Atom—RQEA在短時閃變嚴重度計算中的應用

張銳+張恒煜+周永陽+丁鵬

摘 要：短時閃變嚴重度Pst是衡量電能質量的一個重要指標，為提高Pst的計算精度，提出了基于原子稀疏分解和實數編碼量子進化算法（AtomRQEA）相結合的短時閃變嚴重度計算方法。其核心是根據電壓波動與閃變信號的特點構造了原子庫，由實數編碼量子進化算法優化原子特征參數，自適應選擇最佳匹配原子重構電壓波動信號，進而計算短時閃變嚴重度Pst。仿真結果表明：基于AtomRQEA方法，能夠提高短時閃變嚴重度Pst計算精度，驗證了提出方法的有效性和適用性。

關鍵詞：電能質量；短時閃變嚴重度；原子分解

DOI：10.15938/j.jhust.2017.06.009

中圖分類號： TM866

文獻標志碼： A

文章編號： 1007-2683（2017）06-0046-06

Abstract：Short term flicker severity Pst is an important index of evaluating power quality. To improve precision of calculation AtomRQEA is proposed. The core is to construct atom library in terms of characteristic of voltage fluctuation and flicker， using RQEA（Realcoded Quantum Evolutionary Algorithm） to optimize characteristic parameters of atom， choosing selfadaption optimal matching atom to reconstruct voltage signal， and calculate flicker severity Pst. Simulation results show the method proposed in this paper can improve the precise of calculating short term flicker severity Pst， and prove it is available and applicable.

Keywords：power quality； short term flicker severity； atomic decomposition

0 引 言

目前我國堅強智能電網的建設在不斷的推進，光伏發電、風力電源等再生能源的不斷接入對現有配電網結構產生巨大的沖擊，電力系統正面臨著新的電能質量問題，對電能質量進行實時監測、評估，為及時獲得現場數據，采取合理的應對措施從而全面提高電網的安全性、經濟性、適應性具有重要意義。

IEC標準中短時閃變嚴重度Pst是衡量電壓波動與閃變程度的主要綜合指標[1]，通常采用快速傅里葉變換（FFT）提取電壓波動信號的特征量，再計算Pst。然而，該方法存在頻譜泄露和柵欄效應，導致計算精度較低，且實際應用效果差。文[2-4]提出采用修正FFT算法提取電壓波動信號的特征量，用插值FFT克服FFT缺點。但是，該方法不能從根本上消除頻譜泄露和刪欄效應的影響，很難改善計算精度，且插值FFT易于受到噪聲的影響。

近年來，文[5-7]提出了原子分解方法，該方法是一種時頻分析法，通過自適應選取過完備原子庫中的原子分解信號，實現對信號的表示。被廣泛地應用在信號處理領域。原子分解過程實質上是使用一系列的相關信號估計原始信號，且原始信號可以以更少的計算量重構原始信號。信號分解采用匹配跟蹤（MP）算法[8-9]，也就是說，每一次迭代，從原子庫選擇原子匹配信號的剩余分量，與信號最匹配原子的線性組合來描述剩余分量。但面對離散空間的搜索問題，MP幾乎無法找到全局最優解。文中提出原子稀疏分解與實數編碼量子進化算法（atomic decomposition and realcoded quantum evolutionary algorithm，AtomRQEA）相結合的短時閃變嚴重度計算方法，主要是利用實數編碼量子進化算法自適應選擇與信號最佳匹配的原子，再利用最佳匹配原子的線性組合重構電壓波動與閃變信號的包絡線，進而計算短時閃變嚴重度Pst。通過仿真試驗表明：提出AtomRQEA方法能夠提高短時閃變嚴重度Pst的計算精度。

1 原子分解

與傳統意義上的信號分解不同，原子分解屬于非正交分解[10-12]，在信號空間中構造了足夠密集的基即：原子，這些原子構成的庫是過完備的，足以自適應的選擇最匹配的原子來表示任意信號，從而獲得信號的稀疏表示，所選擇的原子體現了信號的特征。

4 仿真實驗

本文仿真實驗數據采用的是IEC提供的標準數據，分別是在單位瞬時閃變值時的正弦波波動電壓波動值和矩形波波動電壓波動值，在一定的電壓波動條件下，即電壓波形、波動的幅度、頻率不變，計算得到的Pst為0.7144。采樣頻率為1600Hz，采樣長度為1s。為了比較文中方法的有效性，分別采用離散傅里葉分析方法和RQEAAtom方法對波動電壓進行頻譜分析。

圖1、圖2、圖3分別給出了利用RQEAAtom對頻率為8.8Hz正弦波、多頻閃變和8Hz矩形波波動電壓的分解過程。電壓閃變現象對頻率為8.8Hz，正弦電壓波動為0.25%，8Hz矩形波電壓波動0.201%時較敏感。圖4、圖5對兩種算法計算Pst的相對誤差進行了對比。

由圖1可以發現，利用RQEAAtom對8.8Hz正弦波包絡線信號進行分解，經過1次原子分解，得到包絡線信號的幅值和頻率估計值分別1.249999mV 和8.799998Hz，接近理論值。圖2原子第一次分解可得到幅度4.41mV，頻率1.99997Hz閃變信號，原子第2次分解時得到第二個頻率分量，測量值幅度A=1.639997 頻率f=6.00006Hz，很接近理論值。圖2（e）經第1次和第2次分解后的殘余信號，利用文中方法能夠以很高的精度重構正弦波動閃變信號。endprint

