[發明專利]一種諧波分析濾波系統及智能選擇諧波檢測方法

有效

• 申請號: 201310172700.4
• 申請日: 2013-05-10
• 公開（公告）號: CN103278686A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 牟景旭;孫秋野;王英男;劉鑫蕊;許純信;時圣堯;張化光;楊珺;王智良
• 申請（專利權）人: 國家電網公司;遼寧省電力有限公司沈陽供電公司;東北大學
• 主分類號: G01R23/165
• 分類號: G01R23/165
• 代理公司: 沈陽東大專利代理有限公司 21109
• 代理人: 梁焱

1.一種諧波分析濾波系統，包括：高次諧波分析裝置和濾波裝置，其特征在于：所述的濾波裝置結構如下：由兩個同向的LC單調諧濾波器并聯組成一個濾波單元，再由三個這樣的濾波單元首尾順次相連合成一個三角型連接的聯合濾波模塊，為三相電壓中的一相濾除諧波，三個聯合濾波模塊進行星接，形成濾波裝置。

2.采用權利要求1所述的諧波分析濾波系統智能選擇諧波檢測方法，其特征在于：包括以下步驟：

步驟1：實時采集三相相電壓和三相線電流，計算系統的三相電壓不平衡度和三相電流不平衡度；

步驟2：若系統電壓三相平衡且電流也三相平衡，即當系統為三相平衡系統時，執行步驟3；若系統電壓三相平衡但系統電流三相不平衡，即當系統為三相不平衡系統時，執行步驟4；

步驟3：采用改進的瞬時無功功率檢測法對系統的諧波電流進行檢測；

步驟4：采用自適應濾波檢測法對系統諧波電流進行檢測；

步驟5：將數據存入存儲器，此處的數據包括步驟4所計算的各參數，用以形成數據窗，在數據通信和諧波分析中使用；

步驟6：與上位機通信，通信數據為步驟4所計算諧波電流參數，在上位機上可以顯示諧波步析情況，上位機根據需要發出高次濾波器投切信號；

步驟7：根據上位機發出的控制指令，控制濾波裝置投切，從而實現輸出某一階次的高次諧波。

3.根據權利要求2所述的智能選擇諧波檢測方法，其特征在于：步驟3所述的改進的瞬時無功功率檢測法，按如下步驟進行；

步驟3-1：檢測電網的三相瞬時電壓e_a、e_b、e_c和三相瞬時電流i_a、i_b、i_c；

步驟3-2：分別將檢測到的三相瞬時電壓和三相瞬時電流經過Clark變換，將abc坐標系下的三相瞬時電壓和三相瞬時電流變換為αβ坐標系下的瞬時電壓e_α、e_β和瞬時電流i_α、i_β；

步驟3-3：計算瞬時有功功率p和瞬時無功功率q，公式為：

p=i·e=e_αi_α+e_βi_β

q=i×e=i_αe_β-i_βe_α

再同時除以電壓矢量e的模，即可得到瞬時有功電流i_p和瞬時無功電流i_q；

步驟3-4：使瞬時有功電流和瞬時無功電流同時經過一個高通濾波器，該高通濾波器的截止頻率可以進行動態設置，這樣即可檢測出單一階次諧波的諧波電流含有量；

步驟3-5：利用通過高通濾波器之后的瞬時有功電流i_p'和瞬時無功電流i_q'，計算出αβ坐標系下策i_α'、i_β'；

步驟3-6：利用Clark反變換得到abc坐標系下的三相諧波電流，從而計算不同角頻率的諧波電流有效值、各階次諧波電流含有量和電流諧波失真度。

4.根據權利要求2所述的智能選擇諧波檢測方法，其特征在于：步驟4所述的采用自適應濾波法對系統諧波電流進行檢測，按如下步驟執行：

步驟4-1：向高次諧波分析裝置輸入從電網采集的非線性負載電流作為原始輸入信號，從電網采集的基波電壓經過鎖相環后輸入給高次諧波分析裝置作為參考信號：

步驟4-2：輸入的參考信號經過一個鎖相環分成不同角頻率的參考信號；

步驟4-3：當參考信號為基波信號，經過人工神經網絡的k次訓練，使權值趨于最佳值，使人工神經網絡的輸出值逼近理論輸出值，從而得到神經網絡的輸出為：

ir′(k)=Σi=0n1[Σh=0n2w2ih(k)w3hj(k)]us*(k-(i-1)l)]]>

式中，i_r′(k)為第k次迭代時神經網絡的輸出，n₁，n₂分別為輸入層和隱層神經元數目；i為輸入層節點節點號，且有i=1,2,...,n₁：h為隱層節點節點號，且有h=1,2,3…n₂：j為輸出層節點號，且有j=1：w_2ih(k)是第k次迭代時輸入層和隱層之間的權值，w_3hj(k)是第k次迭代時隱層和輸出層之間的權值；為參考輸入電壓量；k為迭代次數；l為時延量；

步驟4-4：采用主分量分析的方法對輸入信號進行優化，使優化后的信號包含原信號的所有特征，從而使輸入信號的數量減少：設原輸入信號特征矩陣為一個m行n列的矩陣X，從而可以得到協方差矩陣Σ，求出Σ的特征根，得到矩陣X的第g個主分量Y^(g)，即其中D_g^T砰對應第g個特征根的Σ的標準正交化特征向量的轉置，其中g=1,2,…,n，隨意選取p個主分量代替原輸入信號，且有p≤n，即得到主分量信號；

步驟4-5：將步驟4-4得到的經主分量分析后的信號和步驟4-3得到的經神經網絡輸出的信號做差值，得到對消后的誤差信號e(k)，利用誤差e(k)調節人工神經網絡的權值w使誤差的方均根值最小，則神經網絡的輸出為最佳估計值，得到權值的修正公式為：

w_3hj(k+1)=w_3hj(k)+ηe(k)x_2h(k)

θ_3j(k+1)=θ_3j(k)+ηe(k)x_2h(k)

式中，w_3hj(k+1)為第k+1次迭代時隱層和輸出層之間的權值；η為學習步長，且有0≤η≤1；x_2h(k)為輸出層的輸入信號；θ_3j(k+1)為第k+1次迭代時神經元的閥值；θ_3j(k)為第k次迭代時神經元的閥值；

既可得到權值修正后逼近理論輸出值的輸出信號；

采用帶有自調整因子的變步長調整規則來確定步長η，公式如下：

η=1-α1+αe(k)+α1+αe·(k)α=1M(αm-α0)|e(k)|+α0]]>

式中，0≤α₀≤α_m≤1為常數，α∈[α₀,α_m]為自調整因子，M為量化等級常數：為e(k)的一階導數；

步驟4-6：利用步驟4-5產生的輸出信號，計算參考信號為基波時的輸出電流有效值I₁；同樣的，計算出參考信號角頻率為3ω,5ω,7ω…nω時的輸出電流有效值I₃,I₅,I₇…I_n，則各階次諧波電流含有量HRI_m和電流諧波失真度THU_I為：

HRIm=ImI1×100%]]>

THDI=Σm=3MIm2I1×100%]]>

其中，m=3,5,7…n。