一种电网谐波畸变的检测方法

1.本发明属于谐波检测技术领域，尤其涉及一种电网谐波畸变的检测方法。


背景技术：

2.随着科学技术的日益进步和电子技术的飞速发展,非线性设备在各个领域中的应用越来越广，由此产生的大量高次谐波电流注入电网，引起电网电压正弦波形畸变，使电能质量下降，干扰电网的保护装置与自动化装置的正常运行，造成了这些装置的误动与拒动，影响发电、供电和用电设备安全经济运行。所谓非线性设备就是指在正弦供电电压下产生非正弦电流或者在正弦供电电流下产生非正弦电压的设备。
3.电力系统的谐波都是由谐波源产生的。当电网中存在大量非线性负载时，三相电网电压变为畸变状态，即当电网中产生的谐波数量达到一定程度时，则这些谐波则会影响到电网运行的安全性，会对电网中的电气设备带来较大的危害，由于谐波而对电网产生的危害主要包括对电网运行和电网电器设备的危害。因此，需要一种电网谐波畸变的检测方法对畸变谐波进行检测，来对畸变谐波进行治理。


技术实现要素：

4.为实现上述目的，本发明提供了一种电网谐波畸变的检测方法，包括以下步骤：
5.通过滑动平均滤波器对畸变不平衡电网电压进行滤波；
6.通过自适应陷波滤波器对滑动平均滤波器滤波后的电网电压提取基波正序分量和基波频率；
7.将所述基波正序分量和基波频率作为输入数据，将输入数据输入bsa-bp神经网络进行训练，通过bsa算法的全局搜索能力，优化bp神经网络初始的权值和阈值，建立谐波畸变的影响程度预测模型，通过影响程度预测模型预测谐波畸变的影响程度。
8.优选地，通过滑动平均滤波器对畸变不平衡电网电压进行滤波，具体包括：
9.获取畸变电网电压信号；
10.将畸变电网电压信号和基波频率信号的两个相互正交的参考信号分别相乘；
11.将相乘后的信号经过滑动平均滤波器maf滤波，消除谐波，得到maf滤波后的电网电压；
12.从maf滤波后的电网电压中提取基波正交分量。
13.优选地，根据所述基波正交分量计算基波瞬时相位。
14.优选地，所述滑动平均滤波器包括：依次连接的积分器、谐振补偿器和多频陷波滤波器。
15.优选地，通过自适应陷波滤波器对滑动平均滤波器滤波后的电网电压提取基波正序分量和基波频率，包括：
16.将滑动平均滤波器滤波后的基波正序分量输入anf，当afn计算的估计频率大于实际频率时，估计频率小于0，则估计频率较小，当估计频率大于0，估计频率增大，即估计频率
的变化随着估计频率的绝对值减小进行追踪调整，直至估计频率等于时间频率，即估计频率等于0，从而通过估计频率的迭代，使频率实现稳定，从而实现基波相位的准确提取。
17.优选地，自适应陷波滤波器的频率更新包括以下步骤：
18.确定自适应陷波滤波器的传递函数；
19.结合传递函数，对自适应陷波滤波器的估计频率进行计算；
20.对传递函数进行稳态条件下的偏差分析，根据分析结果，采用偏差补偿方法进行补偿；
21.对自适应陷波滤波器的估计频率结果进行离散卡尔曼滤波，得到最终估计频率，根据最终估计频率对滑动平均滤波器滤波后的电网电压提取基波正序分量。
22.优选地，所述自适应陷波滤波器采用dsp芯片实现。
23.优选地，所述谐波畸变的影响程度预测模型输出的结果为谐波畸变的影响程度等级。
24.优选地，所述影响程度等级包括：1级、2级以及3级，等级数字越大，则越严重。
25.与现有的技术相比，本发明具有如下有益效果：
26.本发明所提供的一种电网谐波畸变的检测方法，通过滑动平均滤波器对畸变不平衡电网电压进行滤波，通过自适应陷波滤波器对滑动平均滤波器滤波后的电网电压提取基波正序分量和基波频率，从而实现对电网谐波的畸变检测，即利用滑动平均滤波器maf在谐波次数未知的情况下消除谐波，实现对基波分量的提取，通过自适应陷波滤波器anf对滑动平均滤波器滤波后的电网电压提取基波正序分量和基波频率能够实现稳定提取，从而使得检测的基波数据更为准确；
27.而且通过将所述基波正序分量和基波频率作为输入数据，将输入数据输入bsa-bp神经网络进行训练，通过bsa算法的全局搜索能力，优化bp神经网络初始的权值和阈值，建立谐波畸变的影响程度预测模型，通过影响程度预测模型预测谐波畸变的影响程度，方便同时出现影响严重的谐波时，可以根据影响程度进行处理，当影响程度低时，可以提前处理等。
附图说明
28.为了更清楚地说明本发明的技术方案，下面将对实施例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个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是本发明一种电网谐波畸变的检测方法的流程图。
具体实施方式
30.下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.如图1所示，本发明所提供的电网谐波畸变的检测方法包括：
32.s1、通过滑动平均滤波器对畸变不平衡电网电压进行滤波，即通过利用滑动平均
滤波器maf在谐波次数未知的情况下消除谐波，实现对基波分量的提取；具体包括：
33.s11、当电网中存在大量非线性负载时，三相电网电压变为畸变状态，获取畸变电网电压信号，畸变电网电压信号表示为：
[0034][0035]
上式中，u
in
为畸变电网电压信号,w1为基波频率，ah为第h次谐波的幅值，φh为第h次谐波的初相位(h＝1,2,3
…
)；即分别将畸变的三相电压和初相位带入上式，能够得到畸变电网电压信号；
