技術(shù)文章您的位置:網(wǎng)站首頁(yè) >技術(shù)文章 >電能質(zhì)量分析方法

電能質(zhì)量分析方法

更新時(shí)間:2020-07-31   點(diǎn)擊次數(shù):1338次
  電能質(zhì)量分析方法
 
  電力系統(tǒng)中的各種擾動(dòng)引起的電能質(zhì)量問(wèn)題主要可分為穩(wěn)態(tài)事件和暫態(tài)事件兩大類(lèi)。穩(wěn)態(tài)電能質(zhì)量問(wèn)題以波形畸變?yōu)樘卣鳎饕ㄖC波、間諧波、波形下陷及噪聲等;暫態(tài)事件通常是以頻譜和暫態(tài)持續(xù)時(shí)間為特征,可分為脈沖暫態(tài)和振蕩暫態(tài)兩大類(lèi)。
 
  電能質(zhì)量的分析方法主要有時(shí)域仿真法、頻域分析方法和基于變換的方法。
 
  時(shí)域仿真法
 
  時(shí)域仿真方法在電能質(zhì)量分析中的應(yīng)用為廣泛,其主要的用途是利用各種時(shí)域仿真程序?qū)﹄娔苜|(zhì)量問(wèn)題中的各種暫態(tài)現(xiàn)象進(jìn)行研究。對(duì)于電壓下跌、電壓上升、電壓中斷等有關(guān)電能質(zhì)量暫態(tài)問(wèn)題,由于其持續(xù)時(shí)間短、發(fā)生時(shí)間不確定、對(duì)頻域分析提出了較高的要求,較多采用時(shí)域仿真方法。
 
  目前EMTP(Electro-MagneticTransientProgram,電力系統(tǒng)電磁暫態(tài)分析的仿真軟件)、EMTDC(Electro-MagneticTransientofDirectCurrent,直流電磁暫態(tài)計(jì)算程序)、NETOMAC(NEtworkTOrsionMAchineControl,德國(guó)西門(mén)子公司開(kāi)發(fā)的用于電力系統(tǒng)仿真軟件)等系統(tǒng)暫態(tài)仿真程序和SPICE(Simulationprogramwithintegratedcircuitemphasis,是為普遍的電路級(jí)模擬程序)、PSPICE(是由SPICE發(fā)展而來(lái)的用于微機(jī)系列的通用電路分析程序)、SABER(是美國(guó)Synopsys公司的一款EDA仿真軟件)等電力電子仿真程序在研究中得到了廣泛的應(yīng)用,有的已經(jīng)被做成商業(yè)軟件。采用時(shí)域仿真計(jì)算的缺點(diǎn)是仿真步長(zhǎng)的選取決定了可模擬的大頻率范圍,因此必須事先知道暫態(tài)過(guò)程的頻率覆蓋范圍。此外,在模擬開(kāi)關(guān)的開(kāi)合過(guò)程時(shí),還會(huì)引起數(shù)值振蕩。
 
  頻域分析法
 
  頻域分析方法主要用于電能質(zhì)量穩(wěn)態(tài)問(wèn)題。比如諧波、電壓波動(dòng)和閃變、三相不平衡等。相對(duì)于暫態(tài)問(wèn)題,此類(lèi)事件具有變化相對(duì)較慢、持續(xù)事件較長(zhǎng)等特點(diǎn)。對(duì)稱(chēng)分量法是常用的方法。它的優(yōu)點(diǎn)是概念清晰、建模簡(jiǎn)單、算法成熟,但耗時(shí)長(zhǎng)。
 
  頻域分析方法主要包括頻率掃描、諧波潮流計(jì)算和混合諧波潮流計(jì)算等,該方法多用于電能質(zhì)量中諧波問(wèn)題的分析。
 
  頻率掃描和諧波潮流計(jì)算在反映非線性負(fù)載動(dòng)態(tài)特性方面有一定局限性,因此混合諧波潮流計(jì)算法在近些年中發(fā)展起來(lái)。其優(yōu)點(diǎn)是可詳細(xì)考慮非線性負(fù)載控制系統(tǒng)的作用,因此可描述其動(dòng)態(tài)特性。缺點(diǎn)是計(jì)算量大,求解過(guò)程復(fù)雜。
 
