CN113866493A - 一种风电引起电压波动与闪变的测量方法 - Google Patents

Abstract

本发明涉及一种风电引起电压波动与闪变的测量方法，包括以下步骤：步骤1、利用基于最优窗加权修正的Burg算法对，对同步采样后的风电输出电压信号序列进行功率谱估计，并通过功率谱的分析可精确得到各间谐波分量的频率；步骤2、根据步骤1所得出的各间谐波分量的频率，对电压采样信号序列进行FFT分析，获得真实间谐波的幅值与相位；步骤3、根据步骤2计算获得的获得真实间谐波的幅值与相位，将原始信号经过视感度加权滤波器模拟灯‑眼‑脑频率响应特性后，获得从而得到由风电引起电压波动与闪变的测量结果。本发明能够提高风电场引起的电压波动及闪变的检测精确性。

Description

一种风电引起电压波动与闪变的测量方法

技术领域

本发明属于电力***电能质量监测技术领域，尤其是一种风电引起电压波动与闪变的测量方法。

背景技术

风电发电机组由于受风剪切效应和塔影效应等因素的影响，输出功率中将发生特定频率的波动，从而产生特定频率的间谐波，从而引起的电压波动与闪变的危害也是广泛的。间谐波是风电场产生电压波动和闪变的根本原因。

随着风电装机规模日益增多，其对电网电能质量的影响也越来越明显，因此对风电场的间谐波检测及由间谐波引起电压波动和闪变分析的要求越来越高。风电引起的电压闪变现象具有随机性，并受到多方面的影响，再加上间谐波本身频域分布的广泛性和幅值微弱等，使得风电引起的电压闪变计算与评估研究难度较大。

有关国家标准中提到关于间谐波检测算法以及间谐波引起的闪变相关的一些内容，但该方法局限性，分辨率不高，不能得到详尽间谐波参数。

因此鉴于风电场电压波动与闪变的危害性和当前分析手段的缺乏，有必要加强风电场电压波动与闪变计算和评估方面的研究，发明一种风电引起电压波动与闪变的测量方法。

经检索未发现和本发明相同或相似的现有技术的公开文献。

发明内容

本发明的目的在于克服现有技术的不足，提出一种风电引起电压波动与闪变的测量方法，能够提高风电场引起的电压波动及闪变的检测精确性。

本发明解决其现实问题是采取以下技术方案实现的：

一种风电引起电压波动与闪变的测量方法，包括以下步骤：

步骤1、利用基于最优窗加权修正的Burg算法对，对同步采样后的风电输出电压信号序列进行功率谱估计，并通过功率谱的分析可精确得到各间谐波分量的频率；

步骤2、根据步骤1所得出的各间谐波分量的频率，对电压采样信号序列进行FFT分析，获得真实间谐波的幅值与相位；

步骤3、根据步骤2计算获得的获得真实间谐波的幅值与相位，将原始信号经过视感度加权滤波器模拟灯-眼-脑频率响应特性后，获得从而得到由风电引起电压波动与闪变的测量结果。

而且，所述步骤1的具体步骤包括：

(1)对于一个离散信号x(n)，表示成p阶AR模型为：

式(1)中：η(n)为零均值方差为σ²的白噪声。a_k(k＝1，...，p)为p阶AR模型的系数。

(2)信号x(n)的AR功率谱密度为：

一个p阶的AR模型等效于一个p阶的线性预测器，AR模型的参数是线性预测器的系数，方差σ²等于阶次为p时最小预测误差功率ρ_p，故功率谱公式等价为：

所以只要求得最小预测误差功率ρ_p和模型参数a_k，就能得到信号的功率谱；

(3)AR模型参数求解

式(4)(5)(6)中e_m(n)、b_m(n)分别是阶次为m时的前、后向预测误差；ρ_m为阶次为m时的预测误差功率；k_m为阶次为m时的反射系数。

初始值：预测误差

前后预测误差初始值e₀(n)＝b₀(n)＝x(n)。根据Burg算法计算滤波器系数：

计算预测误差功率：

ρ_m＝(1-|k_m|²)ρ_m-1 (8)

计算输出

最后得到最小预测误差功率ρ_p和模型参数a_k。

代入式(3)即得功率谱密度，可精确得出原始数据中含有的各间谐波分量的频率f₁,f₂,f₃,...,f_n。

而且，所述步骤2的具体步骤包括：

(1)令f_a，f_b为f₁、f₂、f₃、...、f_n中，差值最小的2个频率分量；

确定信号中最接近的两个频率成分，记为f_a和f_b，则两频率的差值f_ab＝|f_a-f_b|，谱线的频率分辨率Δf至少应该满足：

对信号进行傅里叶分析的最小数据点数N_min为：

对原始信号截取N个数据，满足：N为1024整数倍且N>N_min；

(2)对截取后数据x(n)进行FFT分析，得到各次间谐波的幅值与相位；

由于人对闪变的最大觉察频率范围不会超过0.05～35Hz，因此，本发明关注的间谐波频段为15～85Hz；经过滤波后，仅保留间谐波频段为15～85Hz范围内的f₁、f₂、f₃、...、f_n各次间谐波的幅值与相位，即：

u_i(t)＝U_i sin(ω_it+θ_i)

