电力系统谐波检测方法分析综述_第1页
电力系统谐波检测方法分析综述_第2页
电力系统谐波检测方法分析综述_第3页
电力系统谐波检测方法分析综述_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

电力系统谐波检测方法分析综述

目录

电力系统谐波检测方法分析综述......................................................1

1.1模拟滤波器检测法..............................................................1

12基于瞬时无功功率理论的谐波检测法..............................................1

13基于变换域分析理论的谐波检测法.................................................2

1.4基于自适应噪声消除理论的谐波检测法............................................3

15基于小波变换的谐波检测法.......................................................3

1.6基于神经网络的谐波检测法......................................................4

U模拟滤波器检测法

早期的谐波检测法是基于频域理论建立的,采用模拟滤波器进行实现,将基

波电流分量滤除得到谐波分量,或采用带通滤波器得到基波分量再与被检测电流

相减得到谐波分量,经放天后输送至并行联结的带通滤波器,滤波器的中心频率

是确定的,一般为工频的整数倍,且滤波器按频率顺次排列,该检测方法的优点

是实现电路简单、输出阻抗低、成本低且易控制,但也存在一些明显的缺陷,如

实现电路的滤波中心频率对元件参数敏感、受外界影响大,不易获取理想的幅频

特性和相频特性,一组滤波电路只能够检测某个频率的谐波,准确度较低等।⑶,

随着对谐波检测的要求愈发严格和电力电子技术的不断精进•该方法目前使用已

经很少。

1.2基于瞬时无功功率理论的谐波检测法

瞬时无功功率理论最早由日本学者赤木泰文(H.Akagi)于1983年提出,该

理论与传统的以平均值为基础的功率定义不同,此后该理论不断被研究并逐渐被

完善。最初提出了p-q理论,定义了瞬时有功功率P、瞬时无功功率q等瞬时功

率量,其主要的一点不足就是未对有关的电流量进行定义,而后又相继改进并提

出了ip-iq法和d-q法。

p-q法谐波检测是一种最基本的方式,适用于对称、无畸变的三相三线制电

力系统,若电网中存在畸变、非线性负载或三相不对称负载时,使用该方法后结

果会有很大的偏差;ip-iq法谐波检测较于p-q法有一定的改善,能够适用于电网

电压存在畸变的情况且有较好的检测准确性,但在用于不对称的电压检测时其检

测性能将有所影响;d-q法谐波检测是基于旋转坐标变换思想上改进的方法,能

够适用于不对称和电压存在畸变的情况,检测性能进一步得到提升⑵。

基于瞬时无功功率理论的谐波检测法具有实现电路简单、实时性好等优点,

但也存在算法性能对电路元器件的参数依赖性大、不易调整,不能直接应用于单

相电路等缺点,学者们也在不断的芸试改进该方法,扩展其应用范围。

1.3基于变换域分析理论的谐波检测法

傅立叶变换法是变换域分析理论中最常用的一类方法,傅立叶变换由法国数

学家和物理学家傅立叶(M.Fouricr)提出,其原理是能将满足一定条件的某个国数

表示成三角国数(正弦或余弦国数)或其积分的线性组合,在不同的领域里拥有

着不同的表示形式,同样是现代信号处理技术中最重要的一种工具,多应用于信

号的处理。

随着信息处理技术的发展,首先出现了离散傅立升变换(DiscreteFourier

Transform,DFT),但由于计算量较大而实际应用并不普遍。之后在1965年,由

J.W.Cooly和T.W.Tukey提出的快速傅立叶变换(FaslFourierTransform,FFT),

大大提高了计算效率,且因其易实现的特点迅速受到广泛欢迎,基于快速傅立叶

