3．3 基于变换的方法
基于变换的方法主要指Fourier变换方法、短时Fourier变换方法以及近年来出现的小波变换方法。
3．3．1 Fourier变换方法
作为经典的信号分析方法Fourier变换具有正交、完备等许多优点，而且有象FFT这样的快速算法，因此，已在电能质量分析领域中得到广泛应用。但在运用FFT时，必须满足以下条件：
（1）满足采样定理的要求，即采样频率必须是最高信号频率的两倍以上；
（2）被分析的波形必须是稳态的、随时间周期变化的。
因此，当采样频率或信号不能满足上列条件时，利用FFT分析会产生“旁瓣”和“频谱泄漏”现象，给分析带来误差。此外，由于FFT变换是对整个时间段的积分，时间信息得不到充分利用；信号的任何突变，其频谱将散布于整个频带。
3．3．2 短时Fourier变换方法（STFT）
为解决上述问题，Gabor利用加窗，提出了短时Fourier变换方法，即将不平稳过程看成是一系列短时平稳过程的集合，将Fourier变换用于不平稳信号的分析。由于实际多尺度过程的分析要求时－频窗口具有自适应性，即高频时频窗大、时窗小，低频时频窗小、时窗大，而STFT的时－频窗口则固定不变。因此，它只适合于分析特征尺度大致相同的过程，不适合分析多尺度过程和突变过程。而且，这种方法的离散形式没有正交展开，难以实现高效算法。3．3．3 小波变换方法信号分析等领域得到广泛应用。由于小波函数本身衰减很快，也属一种暂态波形，将其用于电能质量分析领域，尤其是暂态过程分析领域将具有FFT、STFT所无法比拟的优点[FS:Page]［5］。
近年来，已有文献介绍应用小波变换方法进行电能质量评估［6］、电磁暂态波形分析［7］和电力系统扰动建模［8］等电能质量问题的研究。常用的小波基函数有：Daubechies小波、B－样条小波、Morlet小波、Meyer小波等［4］；常用的算法有Mallat在多分辨分析（MRA）基础上提出的塔式快速小波算法——Mallat算法［9］。目前，小波变换方法在电能质量研究领域的应用还处于起步阶段，随着小波变换技术的进一步发展和性能更好的小波基函数的出现，小波变换技术必将在电能质量研究中得到更广泛的应用。
4 结束语
随着电能质量问题的日益严重而广大用户对电能质量要求的不断提高，有关电能质量问题的研究将会不断深入。相应的时域仿真、谐波潮流计算、STFT以及近年来新出现的小波变换等各种分析方法将会随着计算机技术的不断发展在电能质量研究领域中得到更广泛的应用。
参考文献：
［2］ Xu W，Jose JR，Dommel H W．A multiphase harmonic load－flow solution technique［J］．IEEE Trans on Power Systems，1991，6（1）：174～182．
［3］ Semlyen A，Medina A．Computation of the periodic steady statein systems with nonlinear components using a hybrid time andfrequency domain methodology［J］．IEEE Trans on Power Sys－tems，1995，10（3）：1498～1504．
［4］ Daubechies I．Ten lectures on wavelets［C］．Philadelphia，Penn－ sylvania，SIAM MathematicalAnalysis，1992．
［5］ Ribeiro PF．Wavelet transform：an advanced toolfor analyzingnon －stationary harmonic distortions in power systems［C］．Bologna，Italy：Proceeding of the IEEE ICHPS，1994．
［6］ Santoso S，Powers EJ，Grady W M．Power quality assessmentvia wavelet transform analysis［J］．IEEETrans on Power Deliv－ery，1996，11（2）：924～930．
［7］ Robertson CD，et al．Wavelets and electromagnetic power sys－tem transients［J］．IEEE Trans on Power Delivery，1996，11（2）：1050～1056．
［8］ Pillay P，Bhattacharjee A．Application of wavelets to modelshort －term power system disturbances［J］．IEEETrans on Pow－er Systems，1996，11（4）：2031～2037．
［9］ Mallat SG．A theory for multiresolution signal decomposition： the wavelet representation［J］．IEEE Trans on Pattern Analysis[FS:Page]
and Machine Intelligence，11（7）：674～693