[發明專利]一種超高次諧波源建模方法

有效

• 申請號: 201910494902.8
• 申請日: 2019-06-06
• 公開（公告）號: CN110210152B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 張逸;阮正鑫;方鍵;邵振國;張嫣
• 申請（專利權）人: 福州大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06F113/04
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

本發明涉及一種超高次諧波源建模方法，包括步驟S1：提供任一時間段內的不同功率下的超高次諧波電流時間序列數據；步驟S2：利用神經網絡算法對步驟S1的數據進行訓練；步驟S3：利用神經網絡算法生成不同功率下的各次超高次諧波電流幅值的預測數據；步驟S4：將步驟S3生成的預測數據和實測值進行誤差計算，根據誤差計算結果，選取誤差最小的性能評價系數R²，選擇給定計算精度ε下的R²值擬合曲線作為擬合結果；步驟S5：對步驟S4的最終擬合結果進行分析判斷，若得到的預測值與實測值的誤差在范圍之內，則得到了訓練好的神經網絡模型。本發明能夠預測任意一個超高次諧波源的輸出超高次諧波電流特性，以便預先采取必要的治理措施或者更加合適的濾波器進行濾波。

技術領域

本發明涉及電力電子領域，特別是一種超高次諧波源建模方法。

背景技術

隨著現代化工業、交通、金融與信息等產業的快速發展，以及節能降耗與環境保護政策的實施，清潔高效的能源利用成為主流。大量分布式能源的高密度接入以及柔性輸電技術廣泛的應用使得配電網呈現出“源-網-荷”緊密耦合特性。當電力系統向非線性設備及負荷供電時，這些非線性設備及負荷在傳遞、變換、吸收系統發電機所供給的基波能量的同時，又把部分基波能量轉換為諧波能量，返送回電力系統，成為電網的主要超高次諧波源。

目前，隨著風電變換器、光伏逆變器、電動汽車充電樁等電氣設備在電網中的滲透率越來越高，其產生的超高次諧波引起越來越多的電能質量問題如造成設備間歇性工作或功能失效、設備無法工作或損壞、電力載波通信故障、設備或裝置發出噪聲等，這些危害在將來無疑會越來越嚴重。所以，對電網中的超高次諧波傳播特性進行準確的估計，確切掌握電網中超高次諧波的實際狀況，對于防止超高次諧波危害，維護電網的安全運行十分必要。

目前最常用的諧波源建模方法主要有以下幾種：(1)恒流源模型和諾頓等值模型：該類模型雖然易于處理，但是過于簡單粗略，容易引起較大誤差。且沒有考慮非典型的運行情況，降低了模型的精度和使用范圍。(2)基于交叉頻率導納矩陣的簡化模型：該模型雖然較多的考慮了諧波產生的機理但沒有理論依據證明諧波源特性能在某一運行點處線性化，并且此模型僅對應于某一運行點，對于不同運行點有不同的諧波源模型。(3)針對常用的電力電子裝置的拓撲電路結構建立了諧波電流表達式模型，通過傅里葉分析得到其在交流側產生的各次諧波電流幅值和相角，模型精度高但是計算復雜，僅僅對某一特定的拓撲適用，沒有普遍適用性。以上所提到的模型建立的前提是假設諧波源結構不變，當結構發生一個小小的改變時，其關系都會發生變化，就必須重新進行分析建模。

發明內容

有鑒于此，本發明的目的是提出一種超高次諧波源建模方法，能夠預測任意一個超高次諧波源的輸出超高次諧波電流特性，以便預先采取必要的治理措施或者選擇更加合適的濾波器進行濾波。

本發明采用以下方案實現：一種超高次諧波源建模方法，包括以下步驟：

步驟S1：提供任一時間段內的不同功率下的超高次諧波電流時間序列數據；

步驟S2：利用神經網絡算法對所述不同功率下的超高次諧波電流時間序列數據進行訓練；

步驟S3：利用神經網絡算法生成不同功率下的各次超高次諧波電流幅值的預測數據；

步驟S4：將步驟S3生成的預測數據和實測值即步驟S1中所提到的不同功率下的超高次諧波電流時間序列數據進行誤差計算，根據誤差計算結果，選取誤差最小的性能評價系數R²，選擇給定計算精度ε下的R²值擬合曲線作為擬合結果，用以獲得超高次諧波源輸出特性；

步驟S5：對步驟S4的最終擬合結果進行分析判斷，若得到的預測值與實測值的誤差在0.0001-0.000001之內，則得到了訓練好的神經網絡模型，對訓練好的神經網絡模型輸入超高次諧波源的功率值以及頻率，該模型輸出該功率下的所要求頻率的超高次諧波源的輸出電流幅值預測值。