CWD谱峭度识别电能质量扰动：一种新型算法

"基于CWD谱峭度的暂态电能质量扰动识别" 本文主要探讨的是针对电能质量扰动识别的问题，特别是针对现有方法存在的复杂性和受噪声影响的挑战，提出了一种新的识别算法。该算法结合了CWD（复小波分解，Complex Wavelet Decomposition）谱峭度和有效值的概念，旨在简化识别过程并提高识别准确性。 在电能质量领域，暂态扰动的识别是一个关键问题，它包括特征提取和分类两个阶段。传统的特征提取方法如短时傅里叶变换、小波变换、S变换和HHT等各有局限性，例如傅里叶变换不适用于非平稳信号，S变换无法精确捕捉基波频率变化，HHT可能出现虚假分量和模态混叠，而CWT则可能影响谐波或间谐波的特征参数测量。分类器方面，人工神经网络、支持向量机和专家系统等虽然有各自的优点，但也都存在如训练速度慢、识别混合扰动困难或组合爆炸等问题，而且需要大量的数据训练，这在实际应用中是个挑战。 为了解决上述问题，文章提出了基于CWD的谱峭度与有效值结合的识别算法。谱峭度是一种评估信号非高斯性的指标，最初由Dwyer用于检测含噪信号中的暂态成分，后来在故障诊断等领域得到广泛应用。该算法首先利用CWD谱峭度值将扰动信号分为三大类：暂态脉冲、暂态振荡和幅值类扰动。对于幅值类扰动，即电压暂升、暂降和中断，它们被归为一类，然后通过计算这些扰动的有效值来区分它们各自的具体类型。这种方法的优点在于无需使用额外的分类器，简化了算法流程，降低了计算时间，使得在线分析成为可能，且对噪声的鲁棒性更强。 通过仿真结果，文章验证了新算法的理论分析正确性，表明这种方法在电能质量扰动识别上具有较高的实用价值和效率。这种创新的识别技术有助于提升电力系统的监测和管理能力，对于优化电网运行和保障供电质量具有重要意义。