中国储能网讯：上海海事大学电气自动化系的研究人员卓金宝、施伟锋、兰莹等，在2017年第17期《电工技术学报》上撰文，针对强噪声背景下微电网电能信号扰动定位和识别困难的问题,提出一种基于改进形态滤波器和弧长差分序列的扰动定位与识别方法。

首先,将交替混合形态滤波器中的膨胀和腐蚀函数改进为均值膨胀和均值腐蚀函数,再对电能扰动信号进行滤波。然后,在分析扰动波形变化规律和三个典型扰动算例的基础上,定义并计算滤波后扰动信号的弧长差分序列。最后,利用弧长差分序列定位准确扰动时间,从弧长差分序列和滤波后信号中提取幅值特征和波峰特征,输入到已定义识别规则的扰动识别器,实现扰动识别。

仿真试验和实际微电网数据试验结果表明,该方法能够精确定位和识别混入不同强度噪声的5种单一扰动和3种复合扰动,适用于实际微电网电能信号扰动的定位与识别。

为保证微电网电能质量优质可靠，需要对因受输电线路故障、大功率负荷投切、电力电子装置等干扰，而在微电网中出现的扰动进行高效准确地时间定位与类型识别。但是，微电网的电能采样信号中通常混有强噪声，如工作环境中充斥大量强噪声的船舶微电网。所以，在强噪声背景下快速准确地检测、定位和识别电能扰动是提高微电网电能质量的基础工作。

微电网中经常出现的电能质量扰动主要为电压暂降、电压暂升、中断、谐波和暂态振荡等类型。在扰动识别前对电能信号进行滤波处理是保证定位与识别准确性的前提。

作为一种基于集合论和数学形态学的时域非线性滤波器，形态滤波器是一种源于图像特征提取的滤波方法，具有计算简单、实时性强的特点，近年来受到较多的关注。

目前，形态滤波器研究主要围绕两个方面展开: 设计新型算子和选取自适应结构元素。这些研究虽然不同程度地改善了滤波效果，但是都增加了算法复杂性和计算量，泛化应用能力值得推敲。

回归数学形态学定义本身，对形态滤波器中的最基本运算——膨胀和腐蚀运算进行改进，是一条改善形态滤波器滤波效果的可靠途径。当前，电能质量扰动定位与识别方法大多通过时频变换，提取扰动信号的频域特征进行扰动识别，如S变换、小波变换和短时傅里叶变换等时频变换，这将造成时域信息的低效利用或遗漏，同时计算时间较长，不便于实时应用。

同时，微电网电能信号采样时电磁环境较为复杂，提取足够显著的频域特征将变得更加困难。通过进一步地实验和分析，发现不同电能扰动信号每四分之一和二分之一电能信号周期的弧长具有显著区别的几何特征。所以，充分利用信号出现扰动时波形的几何变化规律，提取时域波形的几何特征用于扰动的定位与识别是解决复杂环境中微电网电能信号扰动定位与识别问题的可行且有效的方案。

本文提出一种基于改进的形态滤波器和弧长差分序列的微电网电能质量扰动定位和识别新方法。首先将新定义的均值-膨胀和均值-腐蚀运算用于设计交替混合形态滤波器，对电能采样信号进行滤波，获得更优光滑性的滤波后信号; 然后基于时域波形的几何特征和扰动识别原理，将滤波后的电能扰动信号进行变换，形成弧长差分序列，定位扰动时间并提取序列中扰动的时频域特征量; 最后经过识别器识别扰动类型。通过仿真和实际数据试验，证明此方法的有效性和准确性。

图8 基于弧长差分序列的电能信号扰动定位与识别方法

结论

本文设计了一种基于改进的形态滤波器和弧长差分序列的微电网扰动定位与识别方法。为改善滤波效果，采用均值—膨胀函数和均值—腐蚀函数对交替混合形态滤波器进行改进，滤波后扰动信号经基于弧长差分序列的扰动定位与识别算法处理，可以有效实现扰动定位与识别。

仿真试验表明改进的形态滤波器较传统形态滤波器具有更好的滤波效果，扰动定位与识别算法可以有效定位和识别5种单一扰动和3种复合扰动。实际微电网信号试验表明所提出的新方法适用于微电网电能扰动时间定位与识别。同时，所设计的算法中特征量的特征信息丰富，可以进一步用于微电网故障诊断研究。

责任编辑：张珊珊