电力系统谐波检测的现状与发展

作者：南京航空航天大学自动化学院 李　红，杨善水　来源：不详　时间：2006-5-23

（1）径向基函数神经网络的谐波测量［8］ 　　径向基函数神经网络（RBFNN，RadialBasisFunctionNeuralNetwork）是一种三层静态前向网络，第一层为输入层，由信号源结点构成；第二层为隐含层，其单元数视所描述问题的需要而定；第三层为输出层，他对输入模式的作用做出响应。用他来测量谐波分量的基本思路是，神经网络的输入为待测信号，输出为检波器输出的信号，从而得出所要测量的各次谐波信号的幅值。文中论述了通过在线分配隐单元，动态建立隐层空间的变结构的学习和训练算法，并根据电力系统中谐波的一些特点来形成训练样本集，最终实现用RBF网络测量谐波中的高次谐波分量的幅值。 　　（2）基于自适应神经网络和基于多层前馈网络的两种谐波测量方法［9］ 　　基于自适应神经网络（ANN）的波测量方法采用了ADLINE输入矩阵，x（t）＝［sin（ωt），cos（ωt），sin（2ωt），cos（2ωt），…，sin（nωt），cos（nωt）］。并采用了2种在线训练权值的算法，其一是Widrow-Hoff[18]算法，其二采用最小均方（LMS）算法，并分别从收敛速度、精度和自适应能力方面，通过仿真对这2种算法进行了比较，基于ANN自适应的谐波测量方法对于不确定的谐波进行跟踪测量来说是一种好方法。在基于多层前馈网络的谐波测量中，构建多个结构类似的MLFNN，有多少待测量谐波，就对应多少个MLFNN。利用离散的采样点来测量初相角，然后再对谐波的幅值进行在线和离线训练，实时性和精度上较好，仿真结果表明，幅值精度可达到10－3。对于确定的电力电子装置，若采用这种方法，实时性和精度上容易满足。 　　（3）引入惯性系数的神经网络方法［10］ 　　对传统的神经网络法进行了改进，提高了人工神经元自适应的学习率，并采用前K次采样值，用于检测畸变电流中的谐波电流。其中神经元学习采用LMS算法，通过误差e来调节权值，相应的修正权值公式： 　　 　　采用数字方式实现算法，仿真实验结果证明了本方法的有效性、正确性和实用性。 5　小波分析方法 　　小波分析方法具有多尺度分析和时－频局部化特性， 特别适用于边缘和峰值突变信号的处理和特征抽取，适合作为谐波检测和分析。 　　 （1）基于小波包的算法 　　可以用于大型变压器励磁涌流波形的识别［11］，本方法引入短数据窗对采样数据进行分析，具有良好的实时性。通过把小波变换应用于变压器差动保护的间断角测量，实现了小波变换局部极大值测量间断角。计算机仿真表明，本方法算法简单，抗干扰能力强，测量精度高，可使间距误差达到0．003 1 s，间断角误差为7．5°，是比较小的。可降低间断角微机保护的成本，有助于加速变压器差动保护微机化的进程。 　　 （2）正交小波变换分析［12］ 　　用“周期小波变换”精确地分解出基波及谐波信号，然后在原始信号中减掉周期信号后，用平滑延拓进行小波分解。在小波包分解过程中采用代价函数决定最优分解二*树。一旦发现某个节点的cos t＝0，就不再对此节点进一步分解。设ξ为门槛值，代价函数定义如下： 　　 　　用“周期小波变换”在处理高次谐波暂态过程时在边缘处有混频现象。由于电力信号的高次谐波所占比例较小，实际计算结果能够满足工程需要。本算法能够广泛应用于大型钢铁企业及电力机车供电系统的谐波分析。 　　 （3）离散和连续小波包结合的方法［13］ 　　使用离散小波包变换的滤波器组将波形频谱分解成子波段，然后用连续小波变换估计非零子波段的谐波内容，可以同时检测识别所有谐波中包括整次、非整次和分谐波。该方法能精确量化谐波的频率、幅值和相位。在澳洲西部系统中证明了该方法对波形合成和波形测量都是非常有效的。 　　 （4）基于小波变换的用KALMAN滤波［14］ 　　利用本方法建立一个在线跟踪检测电源系统谐波的新模型，以小波和多尺度分析的紧密联系来表示小波比例函数之和的谐波幅值和相位角。这个模型可通过求解小波比例函数的系数直接估计出谐波幅值和相位角。这个模型是结合了KALMAN滤波技术来开展在线谐波跟踪方法的。仿真表明本模型比传统的模型有更好的跟踪能力。 　　 （5）快速傅里叶变换和连续小波变换算法相结合［15］ 　　可以同时对谐波、间谐波和信号闪变进行测量。对电源电路中大容量的非线性装置的间歇运转造成电压和电流波形的谐波畸变和闪变有很好的检测效果。通过合成信号的仿真验证了这个算法的性能，在电弧炉支流电路的测量试验记录中验证了其可行性。试验的图解分析表明此算法运算时间较短，精确度也较好。 　　（6）利用小波变换系数傅里叶变换的幅值来分离谐波的算法［16］ 　　本方法结合了傅里叶变换和连续小波变换的特点，实例验证表明该算法能够把频率相近的整数次和非整数次谐波分离，实现较理想的检测，从而提高了谐波分析、检测的精度。 　　 （7）基于小波变换的时变谐波检测方法［17］ 　　利用正交小波在L2（R）空间线性张成的标准正交小波基和小波函数时频局部性的特点，将谐波时变幅值投影到小波函数和尺度函数张成的子空间上，从而把时变幅值的估计问题转化为常系数估计，利用最小二乘法即可实现时变谐波的检测。此方法可以准确检测时变谐波并且具有较快的跟踪速度。 6　结　语 　　综上所述，傅里叶变换是目前谐波测量仪器中广泛应用的基本理论依据；神经网络理论和小波分析方法应用于谐波测量，仍是目前正在研究的新方法，他可以提高谐波测量的实时性和精度；瞬时无功功率理论可用于谐波的瞬时检测，也可用于无功补偿等谐波治理领域。 　　硬件设备的精度、速度和可靠性的快速发展，为实现高性能算法和实时控制奠定了基础。谐波测量算法向复杂化、智能化发展；求解方法从直观的函数解析，进入复杂的数值分析和信号处理领域。 　　但谐波测量与谐波分析如何相互配合；针对非稳态波形畸变，寻求新的数学方法，建立更为完善的功率定义和理论，将新理论应用于谐波测量；提出新的测量方法和测量手段，使谐波测量在精度和实时性方面取得突破，仍是人们关注的方向。 参考文献 ［1］陈华丽，陆怀恩，等．一种提高谐波测量精度的新算法［J］．继电器，2003，31（3）：40-43. ［2］祁才君，陈隆道，等．应用插值FFT算法精确估计电网谐波参数［J］．浙江大学学报，2003，37（1）． ［3］汪少辉．16路电力网谐波在线监视、分析装置的研究［D］．中南大学硕士学位论文． 本新闻共3页,当前在第2页  [首页]    [上一页]    [下一页]    [末页]     选择页数123