一种高精度的电力系统谐波分析算法

作者：武汉大学电气工程学院柴旭峥，文习山，关根志，彭宁云　来源：不详

[9]，将在某一时段内测得的波形离散后进行离散傅立叶变换(DFT)或快速傅立叶变换(FFT), 从而计算得到各次谐波幅值及相位参数的方法称之为时域测量方法，并提出了若干要求，如采用时域测量方法的谐波测量仪应可以测量包括直流分量在内的1~50次谐波分量，对于高于50次的谐波分量用抗混叠滤波器滤除；采样频率一般要大于6.4kHz；对于准稳态谐波、波动谐波和快速变化的谐波分别提出了测量窗口的持续时间，其中对快速变化的谐波要求测量0.08~0.16s（4~8个周期）中的波形进行谐波分析。     电力系统真实物理信号的动态特性是非常复杂的，许多学者针对电力系统频率的概念及其动态测量技术进行了深入的研究。本文提出的FFT-Adaline算法认为，在较短时间内（0.08~0.16s）电力系统的频率可近似为某一恒定值，这一假设与电力网作为大网络系统的动态特性相符合（即不可能发生频率突变）。因此加海宁窗的FFT插值算法根据较短时间内测得的信号可以较精确地得到电力系统频率。在准确计算电力系统基波频率的基础上，运用Adaline 神经元模型进行谐波分析，可以消除FFT算法和Adaline 神经元模型算法产生误差的主要因素，提高了电力系统谐波分析的精度。 5  模拟分析结果     模拟分析采用西安钢厂35kV母线（钢阿线）某次测得线电压Vbc的各次谐波参数[10]，相位自拟。由于只是验证算法的精确性与可靠性，因此仅考察1~6次谐波的参数运算结果。为了进一步模拟实测到数字信号的情况，在仿真信号中考虑了系统频率的波动和加入幅值为基波幅值1%的白噪声信号，其信号为     对以上信号以采样频率10kHz(10000点/s)进行采样，采样点数为1024个，则其采样时间t=1024¸ 10000=0.124s，满足国家标准中对快速变化谐波的测量要求。假设测量时系统频率为f = 50.2Hz，在国家标准允许的系统频率波动范围之内。分别采用不考虑系统频率波动的Adaline模型(即认为f =50Hz不变)、加海宁窗的插值FFT算法和FFT-Adaline算法分别计算得到表1所示的结果。 其中，FFT-Adaline算法给出了将采样点(1024个)处理一遍和处理两遍(2048个)的结果，在编程实现的过程中可根据具体精度控制的要求决定训练的点数。     由模拟分析的结果可以看出：FFT-Adaline算法对频率波动时谐波的测量有较好的适应性，受白噪声干扰信号的影响较小，对各次谐波幅值和相角的计算都有较好的精度。与加布莱克曼-哈利斯窗的插值算法相比，在用高级语言实现程序时，FFT-Adaline算法不用解方程，求出系统频率后几乎没有选择和判断语句，避免了死循环现象的出现，提高了程序的可靠性。     大量模拟分析表明，在满足采样定理和国标中对谐波测量具体要求的条件下，FFT-Adaline算法的精度只与训练次数有关，与采样频率无关，对于不含白噪声干扰的纯净数字信号，在训练1500次左右输出的结果均可达到10-3位的精度。 6  结论     本文提出了一种电力系统谐波分析的FFT-Adaline高精度算法，在C语言编程实现之后，根据电力系统中谐波的实际情况，应用MATLAB软件产生仿真数据进行了大量的模拟分析，在产生仿真数据时考虑了基波频率的变化和白噪声的干扰等可能的影响因素及国标中对谐波测量的具体要求，实验证明，本算法具有较高的精度和程序可靠性。在高速数字信号处理器(DSP)技术迅猛发展的背景下，本算法可以作为高精度电力系统谐波分析的一种有效的解决方案。                             参考文献 [1]   孙仲康. 快速傅立叶变换及其应用 [M].北京：人民邮电出版社，1982. [2]   张伏生, 耿中行, 葛耀中(Zhang Fusheng, Geng Zhongxing, Ge Yaozhong). 电力系统谐波分析的高精度FFT算法(FFT algorithm with high accuracy for harmonic analysis in power system)[J].中国电机工程学报(Proceedings of the CESS),1999,19(3)：63 -66. [3]   赵文春, 马伟明, 胡安(Zhao Wenchun, Ma Weiming, Hu An). 电机测试中谐波分析的高精度FFT算法(FFT algorithm with high accuracy for harmonic analysis in electric machine)[J]. 中国电机工程学报(Proceedings of the CESS),2001,21(12)：83-87. [4]   El-Amin I, Arafah I. Artificial neural networks for power systems harmonic estimation[C]. Proceedings of the 8th international conference on harmonics and quality of power，1998, 2：999-1009. [5]   危韧勇, 李志勇(Wei Renyong, Li Zhiyong). 基于人工神经元网络的电力系统谐波测量方法(Measurement of harmonics in power system based on artificial neural network)[J].电网技术(Power System Technology), 1999, 23(12)：20-23. [6]   王群, 吴宁, 王兆安(Wang Qun, Wu Ning, Wang Zhaoan). 一种基于人工神经网络的谐波测量方法(An artificial neural network approach for measure harmonics)[J]. 电网技术(Power System Technology), 1999, 23(1)：29-32. [7]   谢明,丁康(Xie Ming, Ding Kang). 频谱分析的校正方法(Rectifying technique of spectrum analysis)[J].振动工程学报(Journal of Vibration Engineering), 1994, 7(2)：172-179. [8]   Widrow B, Stearns S D. Adaptive signal processing [M]. New York：Prentice-Hall Press, 1985. [9]   GB/T 17626.电磁兼容试验和测试技术供电系统及所连设备谐波、间谐波的测量和测量仪器导则[S].1998. [10] 赵旺初(Zhao Wangchu). 电力网的谐波源及降低谐波的措施(Harmonic wave source in power networks and measures to reduce harmonic wave)[J]. 电力建设(Electric Power Construction)，1999，9：22-24. 本新闻共2页,当前在第2页  [首页]    [上一页]    [下一页]    [末页]     选择页数12