CN108061821A - 一种改进的双馈风力发电***谐波检测方法 - Google Patents

一种改进的双馈风力发电***谐波检测方法 Download PDF

Info

Publication number
CN108061821A
CN108061821A CN201610973423.0A CN201610973423A CN108061821A CN 108061821 A CN108061821 A CN 108061821A CN 201610973423 A CN201610973423 A CN 201610973423A CN 108061821 A CN108061821 A CN 108061821A
Authority
CN
China
Prior art keywords
harmonic
signal
wind power
denoising
generation system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610973423.0A
Other languages
English (en)
Inventor
花雨洁
康奇
张俊芳
宋晓健
沈烨
王亚奇
王健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201610973423.0A priority Critical patent/CN108061821A/zh
Publication of CN108061821A publication Critical patent/CN108061821A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/163—Spectrum analysis; Fourier analysis adapted for measuring in circuits having distributed constants

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种改进的双馈风力发电***谐波检测方法，其步骤：1)对不同风速和风况下双馈风电***中含谐波的电流信号进行采样；2)根据谐波信号的分形维数，不断调整小波去噪的阈值参数，利用小波变换分段去除噪声；3)将去噪后的信号通过一个基于切比雪夫I型的高通数字滤波器，利用改进的EMD方法对谐波进行EMD分解，对每一个IMF分量进行希尔伯特变换，检测出风电场谐波信号中存在的各次谐波分量。使用本发明的方法对双馈风力发电***进行谐波分析，不仅能够准确检测出风电场谐波信号中存在的各次谐波分量，还能体现谐波信号发生突变的时间点，使谐波信号的分解结果更加准确。