圖3為矩形波閃變電壓包絡信號，矩形波信號包含了奇次諧波分量，由于引起閃變現象的電壓波動頻率范圍是0.5-35Hz，這里提取了基波和3次諧波分量。由原子第一次分解獲得的電壓波動幅度1.279553，理論值為1.279605，相對誤差為0.004063%；頻率為8Hz，相對誤差為0%。第2次原子分解得到了3次諧波分量幅值為0.426421，理論值為0.426535，相對誤差0.026726%；頻率為23.99998Hz，理論值為24Hz，相對誤差8.3×10-5%。通過確定閃變信號的頻域信息，計算Pst，與DFT算法相比較，計算Pst的結果如圖4、圖5所示，給出了計算Pst相對誤差曲線。

從圖4、圖5可以看出文中采用的AtomRQEA方法提高了頻域的分析能力，從而使計算Pst的相對誤差較小，且在對不同的頻率下計算的Pst相對誤差結果相差不大，而DFT方法在計算Pst時在不同的頻率下，相對誤差出現較大的振蕩。可見，文中提出方法具有很好的性能。今后工作主要集中在實數編碼量子進化算法和原子分解原理研究，更好的結合二者的優點，擴大基于原子分解和實數編碼量子進化算法在電力系統中應用的廣度和深度。

5 結 語

文中將原子稀疏分解方法與實數編碼量子進化算法相結合用于分析電壓波動與閃變信號，從而計算電力系統短時閃變嚴重度Pst。仿真試驗表明，采用所提方法計算Pst具有很高的計算精度，且非常穩定。基于原子分解和實數編碼量子進化算法不僅能夠為電力系統Pst計算提供了新途徑，也為相關領域類似問題的解決提供了一個工具。

參 考 文 獻：

[1] 趙剛， 施圍， 林海雪. 閃變值計算方法的研究[J]. 電網技術， 2001， 25（11）：15-18.

[2] 李志剛，汪濤，何怡剛，等.基于改進余弦窗的加窗插值FFT諧波分析[J].電氣工程學報，2016，11（4）：15-21.

[3] 陳子珍， 夏冰冰，閻威武. 基于改進加窗插值FFT的高精度諧波與間諧波檢測算法[J].中國電力，2015，48（9）：73-79.

[4] 郝柱，顧偉，褚建新，等.基于四譜線插值FFT的電網諧波檢測方法[J].電力系統保護與控制，2014， 42（19）：107-113.

[5] 張磊，黃純，江亞群，等. 應用HS改進原子分解的電能質量擾動辨識分析[J]. 電網技術， 2015，（01）：194-201.

[6] JIA Q. Q， YAO R.， WANG N.， MENG R. L. An Approach to Detect Harmonics/Interharmonics with Closing Frequencies Using Atomic Decomposition and Windowed Frequency Shifting Algorithm [J]. Proceedings of the CSEE， 2014， 34（27）：4605-4612.

[7] 于浩明，黃純，江亞群等.采用快速原子分解的電能質量擾動信號參數辨識[J].電網技術，2014，38（8）：2237-2243.

[8] ZHANG Jun，ZENG Pingping，MA Jianhua. Classification of Power Quality Disturbances Using PSOMP and Parametric Dictionaries[C]// 2015 International Conference on Intelligent Computing and Internet of Things， 2015：21-25.

[9] YU FENG QIN， CHEN YING. Musical Instrument Classification Based on Improved Matching Pursuit with InstrumentSpecific Atoms[C]// 2015 IIAI 4th International Congress on Advanced Applied Infformatics，2015：506-510.

[10]SUNIL BELUR NAGARAJ， NATHAN J. STEVENSON，WILLIAM P. MARNANE， et al. Neonatal Seizure Detection Using Atomic Decomposition with a Novel Dictionary [J]. IEEE Transactions on Biomedical engineering， 2014， 61 （11）：2724-2732.

[11]曲正偉，郝婉茹，王寧.原子分解快速算法在電能質量擾動分析中的應用[J].電力自動化設備，2015，35（10）：145-150.

[12]HE Qingbo， SONG Haiyue， DING Xiaoxi. Sparse Signal Reconstruction Based on Time – frequency Manifold for Rolling Element Bearing Fault Signature Enhancement[J].IEEE Transaction on Instrumentation and Measurement， 2016， 65（2）： 482-491.

[13]賈秀芳，岳娜，安海清.基于間諧波電壓的閃變傳遞計算方法[J].華北電力大學學報，2015，42（4）： 15-21.

[14]李蘭芳，馬明，盛超，等.基于旋轉因子變換插值的電壓閃變檢測算法[J].電工技術學報， 2016，31 （22）：178-185.

[15]楊爍，曹思揚，戴朝華，等.電能質量擾動信號時頻原子分解的進化匹配追蹤算法[J].電力系統保護與控制，2015，43（16）：80-86.

[16]LI MING. An Adaptive Quantum Evolutionary Algorithm and its Application to Path Planning [J].2015IEEE International Conference on System， Man， and Cybermetics，2015，2067-2017.

[17]CHE ADA， WU PENG，CHU FENG， ZHOU MENG CHU. Improved QuantumInspired Evolutionary Algorithm for LargeSize Lane Reservation [J].IEEE Transactions on System， Man， and Cybernetics： System， 2015， 45 （12）： 1535-1548.

[18]劉振，胡云安，彭軍，協同進化擴展緊致量子進化算法[J].控制與決策，2014，29（2）：320-326.

[19]Flicker MeterFunctional and Design Specifications [S]. EN61000-4-15，2003-01.120

[20]孫樹勤. 電壓波動與閃變[M]. 北京：中國電力出版， 1999：41-55.

（編輯：王 萍）endprint