风电接入系统暂态电能质量扰动小波检测方法

随着风能发电的大规模发展,风能电并网运行是一种必然的发展趋势.风能的波动性、间歇性和随机性等特性使接入风电的电力系统的运行特性和电能质量受到复杂的影响.为此,针对风电并网运行中的电能质量问题,重点研究风电接人系统的暂态电能质量扰动的小波检测方法,详细分析暂态电能质量扰动小波检测的基本原理和实现策略,并给出仿真结果.理论...     

风电并网暂态电能质量扰动的检测与识别

风能的随机性、间歇性和波动性等特性使得电力系统的电能质量在风电并网运行时受到了十分复杂的影响,因此针对风电并网运行中的暂态电能质量问题,文中提出了一种基于db4小波变换和有效值法的新方法对暂态电能质量扰动进行检测与识别,并通过详尽的理论分析和Matlab仿真对该方法进行了验证。研究结果表明该方法能有效地完成对暂态电能质量扰动的检测与识别,为检测与识别电力系统在风电并网运行时的暂态电能质量扰动提供了一种切实可行的新方法。     

双馈感应风力发电机并网的复合电能质量检测方法

风电并网引起的电能质量扰动信号多为复合的暂态振荡信号,针对传统的检测算法存在模态混叠、易受干扰、通用性差等缺点,提出采用聚类经验模态分解EEMD与基于Morlet复小波的谱峭度相结合的算法实现该类扰动检测。为采集风电并网引起的相关电能质量扰动信号,在实时数字仿真RTDS平台搭建了200台双馈感应风力发电机DFIG的风电场并网模型。仿真结果表明,该算法能有效实现对风电并网引起的电能质量复合扰动信号的检测。     

STATCOM-PSS控制对风电并网系统稳定性和电能质量的改善

如何保证风电并网系统的暂态稳定性和电能质量不降低是当前需解决的问题。基于解耦控制策略和同步发电机PSS控制策略,提出在风电并网中系统采用STATCOM-PSS控制的解决方案。研究表明STATCOM-PSS控制策略能有效恢复风电并网处的故障后电压,提高风电场的故障穿越能力,改善风电并网系统的暂态稳定性和风力发电机组的电能质量。     

风力发电并网电压扰动信号的分析与检测

风力发电并网中的暂态电能质量问题严重影响电网的安全稳定运行和用电设备的正常使用,因此深入分析风电并网产生的暂态电能质量问题并且准确检测扰动是非常必要的。首先,分析了风电并网系统引起暂态电压扰动的原因,并建立风电并网系统的仿真模型,得出电压扰动信号的具体类型;然后,基于稀疏分解的思想,分析了具体的暂态电压扰动信号;再针对其特点构造了风电并网电压扰动原子库,减少了信号分解时的计算量,提高了匹配追踪的速度。该方法不仅对扰动信号准确分类,并且同时实现了扰动信号的定位和参数估计,辨识方法简单有效,精度较高。     

基于小波变换和模糊逻辑的暂态电能质量扰动分类

针对暂态电能质量扰动现象的内在特征,提出了小波变换和模糊逻辑相结合的暂态电能质量扰动分类方法。该方法使用小波变换提取扰动的时间特征,将扰动持续时间、扰动幅度、扰动频率、电压变化率绝对值作为暂态电能质量扰动的特征向量,输入到4输入2输出的模糊逻辑推理系统,自动判别暂态电能质量的扰动类型及扰动强度。在Matlab平台上使用该方法对应用电磁暂态仿真工具EMTDC仿真得到的暂态电能质量扰动波形进行分析,效果良好,验证了该方法的有效性。     

