一种非线性负荷的电气特性与谐波源特性的应用的制作方法

1.本发明涉及电气技术领域，具体涉及一种非线性负荷的电气特性与谐波源特性的应用。


背景技术：

2.电力系统的谐波都是由谐波源——非线性设备产生的。当正弦电压施加在线性无源元件电阻、电感和电容上，其电压和电流分别为比例、微分和积分关系，其波形为同频率的正弦波。然而，当正弦电压施加在非线性元件上时，电流波形就变为非正弦波，非正弦电流在电网阻抗上产生压降，从而使电压波形也变为非正弦波。非正弦电压即使施加在线性元件上，电流也将变为非正弦波，从而使系统的电能质量进一步恶化。作为谐波源，非线性设备一般可被划分为以下几类：
3.(1)传统非线性设备，包括变压器、旋转电机以及电弧炉等。电力系统中的变压器会产生大量的谐波。为了能充分利用变压器的磁芯材料，通常要求其在稳定状态下具有峰值磁通密度，此时磁性材料在接近非线性区或就在非线性区运行。在这种情况下，即使所加电压是正弦的，变压器的励磁电流也是非正弦的，因而包含谐波，主要是3次谐波。电机也是电力系统中的主要谐波源之一。旋转电机的线圈被嵌入线槽中，由于这些线槽不可能严格按照正弦分布，从而使得产生的磁动势是畸变的。旋转电机绕组分布的缺陷会产生空间谐波。此外，类似于变压器，电机中的磁饱和也会产生谐波。由于电弧点火迟滞现象和电弧严重的非线性伏安特性，电弧炉会在电力系统中产生大量谐波。此外，由电弧长度突变引起的电压变化还会导致0.1-30hz范围的频率波动。
4.(2)现代电力电子非线性设备，包括晶闸管、荧光灯和电子控制装置等。各种功率变换器都会产生谐波电压和谐波电流。在稳定工作状态下，变换器的换流阀会同时改变ac端和dc端的电压、电流波形。电压和电流的波形畸变会在电路中产生谐波。某些照明设施也会在电力系统中产生谐波。气体放电灯，尤其是荧光灯具有严重的非线性，会产生大量的奇次谐波电流。在荧光灯中，每隔半个周波，电压被建立起来直到荧光灯被点亮，点亮状态下荧光灯呈负电阻特性，其电流由感性的非线性镇流器来限制，因此电流是畸变的。
5.因此当前对运行于复杂工况下的大型电力设备以及包含众多非线性负荷的居民用户的谐波电流发射水平与谐波电流的产生特性进行研究，开发电网谐波电流的快速检测技术，是保证供电系统安全稳定运行及保证用电设备安全正常工作的迫切需要。


技术实现要素：

6.本发明的目的在于针对现有技术的缺陷和不足，提供一种非线性负荷的电气特性与谐波源特性的应用，它通过对用电负荷进行细粒度分类与谐波产生机理分析，提出面向工业非线性负荷、居民家用电器非线性负荷以及电动汽车充电站负荷的谐波评估方法。为电力系统决策部门进行非线性负荷接入管理与谐波治理提供参考依据，同时它通过对影响谐波计量准确度的关键因素与作用机理分析，开展面向非线性负荷高精度谐波检测技术研
究，提出计及背景噪声与电网信号频率波动的非线性负荷谐波检测方法，实现测量效率与测量精度的双重提升。为电力系统谐波计量、无功补偿与谐波治理提供技术支撑。
7.为实现上述目的，本发明采用以下技术方案是：一种非线性负荷的电气特性与谐波源特性的应用,它包含以下步骤：
8.步骤1，建立非线性负荷谐波评估方法；
9.步骤2，建立基于准同步采样的高精度谐波检测算法。
10.进一步的，所述的步骤1中的评估方法，它包含以下三种应用：
11.应用一，针对传统大型工业非线性负荷，在理想谐波含有率与整流装置应用场景的基础上采用工程经验修正方法；
12.应用二，针对居民家用电器负荷，在对家用电器进行分类的基础上采用基于递推偏最小二乘的动态自适应谐波建模方法；
13.应用三，针对电动汽车充电站非线性负荷，采用基于径向基函数神经网络的谐波建模方法。
14.进一步的，所述的应用一中的工程经验修正方法，它包含以下步骤：
15.3)对各次谐波含有率数据求取方均根值，且保留方均根值小数点后一位有效数字；
16.4)根据步骤1)中方均根值与计算得出的谐波理想含有率进行修正，进而得到适合的谐波发生量。
17.进一步的，所述的应用二中的基于递推偏最小二乘的动态自适应谐波建模方法，它包含以下步骤：
18.1)基于实测数据的谐波建立耦合导纳矩阵hcam模型，所述的hcam模型的具体形式为,式(a)中：式(a)中：分别为第i次谐波电流和第j次谐波电压的相量值；y表征第j次谐波电压对第i次谐波电流的贡献程度；i＝1,3,
…
,k；j＝1,3,
…
,k，最高次数谐波为k；
19.2)将(a)式扩展为
[0020]020]