变换的谐波检测法对处于稳态条件下的电力系统谐波信号具有较高的检测精度,

但首先需要对信号进行同步采样,而在实际的电力系统中,由于电网存在波动,

谐波信号具有时变性,因此,同步采样在实际应用中存在困难“4】,且在采样过

程中,会因信号频率与采样频率不一致而产生频谱泄漏和栅栏效应,导致结果出

现很大的偏差。针对此问题,目前有效的改进方法有引入窗国数和插值,即选择

合适的窗国数对所采集的信号样本进行加权和频谱修正的手段以降低对信号同

步采样的要求,减少泄露,有效抑制谐波间的干扰,但日前来说,加窗和插值都

会给算法附加额外的计算量,并且窗齿数的选择仍是一个难点;修正理想采样频

率法,对每个采样点进行修正以得到理想采样频率下的采样值,该方法实时性好,

但仅能减少50%的频谱泄漏;利用数字式锁相器使信号频率和采样频率保持同步,

改善谐波检测的结果,提高谐波检测的精度।⑸。

无论是传统的FFT谐波检测法或是改进之后的FFT谐波检测法都能对稳态

的电力系统谐波检测具有较好的精确度,实际中实现也较为简单,但由于是基于

块数据的计算,使得算法的实时性不够好,而且对非稳态的谐波信号不能很好的

跟踪。

1.4基于自适应噪声消除理论的谐波检测法

基于变换域的谐波检测法性能会因噪声的干扰而下降,随着研究的不断深入,

上世纪70年代,Widrow等人提出了自适应滤波理论,以此为基础发展起来的自

适应滤波器在处理特性未知的输入信号时,能够根据输入信号的变化自动地调节

滤波器权系数,将负载电流作为原始输入,将电压作为参考输入,自适应算法通

过迭代逼近系统的最佳滤波权系数,从而将负载电流中与电压波形相同的电流过

滤出去,得到谐波电流和无功电流之和,该方法与元件参数无关、对器件特性的

依赖小,能良好地跟踪检测且精度高。

在自适应噪声消除理论中,常用的信号处理工具是卡尔曼滤波器(Kalman

Filter.KF),其利用状态和观测方程构建模型,采用遂推算法对系统状态进行自

适应的最优估计,具有抵抗噪声干扰的能力,对于线性、高斯的系统模型有较好

的适用性,但在非线性系统中性能大大降低,有学者在此基础上提出了一些改进

措施,主要方法是利用线性化手段例如通过泰勒展开选取有限项进行线性近似、

多个采样点及Sigma点集的分布逼近系统的非线性分布等对卡尔曼算法进行非

线性扩展⑵。

自适应滤波是在维纳(wiener)滤波、卡尔曼(Kalman)滤波等线性滤波基础

上发展起来的,具有更强的适应性和更优的滤波性能。基于最小均方(LeastMean

Square,LMS)准则的自适应滤波器因其设计简单、性能高效的特点被广泛应用;

递归最小二乘(RecursiveLeastSquare,RLS)算法相较于LMS收敛速度更快、

稳态误差更小,但两者都在动态谐波检测中存在着跟踪速度不足的问题।⑹。

1.5基于小波变换的谑波检测法

基于小波变换的谐波检测法是变换域谐波检测的另一种常用方法,小波变换

(WaveletTransform,WT)理论由法国物理学家J.Morlet于1974年最先提出,相

较于傅立叶变换,WT是一种融合了时域和频域信息的司部变换,能高效地提取

信息,得到不同的时频分辨率,它在短时傅立叶变换局部化的思想上有所改进,

同时还避免了窗口大小不畸频率变化的缺点,能自动满足时频信号分析的要求,

解决了傅立叶变换的难点问题⑵。不同的小波基位数将呈现不同的谐波检测性能,

这种基于小波变换的方法在对时变的谐波进行检测时更加有效,但也存在着一些

问题,如小波基函数的选择尚未有明确的标准、小波变换同样勋在频带混叠、频

谱泄漏的现象、小波变换对高频的分辨率较低等。

1.6基于神经网络的港波检测法

神经网络(ANN)是能够模仿人脑的部分结构与功能,具备一定的映射能

力和自适应、自学习等能力的一种新型谐波检测研究方式。近年来,利用神经网

络进行谐波检测的相关研究正在广泛开展,神经网络的自学习、强鲁棒性、精确

可靠、在理论上可以实现任意非线性映射等优点可以提高谐波检测的实时性和精

度。人工神经网络实现谐波检测不仅具有很好的周期性电流跟踪性能,而且对非

周期变化的电流也有着很好的跟踪性能,对高频随机

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论