SVC提高风机多点并网的暂态稳定性研究

大规模风电接入后将对电网的安全稳定运行带来挑战。预计到2015年,约有500 MW的风电接入湖北恩施电网。基于2015年湖北恩施电网及风电的规划数据,通过仿真计算研究了大规模风电并网对系统暂态稳定性的影响,分析比较了基于双馈风机的风电场在不同并网点、不同并网容量下接入对电力系统暂态稳定性的影响,并对仿真结果进行了理论分析。最后提出了通过加装动态无功补偿设备SVC改善风机并网系统暂态稳定性的措施,仿真结果验证了该措施的有效性。     

基于希尔伯特-小波变换与神经网络的风电接入配电网电能质量检测与辨识方法研究

提出了一种希尔伯特变换、小波变换与神经网络相结合的风电接入配电网电能质量检测与辨识方法。该方法利用希尔伯特变换对低频电能质量扰动敏感、小波变换对高频电能质量扰动和短时电能质量扰动敏感及消噪能力强、神经网络模式识别能力强等特性,通过合理的小波变换消噪、希尔伯特变换的时间幅值特性和时间频率特性以及离散小波变换的细节系数、尺度系数和模极大值的计算,可以检测出各个电能质量扰动的实时值、幅值、频率和起止时间;通过合适的神经网络,辨识出各个电能质量扰动的具体类型。该方法具有通用性强、检测信息全面、检测准确度高和辨识准确性高等优点,仿真结果验证了其有效性和可行性。     

风电大规模并网对系统暂态稳定性的影响

随着风电的不断发展,风电在电网的比例不断增加,风电大规模并网对电力系统暂态稳定性的影响日益突出。本次仿真研究以内蒙古某地区实际含风电厂的电网为例,使用FASTEST软件搭建出风电并网的模型,并对含风电场的电力系统进行潮流计算。在潮流计算结果收敛的基础上,主要研究风电接入的电网在三相短路故障下系统的暂态稳定性。主要包括不同风电出力的情况下系统的故障极限切除时间,故障下系统的电压稳定性,以及考虑低电压保护的系统故障对风电机组机端电压、输出的有功功率和无功功率的影响。为了提高系统稳定性,使用静止无功补偿装置(SVC)为系统提供有效的无功支持,通过仿真验证了SVC可以提高风电并网电力系统的暂态稳定性。     

基于CPSO-BP神经网络的风电并网暂态电压稳定评估

针对目前传统方法难以快速、准确判断风电并网后系统暂态电压稳定性的问题,提出了一种基于CPSO-BP组合的风电并网暂态电压稳定评估方法。首先采用混沌理论对粒子群算法的不足进行改善,应用改进后的算法对神经网络的初始权值和阈值进行优化,然后利用系统故障前后采集的传统物理量和风电场相关的物理量作为BP神经网络输入特征量进行监督学习,最后将训练得到的模型应用于风电并网系统的暂态电压稳定评估中。利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性。     

基于小波神经网络的风电变流器故障诊断系统

由于小波神经网络具有较强的逼近能力和容错能力,本文研究了一套基于小波神经网络的永磁直驱风电变流器的故障诊断系统。首先对风电变流器中的故障进行设置,然后使用小波变换的多分辨率特性,提取风电变流器的故障特征向量,最后应用BP神经网络进行故障模式识别。通过仿真结果表明,此种风电变流器的故障诊断系统具有较强的稳定性和准确性。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

小波能量谱和神经网络法识别雷击与短路故障

现有行波测距装置可以同时对线路雷击和普通短路故障进行检测与定位,但其不能将两者区分开来,为此提出了一种基于小波能量谱和神经网络理论的输电线路雷击与短路故障的识别方法。首先,利用小波变换将故障测距装置采集到的各种电流行波信号分解为不同频带的重构信号,并计算信号在各个频带内的能量,提取小波能量谱,然后构造信号的小波能量分布特征向量,将其作为BP神经网络分类器的输入,最终实现雷击与短路故障的识别。仿真结果显示,该方法在不同故障相角和过渡电阻的情况下均能达到满意的识别正确率,是一种有效的线路雷击与普通短路故障识别方法。     

