基于多谱线插值法和复调制细化法的电力系统谐波分析

非同步采样时采用快速FFT会造成频谱泄露,为了降低频谱泄露的影响,提高谐波和间谐波检测精确度,本文提出了一种基于多谱线插值法和复调制细化法的组合分析方法。首先估算出基波和谐波的长范围泄露并将其消除,然后分析目标频点附近的几条谱线并利用谱线携带的信息,推导出多谱线的插值算法,并采用多项式拟合的方法得到其修正式。对于频率非常相近的电力系统信号,采用基于复解析带通滤波器的复调制细化法对其进行细化分析,得到其较精确的信号参数。仿真和实验结果验证了本文方法的有效性和高精度性。     

基于AD7606的SVG数据同步采集系统设计

静止无功发生器(Static Var Generator.SVG)系统中需要对电网和装置的多路信号进行同步数据采集,针对数据采集卡硬件成本高及电网数据采集不同步的问题,基于数字信号处理器TMS320F28335和2片模数转换芯片AD7606,设计了一种十六通道电压、电流、温度信号同步采集系统,详细介绍了该系统的信号调理电路、温度采样电路、锁相环倍频电路、TMS320F28335与AD7606接口电路的设计,最后搭建实验平台对系统进行测试。实验测试表明,该信号采集系统可以精确采集系统的电压电流及温度信号,数据转换结果精度高,误差小,满足装置高精度同步采集数据的要求。     

双速率同步采样法在谐波间谐波测量中的应用

非同步采样是造成频谱泄露和栅栏效应的根本原因,而频谱泄露和栅栏效应是影响 DFT变换谐波测量精度的主要原因。因此采样方法的准确性至关重要。针对传统采样法上存在的误差问题。为此,本文提出了一种改进后的的双速率同步采样法,该方法在使用传统的采样间隔补偿方法抑制周期信号产生的周期误差后,对补偿后残留下来的误差进行分析,比较残留误差与定时器分辨率Td的大小关系,从而做进一步的补偿,再用均根方值算法进行处理,这样就更有效的减小了误差。最后,仿真结果验证了本文所提方法的有效性。     

考虑区间构造的改进极限学习机短期电力负荷区间预测

针对区间预测中电力负荷预测区间范围过宽和精度不高的问题,提出一种基于灰狼优化算法(graywolf optimizationalgorithm, GWO)-蚁狮算法(antlion optimizationalgorithm, ALO)优化的极限学习机(extreme learningmachine,ELM)短期电力负荷区间预测方法。首先将电力负荷历史预测误差进行正态分布拟合,构造负荷功率历史区间。进而将负荷历史区间和历史前24h、前2h及前1h功率作为模型输入。然后考虑ALO的随机初始种群会影响求解速度与质量,利用GWO生成ALO的优质初始种群,避免陷入局部最优解。接着用ALO优化ELM输入权重及隐藏层偏置,构建具有强泛化能力的ELM短期电力负荷区间预测模型。最后利用湖南省某市电力负荷进行验证,通过多种方法对比,所提方法准确度更高,预测区间质量更好。得到的区间预测结果能为电力系统调度、新能源消纳提供精确的负荷变化信息。     

基于间谐波泄漏的谐波间谐波检测新方法

在同步采样条件下,间谐波对谐波以及间谐波之间的频谱泄漏是产生检测误差的主要原因。为此,文中提出一种谐波间谐波检测新方法来消除间谐波对谐波的频谱干扰,该方法根据间谐波旁瓣泄漏特点,对谐波邻近的间谐波泄漏谱线进行指数拟合求取间谐波在谐波频点处的泄漏值,进而得到较精确拟谐波信号,然后进行时域采样分离拟谐波信号得到拟间谐波信号。通过对频率相近的间谐波采用补零法进行频段划分,各频段进行加窗插值后得到较精确间谐波参数。最后,算例仿真误差结果验证了该方法的有效性。     

基于粒子滤波与EEMD的低频振荡模式识别方法研究

为克服传统方法对非线性非高斯系统信号中噪声处理的缺点,提出一种基于粒子滤波算法与改进的EMD分解—EEMD分解法相结合的新方法。所提方法首先利用粒子滤波将非线性非高斯系统的初始信号的噪声去除,减少了噪声对后续操作的影响,再采用EEMD分解对去噪后的信号进行分解得到此征模态分量IMF,进而对此征模态分量IMF计算出瞬时频率,从而得出低频振荡的模式。通过算例仿真分析表明文中方法的可行性及有效性,并通过与Prony分析算法得到的结果进行了对比,验证了文中方法的正确性。为电力系统低频振荡处理非线性非高斯系统信号提供了一种新的途径和方法。     

大规模虚拟储能模式平抑新能源功率预测误差研究

新能源预测误差使系统调节能力不足导致新能源限电。为提高新能源消纳,结合自备电厂虚拟储能特点,提出大规模虚拟储能平抑新能源功率预测误差优化调度方法。首先分析新能源功率预测误差分布特点,然后将新能源预测功率按照一定置信度纳入发电计划,进而建立大规模虚拟储能平抑新能源功率预测误差调度模型。通过某地区实际数据验证所提模型的经济性和有效性,并针对关键因素灵敏度分析验证该模型的有效性。