Description

一种改进的双馈风力发电***谐波检测方法
技术领域
本发明属于谐波检测领域，特别涉及一种改进的双馈风力发电***谐波检测方法。
背景技术
风力发电凭借着其独特的优势，风电技术正以前所未有的速度发展。然而双馈型风力发电机使用大功率交直交变流装置，在变化的风速下运行，它将产生大量谐波电流，严重威胁到电力***安全稳定、经济运行，因此，对风电***中风电机组向公共连接点注入的谐波电流进行检测十分重要。
由于从风电场中获取的谐波信号是非平稳、非线性的信号，并且含有大量的噪声信号，所以不能直接用于进行谐波检测，为提高检测精度，需要对该信号进行去噪处理。信号去噪是信号分析领域的一个重要内容之一，目前常用的信号去噪算法主要包括小波变换，自适应滤波及形态学算法等。对于小波变换而言，去噪所得的波形波动相对较大，而采用分形理论去噪所得的波形所含噪声分量也相对较大。
目前，常用的谐波检测方法有模拟滤波器法、基于傅里叶变换的谐波检测法、基于小波变换的谐波检测法、基于瞬时无功功率理论的谐波检测法、基于希尔伯特-黄变换的谐波检测法等。这些方法都有各自的优缺点，使用范围也有所限制。对于风力发电***中具有随机性、非平稳性等特点的谐波，传统谐波检测方法在分析时均存在不同程度的局限，而基于希尔伯特-黄变换的谐波检测法能够对非平稳信号进行检测，十分适合对风电***中含谐波的电流信号进行检测，但在包络线拟合和模态混叠等方面还有一些缺陷，有待进一步改进。
发明内容
本发明所解决的技术问题在于提供一种改进的双馈风力发电***谐波检测方法，旨在对含双馈异步发电机的风力发电***的并网电流进行谐波检测分析，有利于提高不同风况下的电流谐波信号的去噪效果和谐波分量的检测精度，能够改善模态混叠现象和包络线拟合效果；同时，对于风电***中对非平稳、非线性的信号，能够准确检测出风电场谐波信号中存在的各次谐波分量，并能体现谐波信号发生突变的时间点，使谐波信号的分解结果更加准确。
为实现上述目的，本发明提供一种改进的双馈风力发电***谐波检测方法，包括以下步骤：
步骤一、在不同风速和风况下，对双馈风电***的风电机出口处某一相电流波形进行采样；
步骤二、根据谐波信号的分形维数，不断调整小波去噪的阈值参数，根据采样点每个子段的小波阈值，分别对每个子段进行小波分解，利用小波阈值对其进行去噪，再进行小波重构，得到去噪后的波形；
步骤三、将去噪后的电力***谐波信号通过一个基于切比雪夫I型的高通数字滤波器，并利用改进的EMD方法对谐波进行EMD分解；最后对每一个IMF分量进行希尔伯特变换，得到各IMF相对应的瞬时幅值和瞬时频率，检测出风电场谐波信号中存在的各次谐波分量。
进一步，步骤一中，在不同风速和风况下，对双馈风电***的风电机出口处某一相电流波形进行采样，定义所得采样样本为x1,x2,...,xn，采样时间间隔为Δt，再将这n个采样点划分为m个子段，每个子段包含128个采样点。
进一步，步骤二中，根据分形维数的定义，计算各子段的短时分形维数，根据所得的各子段短时分形维数，计算第k个子段的小波阈值参数，其中常数项需要根据实际噪声的方差进行选取；分别对每个子段进行小波分解，利用所求得的阈值进行去噪，然后进行小波重构，得到去噪后的波形。
进一步，步骤三中，将去噪后的信号作为待处理信号，将其通过一个基于切比雪夫I型的高通数字滤波器过滤去50Hz基波分量，将信号中幅值较大的基波分量过滤掉，剩余的高次谐波分量的幅值大小相对接近，从而可以抑制模态混叠现象，同时，对于谐波分量的检测不会产生任何影响。
进一步，步骤三中，利用改进的EMD方法进行包络线拟合，首先，利用分段三次Hermite插值寻找上下包络线，然后找出原信号中位于包络线之外的数据点，并将这些数据点取极值，作为新的极值点，***原极大值点的序列中，最后再次使用分段三次Hermite插值曲线进行拟合，作为新的上下包络线。
进一步，步骤三中，对信号与包络线均值之差进行IMF判定，对满足条件的分解出的IMF分量进行希尔伯特变换，求出各IMF分量的瞬时幅值、瞬时相位和瞬时频率。
本发明与现有技术相比，其显著优点：
(1)使用本发明的方法对从风电场中获得的谐波信号进行去噪时，去噪效果得到了提升，去噪后的波形更加平滑，同时减少了信号的衰减；
(2)使用本发明的方法对去噪后的双馈风力发电***谐波信号进行谐波分析时，模态混叠问题得到了有效的抑制，包络线拟合的效果得到了提升，其谐波分析结果也更为准确，误差进一步减小。
(3)使用本发明的方法对双馈风力发电***进行谐波分析，不仅能够准确检测出风电场谐波信号中存在的各次谐波分量，还能体现谐波信号发生突变的时间点，使谐波信号的分解结果更加准确。
附图说明
图1是本发明双馈风力发电***谐波检测方法流程图。
图2是本发明改进的双馈风力发电***谐波检测算法流程图。