式(b)中：ii(q)＝[iix(q),iiy(q)]t、uj(q)＝[ujx(q),ujy(q)]t分别为第q次测量的第i次谐波电流值和第j次谐波电压值的实部和虚部；为谐波耦合导纳yij的实部和虚部组成的矩阵，其中下标x、y分别表示实部和虚部；
[0021]
3)将(b)式改写为，i＝uy
t
ꢀꢀꢀ
(c)，式(c)中：电流矩阵i为因变量矩阵，电压矩阵u为自变量矩阵，导纳矩阵y为待求参数矩阵；
[0022]
4)利用最小二乘法计算求解式(c)后得到y＝[(uu
t
)-1ut
i]
t
；
[0023]
5)由于在求解模型参数时，负荷的供电电压在较小范围内波动，因此各次谐波电压数据之间易存在多重共线性问题，矩阵uut会出现病态，导致求解的参数不稳定。定义方差膨胀因子(variance inflation factor，vif)衡量自变量间的共线性程度，式(d)中，(vif)h表示选取了h组实际电压数据时的vif；表示第k个自变量与其余自变量之间的相关系数；
[0024]
6)由式(c)可知，因变量矩阵i∈rn
×
k，自变量矩阵u∈rn
×
k，首先通过迭代的方法从自变量矩阵和因变量矩阵中提取最大相关的潜在变量：
[0025][0026]
式(e)中：tm、vm分别为u、i的第m个主成分向量；pm、qm分别为u、i的第m个主成分所对应的载荷向量；t、v分别为对应的主成分矩阵；p、q分别为对应的载荷矩阵；um、im分别为u、i的残差矩阵，其中m为最大主成分数，通过交叉检验法确定。第一对主成分向量t1和v1通过求解协方差最大问题获得：假设主成分矩阵t、v之间存在如下线性关系：v＝td h
ꢀꢀꢀ
(g)，式(g)中：d＝diag[d1,d2,
…
,dm]；h为残差矩阵。结合式(e)、(g)，i、u的关系可表示为i＝uy
t
ε
ꢀꢀꢀ
(h)，式(h)中y、ε分别为回归系数矩阵和误差矩阵；
[0027]
7)利用偏最小二乘法所求的谐波耦合导纳矩阵y可以表示为y
t
＝(pp
t
)

pdq
t (i)，式(i)中上标“ ”表示广义逆运算。
[0028]
进一步的，所述的应用三中的基于径向基函数神经网络的谐波建模方法，它包含以下步骤：
[0029]
1)采用电动汽车的充电状态(即soc)、充电机所采用的整流电路类型以及电网基波电压作为输入，对谐波电流的幅值与相位进行判断，其数学表示为ih∠θh＝fh(u1,u2,...,un,soc1,soc2,...,socn,n1,n2,...,nn)
ꢀꢀꢀ
(a)，式(a)中，u1为基波电压幅值，soc为电池的荷电状态，n为整流电路类型(6脉波/12脉波)，ih、θh为各次谐波电流的幅值和相位，n为电动汽车充电机台数，fh为表征输入与输出间的非线性映射关系；
[0030]
2)设输出记为yh＝[ih,θh]t，而输入则记为x＝[u1,u2,
…
,un,soc1,soc2,
…
,socn,n1,n2,
…
,nn]t。从而映射fh可以记为式(b)中，||
·
||为欧几里得范数算子，ci是m个基函数的中心，而基函数一般选择为半径为σi的高斯指数函数，即
[0031]
从而建立输入向量与谐波电流间的最佳映射关系j(ζ)＝||y
h-gw||2 λw
t
g0w(d)，式(d)中，
[0032][0033][0034]
，其中λ是正实数，用以控制解的平滑度和数据的接近度；
[0035]
4)考虑权重向量的最小化，得到式(d)的解为ζ＝(g
t
g λg0)-1gt
yhꢀꢀ
(e)。
[0036]
进一步的，步骤2中的准同步采样的高精度谐波检测算法，它包含以下步骤，
[0037]
1)利用奈奎斯特采样定理的情况下，以固定采样频率对电力系统信号进行等间隔采样；
[0038]
2)对采样序列进行带通滤波，带通滤波器的中心频率为50hz(对于50hz的电力系统)，只保留基波信息，将其他频率分量滤除；
[0039]
3)对滤波信号进行插值运算，计算出信号基波的周期；
[0040]
4)根据基波周期的计算值，计算出准采样周期τs，以τs为间距，对原采样序列进行等间隔插值运算，获得准同步采样序列；
[0041]
5)对准同步采样序列进行dft或fft运算；
[0042]
6)由dft或fft的结果计算出基波和谐波的参数。
[0043]
本发明的工作原理：
[0044]