(3)则原始信号可表示为：

式中，第一部分为基波，第二部分为间谐波。

而且，所述步骤3的具体步骤包括：

(1)将原始信号经过下式的视感度加权滤波器模拟灯-眼-脑频率响应特性：

并得到最终由风电引起电压波动与闪变的测量结果值：

式中：G为增益常数，

ω_0i＝ω₀-ω_i，θ_0i＝θ₀-θ_i。

本发明的优点和有益效果：

本发明将闪变问题与间谐波相结合考虑，从研究间谐波的频谱分析算法入手，提高间谐波检测的精度及测量间谐波相关参数，从而提高用于闪变计算的频域算法的计算精度和速度。本发明深入研究风电引起电压闪变现象的机理，以闪变计算方法和闪变评估标准为最终目标，对风电引起电压波动与闪变问题进行了***性的研究。

附图说明

图1为间谐波检测装置硬件结构图；

图2为间谐波检测装置软件结构图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种风电引起电压波动与闪变的测量方法，包括以下步骤：

步骤1、利用基于最优窗加权修正的Burg算法对，对同步采样后的风电输出电压信号序列进行功率谱估计，并通过功率谱的分析可精确得到各间谐波分量的频率；

本方法主要应用于对风场电压波动和闪变的非实时分析，时间窗口可设置较长，通过功率谱的分析可精确得到各间谐波分量的频率。

所述步骤1的具体步骤如下：

(1)对于一个离散信号x(n)，表示成p阶AR模型为：

式(1)中：η(n)为零均值方差为σ²的白噪声。a_k(k＝1，...，p)为p阶AR模型的系数。

(2)信号x(n)的AR功率谱密度为：

一个p阶的AR模型等效于一个p阶的线性预测器。AR模型的参数是线性预测器的系数，方差σ²等于阶次为p时最小预测误差功率ρ_p。故功率谱公式等价为：

所以只要求得最小预测误差功率ρ_p和模型参数a_k，就能得到信号的功率谱。

(4)AR模型参数求解

式(4)(5)(6)中e_m(n)、b_m(n)分别是阶次为m时的前、后向预测误差；ρ_m为阶次为m时的预测误差功率；k_m为阶次为m时的反射系数。

初始值：预测误差

前后预测误差初始值e₀(n)＝b₀(n)＝x(n)。根据Burg算法计算滤波器系数

计算预测误差功率

ρ_m＝(1-|k_m|²)ρ_m-1 (8)

计算输出

最后得到最小预测误差功率ρ_p和模型参数a_k。

代入式(3)即得功率谱密度，可精确得出原始数据中含有的各间谐波分量的频率f₁,f₂,f₃,...,f_n(但不能得到各频率分量精确的幅值和相位)。

步骤2、根据步骤1所得出的各间谐波分量的频率，对电压采样信号序列进行FFT分析，获得真实间谐波的幅值与相位；

FFT分析含间谐波信号时通常会产生频谱泄漏，包括长范围泄漏和短范围泄漏两部分。长范围泄漏是由于信号截断且截断窗口较小造成的信号频谱旁瓣之间的相互干扰，本方法为非实时分析，窗口长度可取足够大，因此长范围泄漏可以忽略不计；短范围泄漏是指由于截断窗口长度不合理，从而引发离散频谱的栏栅效应导致产生虚假间谐波信号，而真实间谐波被隐藏。本发明依据步骤1所得出的精确间谐波频率，选取合适的截断窗口长度，从而获得真实间谐波的幅值与相位。

所述步骤2的具体步骤包括：

(1)令f_a，f_b为f₁、f₂、f₃、...、f_n中，差值最小的2个频率分量。

确定信号中最接近的两个频率成分，记为f_a和f_b，则两频率的差值f_ab＝|f_a-f_b|，谱线的频率分辨率Δf至少应该满足(取m根谱线)：

对信号进行傅里叶分析的最小数据点数N_min为：

对原始信号截取N个数据，满足：N为1024整数倍且N>N_min。

(2)对截取后数据x(n)进行FFT分析，得到各次间谐波的幅值与相位；

由于人对闪变的最大觉察频率范围不会超过0.05～35Hz，因此，本发明关注的间谐波频段为15～85Hz；经过滤波后，仅保留间谐波频段为15～85Hz范围内的f₁、f₂、f₃、...、f_n各次间谐波的幅值与相位，即：

u_i(t)＝U_i sin(ω_it+θ_i)

(3)则原始信号可表示为：

式中，第一部分为基波，第二部分为间谐波。

步骤3、根据步骤2计算获得的获得真实间谐波的幅值与相位，将原始信号经过视感度加权滤波器模拟灯-眼-脑频率响应特性后，获得从而得到由风电引起电压波动与闪变的测量结果。

