在电力系统中，特别是智能电网和微电网环境中存在许多固有的和相关的问题。以微电网为载体接入新能源发电，电动汽车，储能系统和各类负载等，是未来主动配电网的发展趋势。该发展趋势能有效缓解能源紧缺和环境污染等问题，但同时也会恶化配电网中电能质量问题，其主要原因有两个方面：一是电网中电力电子元器件的占有量提升，二是自然资源的随机特性[3]。

1.2 PQD定义

电能质量指的是电力系统中电压、电流和频率等参数的稳定性和纯净度。在电力系统中，可能会出现各种电能质量扰动，这些扰动可能由于设备故障、电力负载变化、电力系统故障或其他外部因素引起。

2 PQD分类

2.1 单一扰动简介

（1）正常电压：

（2）电压暂降

电压暂降指电压幅值在 0.1~0.9pu 范围，持续时间为 0.5T~1min 的电能质量扰动现象，其中 T 为基频周期。通常以剩余电压或暂降深度和持续时间为描述特征。IEEE 标准定义的暂降深度是剩余电压占额定参考电压的百分比。本质上都是对暂降的幅度进行描述。电压暂降通常与系统短路故障有关，但也会因启动或投切重载引起。

（3）电压暂升

（4）谐波

谐波是一个周期电气量的正弦波分量，其频率为基波频率的整数倍。当谐波分量与基波分量结合时，就会产生波形畸变。谐波电流主要由电力电子设备使用时向电网注入，继而在电网传输线阻抗上产生了谐波压降，进一步导致电压畸变。

（5）电压波多（闪变）

电压波动是指电压波形包络的一系列随机电压波动，幅值在范围内变化：0.95~1.05pu 。用电压幅值和波动频度来表述其特征。定义电压变动值中相邻两个极值的变化称为一次电压波动，把单位时间内电压波动的次数称为电压波动频度。轧钢机、绞车的频繁启动和焊机的间歇通电等，会引起规律性的周期电压波动；电弧炉等波动性负荷则会引起供电点出现连续、随机、无规律的电压波动。

（6）暂态脉冲

脉冲瞬变指电压或电流或两者，在稳态情况下突然以非电源频率发生单一极性的变化。通常以上升或下降时间为描述特征，因此又可将脉冲瞬变细分为纳秒、微秒和毫秒 3 个级别。纳秒级脉冲瞬变持续时间一般小于 50ns，微秒级脉冲瞬变持续时间一般为 50ns~1ms，毫秒级脉冲瞬变持续时间一般大于 1ms。引起脉冲瞬变最主要的原因是闪电。

（7）振荡暂态

振荡瞬变指电压或电流或两者，在稳态情况下突然以非电源频率发生双极性的变化。其中频率低于 5kHz，持续时间为 0.3~50ms，电压幅值为0~4pu 范围的一般称为低频振荡瞬变；频率处于5~500kHz，持续时间约 20µs，电压幅值 0~8pu 范围的一般称为中频振荡瞬变；频率处于 0.5~5MHz，持续时间约为 5µs，电压幅值为 0~4pu 范围的一般称为高频振荡瞬变。通常以持续时间、振荡频率和电压幅值为描述特征。引起振荡瞬变的主要原因是接地故障或负荷/开关切换瞬态等。

（8）电压中断

电压中断指电压幅值低于 0.1pu，持续时间为 0.5T~1min 的电能质量扰动现象。通常以电压幅值和持续时间为描述特征。IEEE 中将电压中断按持续时间的不同分为暂时(0.5T~3s)和短时(3s~1min)中断。电压中断通常是由电力系统故障、设备故障等造成。

（9）电压缺口

电压缺口是当电流从一相转换到另一相时，电力电子设备的正常操作引起的周期性电压扰动。电压陷波表示一种特殊情况，它是周期性的，但频率含量相当高。因此，它具有可以被视为瞬态和谐波失真的属性。由于缺口是连续发生的（稳态），因此可以通过受影响电压的谐波频谱来表征。然而，由于与缺口相关的高频分量，用典型的谐波测量设备可能无法对其进行表征。

（10）电压尖峰

电压尖峰的特点是持续数十微妙及高达几百伏的电压，由雷击或负载阶跃的感应耦合产生，属于浪涌电压里的一种。电机、电容器和功率转换设备（如变速驱动器）是产生尖峰电压的主要因素。