图中：1为双馈风力发电***中的信号采样，2为对采样信号进行去噪处理，3为对去噪后的信号进行谐波检测分析。
具体实施方式
本发明一种改进的双馈风力发电***谐波检测方法，方法流程图如图1所示，包括以下步骤：
步骤一、在不同风速和风况下，对双馈风电***的风电机出口处某一相电流波形进行采样；
步骤二、根据谐波信号的分形维数，不断调整小波去噪的阈值参数，根据采样点每个子段的小波阈值，分别对每个子段进行小波分解，利用小波阈值对其进行去噪，再进行小波重构，得到去噪后的波形；
步骤三、将去噪后的电力***谐波信号通过一个基于切比雪夫I型的高通数字滤波器，并利用改进的EMD方法对谐波进行EMD分解；最后对每一个IMF分量进行希尔伯特变换，得到各IMF相对应的瞬时幅值和瞬时频率，检测出风电场谐波信号中存在的各次谐波分量。
进一步，步骤一中，在不同风速和风况下，对双馈风电***的风电机出口处某一相电流波形进行采样，定义所得采样样本为x1,x2,...,xn，采样时间间隔为Δt，再将这n个采样点划分为m个子段，每个子段包含128个采样点，则m＝n/128，对于第k个子段的128个采样点，将其记为序列xi (k)(i＝1,2,...,128；k＝1,2,...,m)，定义
进一步，步骤二中，利用公式(1)-(3)计算每个子段的短时分形维数
令
以及
式(2)中，N(k)(Δ)和N(k)(2Δ)分别表示用宽度为Δ和2Δ的正方形网格覆盖这个区段信号的函数图像所需要的网格数目，根据分形维数的定义，计算各子段的短时分形维数为：
进一步，步骤二中，根据所得的各子段短时分形维数，按照公式计算第k个子段的小波阈值参数T(k)，其中常数c需要根据实际噪声的方差进行选取，分别对每个子段进行小波分解，利用所求得阈值进行去噪，然后进行小波重构，得到去噪后的波形。
进一步，步骤三中，将去噪后的信号作为待处理信号，将其通过一个基于切比雪夫I型的高通数字滤波器过滤去50Hz基波分量，将信号中幅值较大的基波分量过滤掉，剩余的高次谐波分量的幅值大小相对接近，从而可以抑制模态混叠现象，同时，对于谐波分量的检测不会产生任何影响。
进一步，步骤三中，利用改进的EMD方法进行包络线拟合，首先求出信号X(t)的所有极大值点和极小值点，将这些极大值点和极小值点分别用分段三次Hermite插值法进行连接，寻找上下包络线，再找出原信号中位于包络线之外的数据点，并将这些数据点取极值，作为新的极值点，***原极大值点的序列中，最后再次使用分段三次Hermite插值曲线进行拟合，作为新的上、下包络线Xmax(t)、Xmin(t)。求出上下包络线的均值m(t)＝[Xmax(t)+Xmin(t)]/2，并计算信号x(t)与包络线均值m(t)的差h(t)＝X(t)-m(t)；
进一步，步骤三中，对h(t)进行IMF判定，如果h(t)满足如下条件：
(1)整个数据序列中，极值点的数量与过零点的数量相等或至多相差1；
(2)信号上任意一点，由局部极大值点确定的包络线和由局部极小值点确定的包络线的均值均为0，即信号关于时间轴局部对称。
则将h(t)作为X(t)的第一个IMF分量，否则将h(t)作为一个新的谐波信号，重新利用改进的EMD方法进行包络线拟合，并重复k次，得到hk(t)，当hk(t)满足上述条件时，则称其为第一阶IMF，记为c1(t)，即：c1(t)＝hk(t)；
从X(t)中减去c1(t)得到剩余信号r1(t)，将r1(t)视作为新的初始信号重新利用改进的EMD方法进行包络线拟合并进行IMF判定，进行多次运算得到全部残差ri(t)：
ri(t)＝ri-1(t)-ci(t)i＝1,2,3,…n (4)
当ri(t)小于预定的误差或残差rn(t)为一个单调函数，无法再从中提取出IMF分量时，则模态分解过程终止。这时，信号X(t)由n阶IMF分量ci(t)及残差rn(t)构成，表示为：
对分解出的IMF分量ci(t)进行希尔伯特变换：
式(6)中，P.V.表示柯西主值积分，H[ci(t)]为ci(t)的希尔伯特变换，因此构造ci(t)的解析信号为：
根据解析信号求解各IMF分量的瞬时幅值、瞬时相位和瞬时频率：
φi(t)＝arctan(H[ci(t)]/ci(t)) (9)
式(8)-(10)中，ai(t)，φi(t)，fi(t)分别表示IMF分量的瞬时振幅，瞬时相位和瞬时频率，至此，对双馈风力发电***的谐波检测完成。
运用本发明对含双馈异步发电机的风力发电***的并网电流进行谐波检测分析，有利于提高不同风况下的电流谐波信号的去噪效果和谐波分量的检测精度，能够改善模态混叠现象和包络线拟合效果；同时，对于风电***中这样随机和非平稳的谐波信号，本发明不仅能够准确检测出风电场谐波信号中存在的各次谐波分量，还能体现谐波信号发生突变的时间点，使谐波信号的分解结果更加准确。