所述步骤3的具体步骤包括：

(1)将原始信号经过下式的视感度加权滤波器模拟灯-眼-脑频率响应特性：

并得到最终由风电引起电压波动与闪变的测量结果值：

式中：G为增益常数，

ω_0i＝ω₀-ω_i，θ_0i＝θ₀-θ_i。

在本实施例中，本发明的在硬件结构上结合图1说明。电压信号(1.1)和电流信号(1.2)首先通过机箱接线端子(1.3)，然后转变为模拟信号(1.4)，模拟信号经过传感器(1.5)和信号调理电路(1.6)后，再由数据采集卡(1.7)进行数据采集，采集到的数据送到工控机(1.8)，经由LabVIEW软件程序进行数据分析、计算及其存储。

间谐波检测装置采用层次化结构设计的思想设计软件***，结构如图2所示。软件装置建立在虚拟仪器硬件平台(2.2)上，通过Windows NT操作***(2.3)实现对硬件平台的设备管理。数据采集卡采集到的数据(2.1)输入装置软件，装置软件由PCI设备驱动程序(2.4)、NI-DAQ数据采集运行支持库(2.5)、数据分析子***(2.6)、数据存储子***(2.7)和用户界面组成(2.8)。数据分析子***完成对采集数据的复杂运算，数据存储子***用于存储采集到的现场数据和分析结果，用户界面则在前面板提供曲线、图表、报表、按钮、菜单和快捷键等界面元素供用户实现人性化操作。

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种风电引起电压波动与闪变的测量方法，其特征在于：包括以下步骤：

步骤1、利用基于最优窗加权修正的Burg算法对，对同步采样后的风电输出电压信号序列进行功率谱估计，并通过功率谱的分析可精确得到各间谐波分量的频率；

步骤2、根据步骤1所得出的各间谐波分量的频率，对电压采样信号序列进行FFT分析，获得真实间谐波的幅值与相位；

步骤3、根据步骤2计算获得的获得真实间谐波的幅值与相位，将原始信号经过视感度加权滤波器模拟灯-眼-脑频率响应特性后，获得从而得到由风电引起电压波动与闪变的测量结果。

2.根据权利要求1所述的一种风电引起电压波动与闪变的测量方法，其特征在于：所述步骤1的具体步骤包括：

(1)对于一个离散信号x(n)，表示成p阶AR模型为：

式(1)中：η(n)为零均值方差为σ²的白噪声。a_k(k＝1，...，p)为p阶AR模型的系数。

(2)信号x(n)的AR功率谱密度为：

一个p阶的AR模型等效于一个p阶的线性预测器，AR模型的参数是线性预测器的系数，方差σ²等于阶次为p时最小预测误差功率ρ_p，故功率谱公式等价为：

所以只要求得最小预测误差功率ρ_p和模型参数a_k，就能得到信号的功率谱；

(3)AR模型参数求解

式(4)(5)(6)中e_m(n)、b_m(n)分别是阶次为m时的前、后向预测误差；ρ_m为阶次为m时的预测误差功率；k_m为阶次为m时的反射系数。

初始值：预测误差

前后预测误差初始值e₀(n)＝b₀(n)＝x(n)。根据Burg算法计算滤波器系数：

计算预测误差功率：

ρ_m＝(1-|k_m|²)ρ_m-1 (8)

计算输出

最后得到最小预测误差功率ρ_p和模型参数a_k。

代入式(3)即得功率谱密度，可精确得出原始数据中含有的各间谐波分量的频率f₁,f₂,f₃,...,f_n。

3.根据权利要求1所述的一种风电引起电压波动与闪变的测量方法，其特征在于：所述步骤2的具体步骤包括：

(1)令f_a，f_b为f₁、f₂、f₃、...、f_n中，差值最小的2个频率分量；

确定信号中最接近的两个频率成分，记为f_a和f_b，则两频率的差值f_ab＝|f_a-f_b|，谱线的频率分辨率Δf至少应该满足：

对信号进行傅里叶分析的最小数据点数N_min为：

对原始信号截取N个数据，满足：N为1024整数倍且N>N_min；

(2)对截取后数据x(n)进行FFT分析，得到各次间谐波的幅值与相位；

由于人对闪变的最大觉察频率范围不会超过0.05～35Hz，因此，本发明关注的间谐波频段为15～85Hz；经过滤波后，仅保留间谐波频段为15～85Hz范围内的f₁、f₂、f₃、...、f_n各次间谐波的幅值与相位，即：

u_i(t)＝U_i sin(ω_it+θ_i)

(3)则原始信号可表示为：

式中，第一部分为基波，第二部分为间谐波。

4.根据权利要求1所述的一种风电引起电压波动与闪变的测量方法，其特征在于：所述步骤3的具体步骤包括：

(1)将原始信号经过下式的视感度加权滤波器模拟灯-眼-脑频率响应特性：

并得到最终由风电引起电压波动与闪变的测量结果值：

式中：G为增益常数，

ω_0i＝ω₀-ω_i，θ_0i＝θ₀-θ_i。

Images