基于信息熵的电压跌落持续时间检测方法
技术领域
本发明属于电能质量分析领域,具体涉及一种基于信息熵的电压跌落持续时间检测方法。
背景技术
电压跌落是发生最频繁、影响最严重的电能质量问题之一,在IEEE和IEC的标准中,跌落幅值和持续时间是描述电压跌落的两个重要指标。动态电压校正装置是抑制电压跌落的有效装置之一,电压跌落的持续时间也是该装置清除故障的时间。因此,准确快速地检测出电压跌落的起止时刻及持续时间是保证动态电压校正装置工作的前提和基础。
国内外学者对电压跌落问题进行了大量研究。有效值法和峰值电压法算法简单,可以定量地计算出电压跌落幅值,但是不能确定跌落的起止时刻和持续时间。快速傅里叶变换适合分析平稳信号,对于电压跌落这种暂态过程无能为力。小波分析广泛应用于电能质量信号处理,具有良好的时频局部特性,对信号的奇异点也非常敏感,但是小波分析计算量大,小波基的选取和特征量的提取难度较大,不利于工程实现。基于瞬时无功功率理论的派克变换法可以检测出电压跌落幅值和持续时间,但是该方法仅适用于三相电路,而实际中电压跌落多为单相故障,需构造出虚拟的三相系统,又因为需要分离直流分量而引入低通滤波器造成了一定延时。采用分形测度原理检测电压跌落持续时间的方法具有一定的准确性和实时性,但是检测结果受分形维数影响较大。
信息熵理论作为一种揭示事物发展方向,量度物质系统不确定性和无序性的指标,已相继应用于电力系统负荷预测,脆性分析,电力系统可靠性,故障诊断,暂态信号分析等领域。针对上述问题,本发明采用信息熵理论对电压跌落起止时刻和持续时间进行准确定位,并分析了在各种干扰作用下该方法的可行性。
发明内容
本发明要解决的技术问题在于提供一种检测精度较高,易于工程实现的基于信息熵的检测电压跌落持续时间的方法,无论是单相故障还是三相故障引起的电压跌落,该方法都具有较强的适应性;对动态电压校正装置来说,本发明提供了一种检测电压跌落持续时间的新方法。
本发明是通过如下技术方案实现的,一种基于信息熵的电压跌落持续时间检测方法,可应用在动态电压校正装置等电压调节装置中,该类装置通过实时采集的电压监测数据,由控制系统采用信息熵算法完成电压跌落持续时间的检测,包括如下步骤;计算电压跌落信号的信息熵值;通过阈值选取定位电压跌落信号的起止时刻;对该检测方法进行适应性分析;具体步骤如下:
A.计算电压跌落信号的信息熵值
A.1设采样数据窗长度为
,考虑到检测结果的精确性,
一般选为一个周期采样点数的1/20~1/10;数据窗序列
,对这
个采样点进行差分处理,令
,则组成一个包含
个值的新序列,
;
A.2计算被分析序列电压值的能量,对这
个点对应的电压值取平方,设平方后的被分析序列为
,按式(1)计算被分析序列电压值的能量
:
(1)
构造被分析序列的概率分布模型,按式(2)求各点对应的概率值
:
按式(3)计算被分析序列在数据窗内的信息熵值:
A.3设定步长,移动数据窗,依次循环A.1~A.2步,计算下一采样数据窗内的信息熵值。
B.通过阈值选取定位电压跌落信号的起止时刻
对进行了信息熵处理后的信号,令信息熵值大于等于0.2的点为0,小于0.2的点为1。通过阈值选取准确定位电压跌落的起止时刻,从而计算出电压跌落的持续时间。
C.进行适应性分析
C.1对幅值跌落50%或65%两种情况进行Mtalab仿真分析;
C.2对含有3次和5次谐波以及5次和7次谐波的电压跌落信号进行Mtalab仿真分析;
C.3对叠加了白噪声和脉冲噪声的电压跌落信号进行分析,采用半圆形和三角形混合型结构元素对信号进行滤波,然后采用信息熵理论检测滤波后信号的起止时刻,从而推算出含有噪声的电压跌落信号的持续时间。
有益效果:本发明提供了一种基于信息熵的电压跌落持续时间检测方法,其检测原理简单,利用熵值的突变就可以准确判断电压跌落的起止时刻;在含有噪声时检测误差最大不超过0.6ms,可见其检测精度较高;算法中主要涉及简单的求和运算和加减运算,所以易于工程实现。
适应性分析具体为:电压跌落信号在不同跌落幅值、各次谐波和含有噪声的环境下,基于信息熵的电压跌落持续时间依然能被准确检测出来。
采用数学形态学对含有白噪声和脉冲噪声的电压跌落信号进行滤波处理,形态学滤波器选用半圆形和三角形混合型结构元素的滤波器。
附图说明
图1为本发明提出的一种基于信息熵的电压跌落持续时间检测方法的流程图;
图2为本发明提出的计算电压跌落信号信息熵值的流程图;
图3为采用信息熵理论检测幅值跌落50%的电压跌落持续时间的仿真图;
图4为采用信息熵理论检测幅值跌落50%并叠加3次、5次谐波的电压跌落持续时间的仿真图;
图5为采用信息熵理论检测幅值跌落65%的电压跌落持续时间的仿真图;