Claims (5)

1.一种改进的双馈风力发电***谐波检测方法，其特征在于包括如下步骤：
步骤一、对不同风速和风况下双馈风电***中含谐波的电流信号进行采样；
步骤二、根据谐波信号的分形维数，不断调整小波去噪的阈值参数，利用小波变换分段去除噪声；
步骤三、将去噪后的信号通过一个基于切比雪夫I型的高通数字滤波器，利用改进的EMD方法对谐波进行EMD分解，对每一个IMF分量进行希尔伯特变换，检测出风电场谐波信号中存在的各次谐波分量。
2.如权利要求1所述的双馈风力发电***谐波检测方法，其特征在于：步骤二中，采用基于分形理论的自适应小波阈值去噪方法对采样信号进行去噪。
3.如权利要求1所述的双馈风力发电***谐波检测方法，其特征在于：步骤三中，利用改进的希尔伯特-黄变换对去噪后的信号进行谐波检测分析。
4.如权利要求1或3所述的双馈风力发电***谐波检测方法，其特征在于：步骤三中，将去噪后的信号作为待处理信号，将其通过一个基于切比雪夫I型的高通数字滤波器过滤去50Hz基波分量，从而抑制模态混叠现象，对于谐波分量的检测不会产生任何影响。
5.如权利要求1所述的双馈风力发电***谐波检测方法，其特征在于：步骤三中，改进的EMD方法进行包络线拟合，首先，利用分段三次Hermite插值寻找上下包络线，然后找出原信号中位于包络线之外的数据点，并将这些数据点取极值，作为新的极值点，***原极大值点的序列中，最后再次使用分段三次Hermite插值曲线进行拟合，作为新的上下包络线。
CN201610973423.0A 2016-11-05 2016-11-05 一种改进的双馈风力发电***谐波检测方法 Pending CN108061821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610973423.0A CN108061821A (zh) 2016-11-05 2016-11-05 一种改进的双馈风力发电***谐波检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610973423.0A CN108061821A (zh) 2016-11-05 2016-11-05 一种改进的双馈风力发电***谐波检测方法

Publications (1)

Publication Number Publication Date
CN108061821A true CN108061821A (zh) 2018-05-22

Family

ID=62137317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610973423.0A Pending CN108061821A (zh) 2016-11-05 2016-11-05 一种改进的双馈风力发电***谐波检测方法

Country Status (1)