由于电力系统非线性负荷种类复杂多样，谐波源特性无法使用通用模型进行描述，本发明按照传统大型工业非线性负荷、居民家用电器负荷以及电动汽车充电站非线性负荷进行分类，提出了非线性负荷谐波评估方法，它包含1)针对传统大型工业非线性负荷，在理想谐波含有率与整流装置应用场景的基础上采用工程经验修正方法；2)针对居民家用电器负荷，在对家用电器进行分类的基础上采用基于递推偏最小二乘的动态自适应谐波建模方法；3)针对电动汽车充电站非线性负荷，考虑到多台充电机组成的谐波源组合难以获得其数学模型，采用基于径向基函数神经网络的谐波建模方法。
[0045]
由于在实际的电力系统谐波分析中，由于基波频率和幅值的波动，使得电力系统信号变为非稳态信号。此时，难以通过同步采样方式实现谐波检测，本发明采用的准同步采样方法是在非同步采样情况下，利用插值方法调整采样序列，使得调整后的采样序列近似于同步采样情况下获得的采样序列，从而减小dft的频谱泄漏。
[0046]
采用上述技术方案后，本发明有益效果为：
[0047]
1、本发明针对大功率工业负荷、居民家用电器以及电动汽车充电站这三类负荷，针对性地提出了谐波特性建模与谐波发射水平评估方法，该方法能有效提高谐波建模精度，从而为电力系统非线性负荷接入评估提供参考依据；
[0048]
2、本发明针对现有非线性负荷谐波检测方法中检测精度易受到背景噪声和电网基波频率扰动的影响，提出了基于准同步采样的高精度谐波检测算法。根据信号的实际基波周期，重新调整采样序列的采样间隔，实现非同步采样信号的准同步化。设计了高效的带通fir滤波器，以提高基波周期的测量准确度。该方法能够提升在实际工况下的谐波计量准确度，从而为谐波治理与无功补偿提供决策依据。
附图说明
[0049]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1是本发明的流程示意图。
[0051]
图2是本实施例中基于准同步采样的谐波检测算法流程图。
[0052]
附图标记说明：1-步骤1、2-步骤2。
具体实施方式
[0053]
参看图1-图2所示，本具体实施方式采用的技术方案是：
[0054]
1)针对大功率工业负荷：
[0055]
电弧炉谐波电流主要集中在2～7次。其中2、3次最大，其平均值可达基波分量的5％-10％，最大可达15％～30％；4～7次平均值为2％～6％，最大值可达6％～15％。
[0056]
电弧炉基波电流的计算可依据式进行计算，式中i1表示基波电流，s为整流变实际负荷。若电弧炉功率s无法得到，则可由电弧炉容量通过下式计算获得：
[0057]
s＝p
×s额
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(a)
[0058]
式中s为负荷视在功率，p为相应功率级别的电弧炉对应的功率水平，由表1中选取获得；s额为电弧炉的额定容量。
[0059]
表1 电弧炉的功率级别与功率水平的关系
[0060]
功率级别低功率中等功率高功率超高功率功率水平(kva/t)200～260400～500650～800800～1000
[0061]
电弧炉所产生的谐波中主要有3次及3次的倍数次谐波，另外还存在一定的偶次谐波。其中，交流电弧炉主要为2、3、4、5、6、7次谐波含量较大。由于交流电弧炉在溶化期和精炼期的谐波电流受工作情况的影响而并无规则，想要准确的计算出其谐波电流含有率具有一定困难。因此，在一般情况下，可以选取在谐波电流较为严重的溶化期中一个相对较大的值，以此作为其它计算的参考。以下为不同文献中电弧炉溶化期的主要谐波含有率值。
[0062]
表2 电弧炉熔化期特征谐波含有率
[0063][0064]
从表2数据可以看出，电弧炉恪化期的谐波含量变化较大。对文献中数据求取方均根值，保留方均根值小数点后一位有效数字，给出了在电弧炉熔化期谐波电流含有率建议值如下表：
[0065]
表3 电弧炉熔化期谐波电流的含有率
[0066]
谐波次数234567含有率(％)12.817.94.88.84.05.6
[0067]
2)针对居民家用电器负荷：
[0068]
取紧凑型荧光灯，电瓶车充电器，台式机电脑，微波炉，表4中列出了实验负荷的型号与运行功率。供电电压由4.5kva的交流可编程电源(ametek-4500ls)产生，
[0069]
表4 4种实验负荷的型号与功率
[0070]
负荷名称型号功率/w紧凑型荧光灯fsl t323电瓶车充电器emmelle tdr3048z110台式机电脑lenovo i5-4590 f2014a55微波炉galanz p70d20tl-d41180
[0071]
