電力諧波和間諧波參數(shù)估計算法研究.pdf

1、隨著大量非線性、沖擊性負(fù)荷在電力系統(tǒng)中投入使用，給電網(wǎng)帶來了嚴(yán)重的諧波污染，現(xiàn)代電網(wǎng)中不僅含有整數(shù)次諧波而且還存在非整數(shù)次諧波，即間諧波。諧波和間諧波治理的前提是對其參數(shù)準(zhǔn)確估計，本文主要從傅立葉變換、小波變換、現(xiàn)代譜估計和自適應(yīng)神經(jīng)網(wǎng)絡(luò)等幾個方面探討電力諧波和間諧波的參數(shù)估計算法。
　　 傅立葉變換是最基本的諧波和間諧波分析方法，已被IEC61000-4-7標(biāo)準(zhǔn)采用。利用傅立葉變換進行諧波分析的缺點是在非同步采樣時存在頻譜泄露

2、和柵欄效應(yīng)，頻率分辨率與采樣數(shù)據(jù)長度成反比。加窗插值傅立葉變換是抑制頻譜泄漏和消除柵欄效應(yīng)的有效方法，然而現(xiàn)有的加窗插值傅立葉變換方法在分析精度和計算量之間存在著矛盾，例如，Hanning窗插值算法簡單，但分析精度低，Blackman-Harris窗插值算法分析精度高，但計算量大。因此，提出3項3階Nuttall窗和4項5階Nuttall窗插值傅立葉變換方法及其改進策略，其插值系數(shù)求解簡單，計算量小，同時諧波分析精度可媲美Blackma

3、n窗和Blackman-Harris窗插值傅立葉變換方法。通過消除基波對二次諧波或基波和諧波對其附近間諧波的頻譜泄漏，提高了Nuttall窗插值傅立葉變換方法的總體分析精度，而計算量增加不大。
　　 小波變換克服了傅立葉變換在頻域完全局部化而在時域完全無局部性的缺點，可以同時提取信號的時頻信息，近年來也被用于諧波分析，但利用小波變換方法分析穩(wěn)態(tài)諧波信號時，頻譜混疊比較嚴(yán)重，分析精度不高。提出一種基于遞歸濾波器的諧波和間諧波分析方

4、法，該方法有效克服了小波變換的頻譜混疊現(xiàn)象，能夠準(zhǔn)確估計諧波和間諧波的頻率和幅值，并且遞歸濾波器的輸出值可按采樣點來逐點更新，僅由信號的前六個采樣值和遞歸濾波器的前七個輸出值決定，計算復(fù)雜性與采樣頻率無關(guān)。
　　 針對傅立葉變換在短數(shù)據(jù)條件下頻率分辨率低的缺點，將現(xiàn)代譜估計方法用于諧波和間諧波的頻率估計，提出最優(yōu)加權(quán)Burg算法和基于傳播算子的MUSIC算法。最優(yōu)加權(quán)Burg算法能夠減小Burg算法的譜峰偏移和消除其譜線分裂。利

5、用傳播算子估計噪聲子空間時不需要估計自相關(guān)矩陣和特征分解，計算復(fù)雜度低，并且信號源數(shù)的適當(dāng)過估計將會使基于傳播算子的MUSIC算法的頻率估計性能媲美MUSIC算法。利用基于多級維納濾波器的TLS-ESPRIT算法估計正弦信號頻率時同樣能減小計算量。通過多個仿真算例，從不同角度驗證了所提算法具有頻率分辨率高的優(yōu)點，適用于非同步采樣、短數(shù)據(jù)條件下的諧波和間諧波頻率估計。
　　 將Adaline神經(jīng)元用于諧波和間諧波分析，提出復(fù)數(shù)域A

6、daline神經(jīng)網(wǎng)絡(luò)諧波分析模型和增強型Adaline神經(jīng)網(wǎng)絡(luò)的頻率學(xué)習(xí)率自適應(yīng)選擇方法。復(fù)數(shù)域Adaline神經(jīng)網(wǎng)絡(luò)模型的輸入向量和權(quán)向量僅為Adaline神經(jīng)元的一半，簡化了網(wǎng)絡(luò)結(jié)構(gòu)。對各諧波和間諧波的頻率學(xué)習(xí)率根據(jù)頻率的變化量進行自動調(diào)整，能夠改善增強型Adaline神經(jīng)網(wǎng)絡(luò)的收斂性和分析精度。將LMS牛頓算法、變步長LMS算法、RLS算法等自適應(yīng)算法應(yīng)用于Adaline神經(jīng)網(wǎng)絡(luò)，能夠大大提高Adaline神經(jīng)網(wǎng)絡(luò)的收斂速度。仿真