1）傅里葉變換

 

　　傅里葉變換是電能質(zhì)量分析領(lǐng)域中的基本方法，傅里葉變換的優(yōu)點(diǎn)是算法快速簡單。但其缺點(diǎn)也很多：

 

　　①雖然能夠?qū)⑿盘柕臅r域特征和頻域特征聯(lián)系起來觀察，但不能將二者有機(jī)地結(jié)合起來。

 

　　②只能適應(yīng)于確定性的平穩(wěn)信號（如諧波），對時變非平穩(wěn)信號難以充分描述。

 

　　③短時傅里葉變換（STFT）的離散形式?jīng)]有正交展開，難以實(shí)現(xiàn)高效算法；只適合于分析特征尺度大致相同的過程，不適合分析多尺度過程和突變過程。

 

　　④快速傅里葉變換（FFT）變換的時間信息利用不充分，任何信號沖突都會導(dǎo)致整個頻帶的頻譜散布；在不滿足前提條件時，會產(chǎn)生“旁瓣”和“頻譜泄露”現(xiàn)象。

 

　　傅里葉變換是經(jīng)典的頻譜分析和信號處理方法。其對含有短時高頻分量與長時間低頻分量的電能質(zhì)量信號分析具有一定的局限性。目前經(jīng)改進(jìn)的快速傅里葉變換（FFT）和短時傅里葉變換（STFT）已經(jīng)成為電能質(zhì)量分析的基礎(chǔ)。

 

　　2） 神經(jīng)網(wǎng)絡(luò)法

 

　　神經(jīng)網(wǎng)絡(luò)理論是巨量信息并行處理和大規(guī)模平行計算的基礎(chǔ)，它既是高度非線性動力學(xué)系統(tǒng)，又是自適應(yīng)組織系統(tǒng)，可用來描述認(rèn)知、決策及控制的智能行為。

 

　　神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是：可處理多輸入－多輸出系統(tǒng)，具有自學(xué)習(xí)、自適應(yīng)等特點(diǎn)；不必建立精確數(shù)學(xué)模型，只考慮輸入輸出關(guān)系即可。

 

　　缺點(diǎn)是：存在局部極小問題，會出現(xiàn)局部收斂，影響系統(tǒng)的控制精度；理想的訓(xùn)練樣本提取困難，影響網(wǎng)絡(luò)的訓(xùn)練速度和訓(xùn)練質(zhì)量；網(wǎng)絡(luò)結(jié)構(gòu)不易優(yōu)化。

 

　　3）二次變換法

 

　　二次變換是一種基于能量角度來考慮的新的時域變換方法。該方法的基本原理是用時間和頻率的雙線性函數(shù)來表示信號的能量函數(shù)。

 

　　二次變換的優(yōu)點(diǎn)是：可以準(zhǔn)確地檢測到信號發(fā)生尖銳變化的時刻；精確測量基波和諧波分量的幅值。缺點(diǎn)是：無法準(zhǔn)確地估計原始信號的諧波分量幅值；不具有時域分析功能。

 

　　4）小波分析法

 

　　小波變換是近年來興起的一種算法，由于具有時域局部化的優(yōu)點(diǎn)，特別適合于突變信號和不確定信號的分析。目前國內(nèi)外已經(jīng)有許多文獻(xiàn)應(yīng)用小波變換對諧波監(jiān)測、電磁暫態(tài)波形分析、電力系統(tǒng)擾動建模等電能質(zhì)量問題進(jìn)行了研究。 小波變換是一種多尺度分析數(shù)字技術(shù)，它通過對時間序列過程從低分辨率到高分辨率的分析，顯示過程變化的整體特征和局部變化行為。

 

　　常用的小波基函數(shù)有：Daubechies小波、B小波、Morlet小波、Meyer小波等。

 

　　小波變換的優(yōu)點(diǎn)是：具有時－頻局部化的特點(diǎn)，特別適合突變信號和不平穩(wěn)信號分析；可以對信號進(jìn)行去噪、識別和數(shù)據(jù)壓縮、還原等。

 

　　缺點(diǎn)是：在實(shí)時系統(tǒng)中運(yùn)算量較大，需要采用DSP等高價格的高速芯片； 小波分析有“邊緣效應(yīng)”，邊界數(shù)據(jù)處理會占用較多時間，并帶來一定誤差。

 

　　5）Prony分析法

 

　　Prony分析衰減的思想類似于小波。在該方法中，信號總是被認(rèn)為可以由一系列的衰減的正弦波構(gòu)成，這些衰減正弦波類似于小波函數(shù)。所以Prony分析方法和小波一樣，可以做多尺度的信號分析。Prony分析的主要缺點(diǎn)是計算時間過長。