[0036]
其中，φ1＝0，
[0037]
s12、将畸变电网电压信号和基波频率信号的两个相互正交的参考信号分别相乘，即分别将a、b、c三相电压与两个相互正交的参考信号相乘，分别输出一个与基波幅值a1成正比的直流分量，其他均为偶数次谐波；
[0038]
s13、将相乘后的信号经过滑动平均滤波器maf滤波，消除谐波，得到maf滤波后的电网电压，此时的maf滤波频率为w
maf
＝2w1，w1为基波频率；
[0039]
滑动平均滤波器包括：依次连接的积分器、谐振补偿器和多频陷波滤波器。
[0040]
maf滤波后的电网电压为：
[0041]
y＝2[u
in
·
sin(w1t+φ0)]
mafa
·
sin(w1t+φ0)+2[u
in
·
cos(w1t+φ0)]
maf
·
cos(w1t+φ0)＝a1sin(w1t+φ1)
[0042]
通过上式可知，maf不仅可以滤除信号中的谐波。
[0043]
s14、从maf滤波后的电网电压中提取基波正交分量，
[0044]
基波正交分量y1的表达式为：
[0045]
y1＝2[u
in
·
cos(w1t+φ0)]
mafa
·
sin(w1t+φ0)-2[u
in
·
sin(w1t+φ0)]
maf
·
cos(w1t+φ0)＝-a1cos(w1t+φ1)＝ky'
[0046]
上式中，y'电网电压信号中的基波分量；
[0047]
基波瞬时相位为：
[0048]
θ＝arc tan(y'/y1)。
[0049]
此外，还可以在在maf的控制回路中加入相位超前补偿器，通过加入相位超前补偿器来补偿maf造成的相位延迟。
[0050]
其中，相位补偿器为高全通滤波器，相位补偿器的传递函数中的衰减因子采用0.97。
[0051]
s2、通过自适应陷波滤波器anf对滑动平均滤波器滤波后的电网电压提取基波正序分量和基波频率，即将滑动平均滤波器滤波后的基波正序分量输入anf，当afn计算的估计频率大于实际频率(基波频率)时，估计频率小于0，则估计频率较小，当估计频率大于0，估计频率增大，即估计频率的变化随着估计频率的绝对值减小进行追踪调整，直至估计频率等于时间频率，即估计频率等于0，从而通过估计频率的迭代，使频率实现稳定，从而实现基波相位的准确提取。
[0052]
自适应陷波滤波器采用dsp芯片实现。
[0053]
自适应陷波滤波器的频率更新包括以下步骤：
[0054]
s21、确定自适应陷波滤波器的传递函数h(z,a)，其中，参数a趋近于a0，a0＝-2cosw0,w0为估计频率，即通过确定a便能够通过但三角变换得到输入的基波频，根据传递函数确定误差函数，并使误差函数最小化；
[0055]
s22、结合传递函数，对自适应陷波滤波器的估计频率进行计算；
[0056]
s23、对传递函数进行稳态条件下的偏差分析，根据分析结果，采用偏差补偿方法进行补偿；
[0057]
s24、对自适应陷波滤波器的估计频率结果进行离散卡尔曼滤波，得到最终估计频率，根据最终估计频率对滑动平均滤波器滤波后的电网电压提取基波正序分量。
[0058]
s3、对步骤s2得到的基波正序分量和基波频率作为输入数据，将输入数据输入bsa-bp神经网络进行训练，通过bsa算法的全局搜索能力，优化bp神经网络初始的权值和阈值，建立谐波畸变的影响程度预测模型，通过影响程度预测模型预测谐波畸变的影响程度，为后续的畸变数据治理或处理提供提醒，同时，根据步骤s2检测的数据进行更准确的谐波治理。
[0059]
建立谐波畸变的影响程度预测模型具体以下步骤：
[0060]
s31、将基波正序分量和基波频率作为训练样本数据，设定输入数据的取值范围，根据pmv指标获取训练数量的样本数据，并进行预处理，将预处理的到数据集分为训练样本和测试样本；
[0061]
s32、建立bp神经网络模型，bp神经网络模型包括输入层、隐含层和输出层；
[0062]
s33、确定bsa算法中的参数，包括初始化种群规模、搜搜空间维数、最大迭代次数、飞行间隔、觅食概率、常数以及随机初始化脲醛个体空间位置；
[0063]
s34、计算bsa算法的适应度函数值，将样本的均方误差作为适应度函数，找到最小的适应度值，并保留当前最好个体空间位置，判断bsa算法终止条件是否满足，若满足，得到最优bp神经网络初始的权值和阈值，反之返回s33，直至训练得到最优bp神经网络初始的权值和阈值；
[0064]
s35、bp神经网络根据最优bp神经网络初始的权值和阈值进行设置从而得到初始影响程度预测模型；
[0065]
s36、将步骤s31中的训练样本输入初始影响程度预测模型进行训练和验证，得到谐波畸变的影响程度预测模型；
[0066]
s37、将测试样本输入谐波畸变的影响程度预测模型进行测试，能够得到该时段检测的畸变电压信号对电网或电网设备的影响程度，根据影响程度方便工作人员对谐波进行优先级处理等；其中，影响程度可以用等级进行划分，比如分为：1级、2级、3级；等级数字越大，则越严重，更需要有及时处理，方便当同时出现紧急情况时，可以优先考虑治理哪个位置的畸变谐波。而通过bsa算法对bp神经网络进行优化，是利用bsa算法的性能优于pso算法,具有更高的精度、效率、稳定性、收敛性和鲁棒性能，从而是本技术的影响程度预测更准确。
[0067]
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。