电能质量扰动在线监测是获取电能质量信息的直接有效途径,其方法研究业已成为电工技术领域的热门前沿研究课题。电能质量扰动在线监测方法的研究存在两个核心问题:一是扰动的实时检测问题,检测算法的精度和实时性直接决定着监测系统的可靠性;其次是电能质量信息的“挖掘”问题,在电能质量在线监测过程中,会收集大量电能质量扰动波形数据,有必要设计一种快速有效算法从这些海量数据中挖掘提取“有用”的电能质量信息,以到达有效改善和治理电网电能质量的目的。本文针对这两个核心问题,沿着“扰动信号去噪暂态谐波测量扰动在线检测扰动数据分类挖掘”这一技术主线,运用小波理论、Teager能量算子和数据挖掘技术,对电能质量扰动信号去噪、暂态谐波测量、扰动在线检测以及扰动数据分类挖掘进行了系统研究。(1)针对电能质量扰动实时在线监测要求,提出一种电能质量扰动监测系统的整体架构。该系统能够同步采集不同观测点处的各种类型电能质量扰动数据。(2)在研究电能质量扰动信号和加性噪声各自特性基础上,提出了两种不同的电能质量扰动去噪算法:基于Cross-validation的自适应阈值去噪算法(简称CV自适应算法)和基于Block-thresholding的小波去噪算法(简称BT算法)。CV自适应算法能够适应被测信号的变化,通过最速下降法来寻求一个最优去噪阈值;将所提算法与现有的电能质量领域广泛采用的VisuShrink和SureShrink去噪算法进行了比较,仿真测试结果表明了CV自适应算法的优越性。BT算法把各个尺度的小波系数分成若干块,针对每个块分别来确定阈值和进行阈值处理;仿真和实验结果表明,BT算法能取得略优于CV自适应算法的去噪效果,且响应速度更快。(3)针对基于傅里叶变换(FFT)的谐波分析方法易受噪声干扰和对暂态谐波处理精度差的缺点,提出了一种基于小波包变换的暂态谐波分析算法。该算法能实现信号频带的均匀划分,通过选择适当的采样频率和小波包分解树,可使所关心的谐波频率落在小波包频带的中心,从而减少频谱泄露,有效提高频谱分析精度。通过对比研究表明,所提算法的暂态谐波测量精度明显优于FFT方法,而且保留了暂态谐波扰动发生的时间信息,仿真测试结果进一步表明了该算法的有效性。(4)建立一个有效的电能质量监控系统,对扰动的快速、准确检测非常关键。通过引入Teager能量算子(TEO),提出了基于TEO的电能质量扰动实时检测方法。Teager能量算子只需对被测波形相邻的三个采样点进行两次乘法和一次加法运算,使得所提算法简洁、快速,具有优良的时间分辨率,能实时跟踪被测信号波形变化。仿真和实验结果表明,所提算法能够准确、迅速地检测和定位电能质量扰动的发生,具有优良的检测效果,且抗干扰能力强,适于电能质量扰动的实时在线检测。(5)提出了一种高效的电能质量扰动数据分类挖掘算法。电能质量监测系统最终目的是获取充分有效的电能质量信息。在电能质量在线监测过程中,获取了大量的扰动波形数据,如何从这些“粗燥”的原始波形数据中获取有效的电能质量信息,是电能质量分析的重点,也是难点。通过引入数据挖掘技术,提出了一种高效的电能质量扰动数据分类挖掘算法。该方法首先通过小波变换对电能质量扰动进行多分辨率分解,扰动在各个尺度的能量分布构成特征向量;然后利用决策树算法从这些特征向量构成的训练样本中自动提取相应的分类规则,得到决策树分类模型,并将该模型应用到电能质量扰动测试数据中。仿真测试结果表明,所提方法分类准确率高,响应快速,适于电能质量信息挖掘和提取。针对电能质量扰动问题,研究提出的电能质量扰动在线监测算法,有效地提高了电能质量扰动在线监测的实时性和可靠性;课题研究成果完善和丰富了电能质量监测理论体系,为设计开发电能质量扰动实时在线监测系统提供了重要的理论依据和有效的实现途径。