近年来，由于故障、动态运行和非线性负荷的加入，使动态电能质量问题越来越复杂，因此电能质量的问题重新受到关注。特别是随着小波理论自身的发展和世界范围内小波分析算法研究热潮的兴起，以及各种人工智能技术在电力系统的成功应用，对动态电能质量扰动的起因和来源有了很好的理解,对动态电能质量的识别、检测、分类和统计有了很 好的解决办法。为了在现有研究成果的基础上，进一步对动态电能质量进行研究，明确尚需进行的工作，在大量查阅各种国际会议、学术刊物上发表的电能质量论文后，本文综述了近年来人工智能和傅立叶变换、短窗傅立叶变换和小波变换在电力系统电能质量评估应用中的主要成果与方法，并提出若干需要解决的问题，已资抛砖引玉。
关键词: 傅立叶变换；小波变换；人工智能；动态电能质量
A summary of AI & mathematics transform applied to power quality study
Wang Jing1, Shu Hong-chun2, Chen Xue-yun1
(1 Harbin Institute of Technology,Harbin,150001)
(2 Kunming University of Science and Technology, Kunming, 650001)
Abstract: In the past decade, faults, dynamic operations, or nonlinear loads make the dynamic Power Quality complex. Thereby, increasing interest in power quality has evolved. With the development of wavelet theory, worldwide spread on the study of wavelet algorithm and the success applications of various AI techniques in power system, the causes and origins of dynamic power quality have a better comprehension. Meanwhile, the solutions of detection, identification, classification and statistics to power quality have been largely improved. In order to propel the further study on the power quality and realize the researches needed done, the main achievements and methods of power quality study, including AI, Fourier transform, Short-time Fourier transform, Wavelet transform, are surveyed in this paper after consulting lots of PQ thesises in conferences and science periodicals. Literature also exposes certain problems to be solved.
Keywords: Fourier transform, wavelet transform, AI, dynamic power quality
0 引言
电能质量的概念自从提出以来就一直含糊不清，用户方、制造方和供电方对之的理解也大相径庭。早期用户设备对电压扰动不敏感，而且不容易对系统电压与频率造成负面影响，因此用电压和频率的偏移或畸变程度来衡量电能质量的好坏就足够了。近年来，由于以下原因，电能质量问题变得复杂起来：1)电力电子设备和敏感的微处理控制器的使用；2)工业处理过程的复杂化；3)大型计算机的投入；4)用于提高电力系统稳定性的FACTS装置的大量运用；5)高效可调速电动机等电力设备的投切；6)庞大的电网互联结构；7)生产精密设备的要求。因此，传统的电能质量的概念被IEEE第22标准协调委员会推荐采用的11种动态电能质量专用术语[1]取代：断电(Interruptions)、频率偏差(Frequency Deviations)、电压跌落(Sags)、电压上升(Swells)、瞬时脉冲或突波(Transients Surges)、电压波动(Voltage Fluctuations)、电压切痕(Notches)、谐波(Harmonics)、间谐波(Interharmonics)、过电压(Overvoltages)和欠电压(Undervoltages)。随之而来的问题是缺乏对这些暂态现象行之有效的检测分析方法。只有正确识别影响电能质量的诸多因素、查明相应的起因和来源、检测、分类并统计扰动现象、确定扰动范围和幅值才能从根本上综合治理并提高系统电能质量。
为此，国际上以多种形式、用各种方法和技术对电能质量的扰动问题展开了多方面的研究与探讨。综合起来，这些方法可以归为利用各种数学变换、利用各种人工智能技术，以及利用人工智能和数学变换结合的方法对扰动进行检测、分类和抑制。
1 数学变换的应用
1.1 傅立叶变换
影响电能质量的暂态信号通常具有很宽的频谱，将其按频谱展开能揭示故障的本质。傅立叶变换(FT)就是最常见的一种将时域特征和频域特征联系起来的工具。通过傅立叶变换可以提供平稳信号所含谐波的次数、各次谐波的幅值及其初相角并以幅频特性的形式表现出来，因此可以用于提取由于变压器、交直流换流设备等造成的周期