Country Link
CN (1) CN108061821A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061302A (zh) * 2018-08-30 2018-12-21 内蒙古工业大学 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量***
CN112232321A (zh) * 2020-12-14 2021-01-15 西南交通大学 一种振动数据干扰降噪方法、装置、设备及可读存储介质
CN112269057A (zh) * 2020-09-21 2021-01-26 国网山东省电力公司齐河县供电公司 一种风电场谐波检测***
CN115508618A (zh) * 2022-10-13 2022-12-23 四川大学 一种基于时域Hermite插值的准同步谐波分析装置及方法
CN116865269A (zh) * 2023-09-01 2023-10-10 山东泰开电力电子有限公司 一种风电机组高谐波补偿方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806835A (zh) * 2010-04-26 2010-08-18 江苏中凌高科技有限公司 基于包络分解的间谐波测量仪
CN102841251A (zh) * 2012-08-14 2012-12-26 华北电力大学 一种微网中电动汽车充电站谐波检测法
CN103941091A (zh) * 2014-04-25 2014-07-23 福州大学 基于改进emd端点效应的电力***hht谐波检测方法
CN105510687A (zh) * 2015-12-24 2016-04-20 合肥工业大学 一种基于经验模态分解的电压异常特征识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806835A (zh) * 2010-04-26 2010-08-18 江苏中凌高科技有限公司 基于包络分解的间谐波测量仪
CN102841251A (zh) * 2012-08-14 2012-12-26 华北电力大学 一种微网中电动汽车充电站谐波检测法
CN103941091A (zh) * 2014-04-25 2014-07-23 福州大学 基于改进emd端点效应的电力***hht谐波检测方法
CN105510687A (zh) * 2015-12-24 2016-04-20 合肥工业大学 一种基于经验模态分解的电压异常特征识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚强: "基于FPGA的电力***谐波检测***的研究与设计", 《万方数据知识服务平台》 *
王效亮: "微电网的建模及其谐波检测方法研究", 《万方数据知识服务平台》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061302A (zh) * 2018-08-30 2018-12-21 内蒙古工业大学 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量***
CN112269057A (zh) * 2020-09-21 2021-01-26 国网山东省电力公司齐河县供电公司 一种风电场谐波检测***
CN112232321A (zh) * 2020-12-14 2021-01-15 西南交通大学 一种振动数据干扰降噪方法、装置、设备及可读存储介质
CN112232321B (zh) * 2020-12-14 2021-03-19 西南交通大学 一种振动数据干扰降噪方法、装置、设备及可读存储介质
CN115508618A (zh) * 2022-10-13 2022-12-23 四川大学 一种基于时域Hermite插值的准同步谐波分析装置及方法
CN115508618B (zh) * 2022-10-13 2023-10-03 四川大学 一种基于时域Hermite插值的准同步谐波分析装置及方法
CN116865269A (zh) * 2023-09-01 2023-10-10 山东泰开电力电子有限公司 一种风电机组高谐波补偿方法及***
CN116865269B (zh) * 2023-09-01 2023-11-21 山东泰开电力电子有限公司 一种风电机组高谐波补偿方法及***

Similar Documents

Publication Publication Date Title
CN108061821A (zh) 一种改进的双馈风力发电***谐波检测方法
CN102750543B (zh) 一种基于bud谱峭度的暂态电能质量扰动分类识别方法
CN106250904B (zh) 基于改进s变换的电能扰动分析仪及分类方法
Li et al. Period-assisted adaptive parameterized wavelet dictionary and its sparse representation for periodic transient features of rolling bearing faults
CN110135293A (zh) 一种风力发电机电振动信号消噪方法及存储介质
CN103424183B (zh) 机械振动信号检测异常干扰消除方法
CN103454537A (zh) 基于小波分析的风力发电低电压穿越检测设备及方法
CN109212310A (zh) 一种微电网谐波检测方法
CN109359633B (zh) 基于希尔伯特-黄变换和小波脊线的信号联合分类方法
CN108197073B (zh) 一种改进的电动汽车充电电能信号特征分析方法
Matz et al. Automated power quality monitoring system for on-line detection and classification of disturbances
CN108089100A (zh) 小电流接地***弧光电阻接地故障的检测方法
CN105606892B (zh) 一种基于sst变换的电网谐波与间谐波分析方法
CN108761202B (zh) 极点对称模态分解和希尔伯特变换相结合的谐波检测方法
Hua et al. Voltage sag detection based on dq transform and mathematical morphology filter
CN108090270B (zh) 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法
CN112255457B (zh) 适用于自动准同期装置的相角差测量方法
CN103543331A (zh) 一种计算电信号谐波和间谐波的方法
CN111523231B (zh) 一种基于EEMD和Prony方法的次同步振荡分析方法
CN105044458B (zh) 一种基于tt变换的电力***谐波检测方法
Hu et al. Research on the improvement of HHT algorithm in the analysis of end effect in power system harmonic process
Luo et al. Improved zero-crossing method for power system frequency estimation
CN107042870B (zh) 一种太阳能、风能混合发电的双体船
Venkatesh et al. Techniques used for detection of power quality events–a comparative study
Ramos et al. DSP based power quality analyzer using new signal processing algorithms for detection and classification of disturbances in a single-phase power system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180522