、电压暂升、谐波、电压中断、电压切痕、电压闪烁、暂态振荡[4-5]。在目前的国内外研究当中，对电能质量扰动问题进行识别和分类主要分为2个步骤：先对电能质量扰动信号进行特征提取，然后运用分类器进行分类识别。目前常用的信号特征提取的方法有快速傅里叶变换[6]、短时傅里叶变换(short-time Fourier transform, STFT)[7]、小波变换[8]、希尔伯特-黄变换[9]、 S变换(Stockwell transform, ST)[10]等传统的信号处理方法。常用的分类器有：决策树[11]、K最邻近(K-nearest Neighbor, KNN)、随机森林(random forest, RF)[12]、支持向量机[13]、人工神经网络[14]等方法。文献[15]运用S变换和快速傅里叶变换提取特征，再用概率神经网络进行分类和识别，但是其精度不高；文献[11]基于S变换和决策树对电能质量扰动进行分类，但是只对单一扰动进行检测和分类；文献[9]通过S变换和希尔伯特-黄变换提取扰动信号的特征；……