根据本发明hcam建模方法所得到的电流波形与负荷的实际电流波形进行比较得，本发明所提建模方法的仿真波形基本与实际电流波形重叠，而均方差则控制在3.2％以内。
[0072]
3)针对电动汽车充电站负荷：
[0073]
以单台9kw电动汽车充电机为例进行了建模仿真，并在matlab平台上编程搭建rbf神经网络模型。考虑三相平衡且不考虑供电电压电压畸变的情况下，在simulink环境中搭建单台6脉波电动汽车充电机等效模型，建立电动汽车接入低压配电网进行充电的典型算例，根据电动汽车充电站实际接入的配电系统，电源采用10kv供电，根据国家标准gb/t10288-2008《干式电力变压器技术参数和要求》精确仿真了额定容量为1000kva的10kv级有载调压配电变压器，变压器电压等级为10/0.4kv，dyn11接法，充电机的最大充电功率为9kw，具体仿真参数设置见5；谐波波分析使用fft模块与各次谐波分析模块进行配合。
[0074]
表5 仿真参数设置
[0075][0076][0077]
仿真一个充电周期内电动汽车充电机的充电过程，对配电网公共连接点(pcc)的电压、电流波形进行测试和采集。在系统三相平衡的情况下，6脉波充电机在交流侧产生的谐波次数主要为6k
±
1次，且谐波次数越高，谐波幅值越小。分析充电机充电的动态过程中电流、电压各次谐波含量等谐波特征，形成样本数据集，包括：基波和基波电压幅值，电池荷电状态soc，整流电路类型n(6脉波/12脉波)以及各次谐波电流的幅值、相角，其中各次谐波电流的相角由供电侧基波电压相角作为基准。
[0078]
充电过程中变压器一次侧由于谐波电流的注入，线路电压和电流波形都发生了畸变。由于充电机在一个充电周期内产生的谐波电流，其幅值在恒流阶段缓慢升高，在恒压阶段逐渐降低，在恒流阶段结束时刻(soc约为75％)达到最大值。考察电动汽车充电过程中谐波电流最大时刻，即电动汽车电池荷电状态soc＝76.67％，thdu＝1.78％时，神经网络的输出结果和仿真模型的对比如表6所示。可知谐波幅值最大误差率为0.07％而相角最大误差率为5.6％
[0079]
表6 模型输出结果对比
[0080][0081]
3)关于基于准同步采样的高精度谐波检测算法，设谐波仿真信号的表达式为
[0082]
式中，am，fm和φm分别是m次谐波的幅值、频率和相位，其设定值见表3-2。实验中，分别在式(b)所示信号中加入了不同信噪比(snr)的零均值高斯白噪声。通常，电力信号中的噪声干扰，其信噪比不小于20db，因此，此处加入的高斯白噪声，其噪声信噪比范围为20db
–
90db，每次增加5db。对于额定频率为50hz的电力系统，iec标准建议分析窗的宽度为200ms，即10个基波周期，且其dft的频率分辨率为5hz。为了符合iec标准要求，本实验的采样频率设为fs＝2560hz，采样序列的长度为n＝512。由于谐波信号中含有噪声干扰，为了使测量结果更具一般性，本实验在相同噪声干扰条件下，对每个谐波参数进行500次的独立计算，并将其平均值作为最后的测量结果。
[0083]
表7中仅列出了噪声snr为35db时各次谐波的测量结果。5种谐波测量方法在不同程度噪声(20db≤snr≤90db)干扰下的测量，分别给出各次谐波频率、幅值和相位的测量值与设定值之间的相对误差。其中，直接fft算法对采样信号进行n点的fft运算，将频谱上各次谐波附近的最大谱线直接作为谐波真实频率对应的谱线，并根据最大谱线对应的fft结果及其在频谱上的位置lm，由下式计算各次谐波的参数
[0084][0085]
表7 fft、iec分群算法、wiffta、fiwr和qsa算法计算的谐波参数(snr＝35db)
[0086][0087]
测量结果可得，当电力信号的基波频率不为额定频率(50hz)时，同步采样无法实现，直接使用fft方法计算谐波会受到严重的频谱泄漏影响，导致其测量准确度明显降低。尽管使用iec分群方法可在一定程度上提高幅值的测量准确度，但是由于噪声干扰和频谱泄漏的影响，iec分群方法也有可能进一步降低测量准确度，此外，iec分群方法无法准确地计算谐波的频率和相位参数。相比于直接fft方法和iec分群方法，其他三种方法都具有更好的测量准确度，尤其是除了测量谐波幅值外，wiffta、fiwr和qsa方法也都可测量谐波的频率和相位参数，随着snr增大，噪声干扰减小，其测量值的相对误差也相应减小，并趋近于设定值。
[0088]
以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。