2.2 复合扰动简介

复合扰动定义为：包含两种（含两种）以上单一扰动的电能质量扰动形式。复合扰动的组合形式可以根据表1和表2中的划分形式进行考校[4]：

按表1所示分属暂态、稳态的情况除外，同一参数不可能同时发生两种不同方式的突变；
不同参数可以同时发生突变；
加性扰动的存在不受参数变化的限制。
较为常见的复合扰动信号包括谐波与各种暂态扰动的复合、两种暂态扰动的复合、各种稳态扰动的复合等，且都有着各自的特点。

表1 暂态和稳态划分

表2 参数突变划分

部分扰动信号类型波形图如下所示：

3 基于Python的电能扰动信号数据生成

3.1 基础知识

电压频率：f，50Hz
电压周期：t= 1/f , 0.02s
采样周期：采样时间周期 T = 10t, 一般默认10个t，即0.2s
采样频率：一般默认2560Hz, 或者5120Hz,或者其他（自定义，比较灵活）

怎么理解采样频率，可以先从自己需要的信号序列长度出发，比如我想得到的信号序列长度为512，那么采样周期为0.2s,就对应512个采样点，那么1秒就采样2560个点，所以采样频率就为2560Hz，因为序列长度需要根据自己的偏好和任务来决定，所以不固定统一，很多论文的采样频率也自然不尽统一。（可以灵活设定）

3.2 Python实现扰动信号数据生成

参照IEEE Std1159-2019标准和论文公式模型，以及前面讲解的内容，用Python进行仿真生成信号数据

以正常信号公式为例：

第一步，导入相关包，用于生成信号

import numpy as npimport randomimport matplotlibmatplotlib.rc("font", family='Microsoft YaHei')

第二步，设置参数

# 1. 正常信号w = 2 * np.pi / 0.02# 幅值A = 1#频率Hz,每秒采样2560次，对应序列长度为512f = 2560  # 在0~2pi之间随机一个数字表示采样开始TimeStrat = np.random.random() * 2 * np.pi# 生成一个时间间隔TimeInterval，它是从0到f/5的一个等差数列，步长为1/fTimeInterval = np.arange(0, (f / 5) / f, 1 / f)

第三步，按照公式生成信号

# 每次信号起始点设置不相同t = TimeStrat + TimeInterval # 生成信号z = A * np.sin(w * t)

第四步，绘制信号图波形图

plt.figure(figsize=(5,2))plt.plot(z)plt.title('正常信号', fontsize=8)plt.show()

一般在做实验中会给数据添加白噪声，添加70db~20db不等的噪声来增强数据的真实性，检验模型的抗噪能力和泛化能力

信噪比（Signal-to-Noise Ratio，SNR）

信噪比（Signal-to-Noise Ratio，SNR）是衡量信号与噪声比例的指标。信噪比的单位是分贝（dB），它描述了信号与噪声的相对强度。较高的信噪比表示信号更强、噪声更弱，较低的信噪比表示噪声相对较强。

当信噪比较高时，信号的功率远大于噪声的功率，噪声对信号的影响较小，因此添加噪声后，信号的变化可能不太明显。这就是为什么在添加50 dB信噪比的噪声后，原始信号看起来没有太大的变化。

而当信噪比较低时，噪声的功率相对较高，噪声对信号的影响较大，因此添加噪声后，信号的变化更加明显。这解释了为什么在添加20 dB信噪比的噪声后，原始信号看起来有较大的变化。

注意，信噪比的值只表示信号和噪声之间的相对强度，对于人眼来说，直观地感知信号变化的大小也受到多种因素的影响，包括信号的频率、幅度和噪声的性质等。因此，即使信噪比较高，也可能存在一些细微的变化，但通常难以直接观察到。

第五步，添加高斯白噪声

# 信噪比设置为 20 dBsnr_db = 20  # 计算信号功率signal_power = np.mean(z ** 2)  # 计算噪声功率noise_power = signal_power / (10 ** (snr_db / 10))  # 生成高斯白噪声，均值为0，标准差为噪声功率的开平方noise = np.random.normal(0, np.sqrt(noise_power), z.shape)  z_with_noise = z + noise