  基于變換的方法
 
  在電能質(zhì)量分析領(lǐng)域中廣泛應(yīng)用的基于變換的方法主要有傅里葉變換、神經(jīng)網(wǎng)絡(luò)、二次變換、小波變換和Prony分析等5種方法。
 
  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(jiǎn)單。但其缺點(diǎn)也很多:
 
 ?、匐m然能夠?qū)⑿盘?hào)的時(shí)域特征和頻域特征聯(lián)系起來(lái)觀察,但不能將二者有機(jī)地結(jié)合起來(lái)。
 
 ?、谥荒苓m應(yīng)于確定性的平穩(wěn)信號(hào)(如諧波),對(duì)時(shí)變非平穩(wěn)信號(hào)難以充分描述。
 
 ?、鄱虝r(shí)傅里葉變換(STFT)的離散形式?jīng)]有正交展開(kāi),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(guò)程,不適合分析多尺度過(guò)程和突變過(guò)程。
 
 ?、芸焖俑道锶~變換(FFT)變換的時(shí)間信息利用不充分,任何信號(hào)沖突都會(huì)導(dǎo)致整個(gè)頻帶的頻譜散布;在不滿(mǎn)足前提條件時(shí),會(huì)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(hào)處理方法。其對(duì)含有短時(shí)高頻分量與長(zhǎng)時(shí)間低頻分量的電能質(zhì)量信號(hào)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(shí)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(jì)算的基礎(chǔ),它既是高度非線性動(dòng)力學(xué)系統(tǒng),又是自適應(yīng)組織系統(tǒng),可用來(lái)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(wèn)題,會(huì)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(lái)考慮的新的時(shí)域變換方法。該方法的基本原理是用時(shí)間和頻率的雙線性函數(shù)來(lái)表示信號(hào)的能量函數(shù)。
 
  二次變換的優(yōu)點(diǎn)是:可以準(zhǔn)確地檢測(cè)到信號(hào)發(fā)生尖銳變化的時(shí)刻;測(cè)量基波和諧波分量的幅值。缺點(diǎn)是:無(wú)法準(zhǔn)確地估計(jì)原始信號(hào)的諧波分量幅值;不具有時(shí)域分析功能。
 
  4)小波分析法
 
  小波變換是近年來(lái)興起的一種算法,由于具有時(shí)域局部化的優(yōu)點(diǎn),特別適合于突變信號(hào)和不確定信號(hào)的分析。目前國(guó)內(nèi)外已經(jīng)有許多文獻(xiàn)應(yīng)用小波變換對(duì)諧波監(jiān)測(cè)、電磁暫態(tài)波形分析、電力系統(tǒng)擾動(dòng)建模等電能質(zhì)量問(wèn)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(guò)對(duì)時(shí)間序列過(guò)程從低分辨率到高分辨率的分析,顯示過(guò)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(shí)-頻局部化的特點(diǎn),特別適合突變信號(hào)和不平穩(wěn)信號(hào)分析;可以對(duì)信號(hào)進(jìn)行去噪、識(shí)別和數(shù)據(jù)壓縮、還原等。
 
  缺點(diǎn)是:在實(shí)時(shí)系統(tǒng)中運(yùn)算量較大,需要采用DSP等高價(jià)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(huì)占用較多時(shí)間,并帶來(lái)一定誤差。
 
  5)Prony分析法
 
  Prony分析衰減的思想類(lèi)似于小波。在該方法中,信號(hào)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(lèi)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(hào)分析。Prony分析的主要缺點(diǎn)是計(jì)算時(shí)間過(guò)長(zhǎng)。

聯(lián)