基于模态分析的风电场并网谐波谐振研究

针对风电场并网时易发生的谐波谐振问题,采用模态分析法对风电场并网系统的节点导纳矩阵进行解耦处理,并通过特征值分解确定其谐振频率、谐振中心等相关信息。首先建立并网LCL逆变器等效诺顿模型和电网等效模型,基于已建立模型,采用模态分析法分析风电场并网谐振现象并给出各节点谐振参与因子、谐振中心等谐振信息。基于仿真平台PSCAD按照某99 MW风电场参数搭建实例仿真模型,在验证模态分析法可行性的同时,深入研究随着风电场集电线路长度和风机并网台数改变时的并网谐振各节点参与因子与谐振中心的变化规律。     

基于梯形云模型的电能质量数据关联性挖掘方法

提出了一种基于梯形云模型的电能质量数据关联性挖掘方法。利用梯形云对电能质量指标进行等级概念区间划分,有效集成随机性和模糊性,达到软化区间边界目的。定义了基于梯形云的支持度和置信度计算公式,从电能质量数据库中挖掘关联规则,并配合使用Kulczynski量度和不平衡比作进一步相关性分析,过滤掉无意义的关联规则。通过对电能质量数据之间的关联性进行挖掘分析,可以发现电网中隐藏的运行特性,为管理部门制定决策提供有价值的信息。实例分析验证了所提方法的实用性和有效性。     

一种适应于地区电网无功电压优化控制的新方法

提出了一种用于地区电网电压无功优化控制的新方法.根据目标函数中网损与节点电压和注入无功的相关性,动态自适应调整罚因子,以克服一般方法罚因子选取不灵活的问题;针对基本粒子群算法易陷入局部最优的现象,引入了一种改进的随机交叉粒子群算法,利用群体最优位置的信息改善粒子自身信息,增加种群多样性,加快算法收敛速度;为改善非理想运行情况下的电压质量以及实现省地自动电压控制(AVC)系统的协调控制,运用逐级优化和二次优化策略.将所提算法和控制策略用于地区电网AVC系统,运行结果表明该方法是可行有效的,能够显著减小网损并改善电压质量.     

基于混合参考阻抗法的风电场谐波发射水平评估

风电逆变器的LCL滤波器和风电场的无功补偿设备致使风电场侧谐波阻抗并非远大于系统侧谐波阻抗,因此在评估风电场PCC点两侧的谐波发射水平的同时必须考虑PCC点两侧谐波阻抗。对此,提出一种基于混合参考阻抗的风电场谐波发射水平评估方法。系统侧谐波阻抗仅通过测量数据评估得出,风电场侧的参考谐波阻抗值通过风电场内元件的参数计算得出。针对LCL滤波器参数的难以获取性,提出一种LCL滤波器参数估计方法,并考虑元件参数的变化,计算出风电场侧谐波阻抗的边界值,并以其平均值作为风电场侧谐波阻抗的参考值。最后通过仿真和实测数据分析验证了本文方法的有效性。研究成果可为风电场谐波发射水平评估提供参考。     

基于快速傅里叶变换的谐波和间谐波检测修正算法

详细分析了FFT算法的频谱泄露和栅栏现象,研究了非同步采样下谐波和间谐波之间的频谱干扰特性,在此基础上提出了修正算法。该算法通过对FFT算法做简单变换,减少了频谱泄露误差,利用频域插值算法对谐波和间谐波分开进行分析检测,抑制了谐波和间谐波之间的相互干扰。结果表明,与直接运用FFT算法相比,提出的电力系统谐波和间谐波检测方法具有检测精度高和响应速度快的特点。     

敏感设备电压暂降敏感度模糊评估方法

提出了基于模糊理论的敏感设备电压暂降敏感度评估方法。暂降期间设备从安全到故障存在一个过渡过程,提出将这一过渡过程作为模糊极限过程．用设备隶属于安全状态的隶属度进行描述。利用能量函数作为设备隶属于安全状态的隶属函数,并结合正态分布函数刻画系统扰动和设备耐受曲线的随机分布规律。系统扰动和设备耐受曲线的概率密度函数参数分别由IEEE30节点仿真数据及实际测试数据得到。仿真结果验证了所提方法的有效性和准确性。     

基于间谐波泄漏估算的谐波间谐波分离检测法

某次谐波附近存在间谐波时,信号会发生闪变.本文以IEC61000-4-7推荐的测量环境为前提,提出了一种频谱分离法用于检测谐波及引起闪变的主导间谐波.首先研究了同步采样下谐波、间谐波之间的频谱干扰特性;根据间谐波离散频谱泄漏的特点,利用谐波频点左右谱线,通过变量重组,估算其在谐波频点上的泄漏值;用泄漏值修正原始频谱得到...     

电力系统电压短期扰动的三角模态检测方法

针对HHT(Hilbert-Huang Transform)方法中经验模态分解(EMD)产生的模态混叠可能导致扰动信号检测失效的问题,提出一种检测定位扰动的新方法-对称三角模态法.该方法通过对原信号叠加一个对称三角模态来提取信号的扰动信息进而定位扰动,同时结合分段HHT方法进行扰动类型的识别.与原HHT方法和小波检测方法相比,该方法能够更加简单快速地实现扰动的准确定位.仿真结果表明了该方法的有效性.     

基于广义回归神经网络的非侵入式负荷识别方法

非侵入式负荷识别可以实现电网和用户的灵活双向互动,对智能电网的发展具有重大意义,而神经网络因其自学习能力及计算复杂度低等优点越来越多地应用在非侵入式负荷识别中。针对现有BP神经网络方法容易陷入局部最优、收敛速度慢的问题,文章提出了一种基于广义回归神经网络(GRNN)的非侵入式负荷识别方法。该方法使用负荷投切过程的功率、谐波、投切时间等暂态特征作为输入,应用Parzen非参数估计方法搭建网络结构,利用模拟退火算法的全局搜索能力对光滑因子进行寻优,从而建立GRNN网络模型进行负荷识别。实验结果表明,相对于BP神经网络,文中方法具有更好的识别精度和训练速度。     

计及并网电流控制影响的弱电网下LCL滤波器参数优化设计

现有的LCL滤波器设计方法未能有效兼顾逆变器电流控制对滤波器设计的限制以及电网阻抗对并网稳定性的约束。文章通过建立含数字延迟的弱电网下LCL滤波并网逆变器模型,得到控制性能及并网稳定性对参数设计的约束条件,建立以损耗最小、成本最低、提高对电网阻抗适应能力、提升电流跟踪性能为子目标的多目标优化模型,并采用目标函数离差排序法确定权重系数,自适应权重PSO求解。该设计方案在保证滤波性能和制造成本的同时,增强了LCL并网逆变器在弱电网下的稳定裕度。最后,通过仿真分析验证了该设计方案的正确性与有效性。