電力諧波和間諧波參數(shù)估計(jì)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(lái)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(duì)其參數(shù)準(zhǔn)確估計(jì)，本文主要從傅立葉變換、小波變換、現(xiàn)代譜估計(jì)和自適應(yīng)神經(jīng)網(wǎng)絡(luò)等幾個(gè)方面探討電力諧波和間諧波的參數(shù)估計(jì)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(jìn)行諧波分析的缺點(diǎn)是在非同步采樣時(shí)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(zhǎng)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(jì)算量之間存在著矛盾，例如，Hanning窗插值算法簡(jiǎn)單，但分析精度低，Blackman-Harris窗插值算法分析精度高，但計(jì)算量大。因此，提出3項(xiàng)3階Nuttall窗和4項(xiàng)5階Nuttall窗插值傅立葉變換方法及其改進(jìn)策略，其插值系數(shù)求解簡(jiǎn)單，計(jì)算量小，同時(shí)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(guò)消除基波對(duì)二次諧波或基波和諧波對(duì)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(jì)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(shí)域完全無(wú)局部性的缺點(diǎn)，可以同時(shí)提取信號(hào)的時(shí)頻信息，近年來(lái)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(hào)時(shí)，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(jì)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(diǎn)來(lái)逐點(diǎn)更新，僅由信號(hào)的前六個(gè)采樣值和遞歸濾波器的前七個(gè)輸出值決定，計(jì)算復(fù)雜性與采樣頻率無(wú)關(guān)。
　　 針對(duì)傅立葉變換在短數(shù)據(jù)條件下頻率分辨率低的缺點(diǎn)，將現(xiàn)代譜估計(jì)方法用于諧波和間諧波的頻率估計(jì)，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(jì)噪聲子空間時(shí)不需要估計(jì)自相關(guān)矩陣和特征分解，計(jì)算復(fù)雜度低，并且信號(hào)源數(shù)的適當(dāng)過(guò)估計(jì)將會(huì)使基于傳播算子的MUSIC算法的頻率估計(jì)性能媲美MUSIC算法。利用基于多級(jí)維納濾波器的TLS-ESPRIT算法估計(jì)正弦信號(hào)頻率時(shí)同樣能減小計(jì)算量。通過(guò)多個(gè)仿真算例，從不同角度驗(yàn)證了所提算法具有頻率分辨率高的優(yōu)點(diǎn)，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(jì)。
　　 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(qiáng)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?jī)H為Adaline神經(jīng)元的一半，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)。對(duì)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(jìn)行自動(dòng)調(diào)整，能夠改善增強(qiáng)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(zhǎng)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