图6为采用信息熵理论检测幅值跌落65%并叠加5次、7次谐波的电压跌落持续时间的仿真图;
图7为在含有噪声时采用信息熵理论检测电压跌落持续时间的仿真图。
图中:横坐标t/s为采样时间,n为采样点数;纵坐标A/pu为电压幅值,H为信息熵值,T为阈值选取后检测结果;L1为含噪声信号,L2为去噪后的信号。
具体实施方式
下面参照附图并结合实例对本发明作进一步详细描述。一种基于信息熵的电压跌落持续时间检测方法,可应用在动态电压校正装置等电压调节装置中,该类装置通过实时采集的电压监测数据,由控制系统采用信息熵算法完成电压跌落持续时间的检测,包括如图1所示的步骤;计算电压跌落信号的信息熵值;通过阈值选取定位电压跌落信号的起止时刻;对该检测方法进行适应性分析;具体做法如下:
实施例1
设正弦信号频率为50Hz,幅值为1pu,每工频周期采样100个点,在0.033s~0.0824s发生电压跌落,跌落幅值为50%。采样数据窗长度选为10个采样点,即1/10个工频采样周期,移动步长为2,电压跌落持续时间检测结果如图3所示。
采用图2所示流程图,计算电压跌落信号的信息熵值;对这500个采样点进行差分处理,令
,则组成一个包含
个值的新序列,
;
计算被分析序列电压值的能量,对这
个点对应的电压值取平方,设平方后的被分析序列为
,按式(1)计算被分析序列电压值的能量
:
构造被分析序列的概率分布模型,按式(2)求各点对应的概率值:
按式(3)计算被分析序列在数据窗内的信息熵值:
设定步长,移动数据窗,依次循环上述步骤,计算下一采样数据窗内的信息熵值。
当电压出现扰动,跌落起始点和终止点处信息熵值会突然减小。为凸显电压跌落起止时刻点,对信息熵处理后的信号进行阈值选取,即令信息熵值大于0.2的点为0,小于0.2的点为1。通过阈值选取可以准确定位电压跌落的起止时刻,从而计算出电压跌落的持续时间。
在该信号中加入3次和5次谐波,采用信息熵理论对其持续时间进行检测,检测结果如图4所示,这说明谐波不会对其检测结果造成影响。
实施例2
设正弦信号频率为50Hz,幅值为1pu,每工频周期采样200个点,在0.0335s~0.0752s发生电压跌落,跌落幅值为65%。采样数据窗长度选为10个采样点,即1/20个工频采样周期,移动步长为4,电压跌落持续时间检测结果如图5所示。通过阈值选取,可以准确定位出电压跌落的持续时间。
采用图2所示流程图,计算电压跌落信号的信息熵值;对这1000个采样点进行差分处理,令
,则组成一个包含
个值的新序列,
;
计算被分析序列电压值的能量,对这
个点对应的电压值取平方,设平方后的被分析序列为
,按式(1)计算被分析序列电压值的能量
:
构造被分析序列的概率分布模型,按式(2)求各点对应的概率值
:
(2)
按式(3)计算被分析序列在数据窗内的信息熵值:
设定步长,移动数据窗,依次循环上述步骤,计算下一采样数据窗内的信息熵值。
如图6所示,在信号中加入5次和7次谐波,该方法依然能够准确检测出电压跌落持续时间。通过和实例1比较,实例2采用了比实例1多一倍的采样点,同时采用1/20个工频采样周期作为采样数据窗长度,移动步长变为4,这是由于采样点更加密集,通过改变参数,在保证检测结果准确性的同时,缩短了检测时间的消耗。同时,无论电压跌落幅值为多大,该方法都能准确定位电压跌落持续时间。
实施例3
如图7所示,含有噪声的电压跌落信号频率为50Hz,幅值为1pu,每工频周期采样100个点,在0.024s~0.065s发生电压跌落,跌落幅值为50%,其中白噪声方差为0.06,两个脉冲噪声幅值为1pu。采用半圆形和三角形的混合型结构元素的数学形态学滤波器对该信号进行滤波,经过反复试验,当半圆形结构元素的幅值为0.06,长度为14时,三角形结构元素的幅值为0.15,长度为11时,可以到达最佳的滤波效果。
采用图2所示流程图,计算滤波后电压跌落信号的信息熵值;对这500个采样点进行差分处理,令
,则组成一个包含
个值的新序列,
;
计算被分析序列电压值的能量,对这
个点对应的电压值取平方,设平方后的被分析序列为
,按式(1)计算被分析序列电压值的能量
:
构造被分析序列的概率分布模型,按式(2)求各点对应的概率值:
按式(3)计算被分析序列在数据窗内的信息熵值:
设定步长,移动数据窗,依次循环上述步骤,计算下一采样数据窗内的信息熵值。通过计算可知,在叠加有该噪声的情况下,检测误差最大为0.6ms。
由以上3个实例分析可知,本发明提出的基于信息熵的检测电压跌落持续时间的方法是可行的,并且有较强的适应性,检测原理简单,检测精度较高,易于工程实现。对于动态电压校正装置来说,本发明提供了一种检测电压跌落持续时间的新方法。