计及故障时间的神经网络风力发电量预测

风电是可再生能源的一种重要形式,随着越来越多的风电并入电网,发电量的预测对电网的稳定性变得格外重要,为了得到更高的预测精度,提出了一种将天气因素和故障时间相结合的两段式风力发电量预测的方法。结合湖南省某风力发电场的实际生产数据,分别运用神经网络结合时间序列的方法对故障时间进行预测,以及GRNN神经网络方法对发电量进行预测。提高了风力发电量预测的精度,延长了预测时间,证明了方法的可行性。     

改进小波结合BP网络的风力发电机故障诊断

针对风力发电机早期故障时定子电流特征量难以提取的问题,提出了单子带重构改进小波变换结合BP神经网络的风力发电机故障诊断新方法。通过对风力发电机的定子电流进行单子带重构改进小波变换,消除了传统小波变换中的频率混叠现象;从小波变换后的子带信号中选取特征域、提取特征量作为BP神经网络的输入;在此基础上,结合BP神经网络的输入输出非线性映射能力,完成对故障的诊断和定位。经过仿真实验证实,该方法准确地实现了对风力发电机故障的诊断。     

Signal Processing and Deep Learning Techniques for Power Quality Events Monitoring and Classification

Abstract

Power quality disturbances (PQDs) have major challenges in embedded generation systems, renewable energy networks, and HVDC/HVAC electrical power transmission networks. Due to PQDs, electrical power network can have disruption in the protection system, security system, and energy-saving system. PQDs also affect the operation cost and consistency of electrical power systems. This paper presents an innovative method based on compressive sensing (CS), singular spectrum analysis (SSA), wavelet transform (WT) and deep neural network (DNN) for monitoring and classification of PQDs. Feature extraction and selection is an essential part of the classification of PQDs. In this paper, initially, SSA time-series tool and multi-resolution wavelet transform are introduced to extract the features of PQDs, and then CS technique is used to reduce the dimensionality of the extracted features. Finally, DNN-based classifier is used to classify the single-and-combined PQDs. The DNN architecture is constructed utilizing the restricted Boltzmann machine, which is then fine-tuned by back-propagation. The heart of this paper is to enhance the classification and monitoring accuracy and comparison of the results of WT-based classifier with SSA-based classifier. The proposed method is tested using 15 types of single and combined PQDs. These disturbances are transitory in the transmission and distribution networks such as voltage sag, swell, transient, interruption, harmonic, etc. The simulation and experimental results demonstrate that the SSA-based DNN classifier has significantly higher potential than the WT-based classifier to classify the power quality events under noisy and noiseless conditions.     

基于小波神经网络的电能质量扰动辨识

为了对电能质量进行有效的治理,以提高用电效率,有必要对电能质量扰动进行准确的分类。基于小波的时频分析特点和一种新型的小波神经网络,提出了一种电能质量实用分类方法。利用正交小波对信号进行多分辨率分析,提取各类电能质量变化的能量特征;利用小波神经网络对输入特征矢量进行识别,完成对电能质量的自动分类。研究表明,该方法能有效地区分电压骤降、电压骤升、电压中断、脉冲暂态4种电能质量问题。     

基于小波模糊神经网络配网馈线故障测距的研究

在小电流接地系统单相接地故障特征分析的基础上,结合小波变换和模糊神经网络的特点,提出了适合配网故障后暂态信号分析的小波模糊神经网络模型及算法,应用于小电流接地系统的故障测距.理论分析及大量仿真结果显示此方法是可行的,且具有较好的故障测距性能.     

基于小波能谱矩阵相似度的电力暂态信号识别

暂态保护技术正呈现加速发展态势,但如何正确识别各类故障和非故障暂态,是暂态保护实用化必须解决的一个最大难题.信号经过小波分析之后得到的小波能谱能很好的反映信号不同时间的能量分布.电力系统中,不同电力暂态信号其时频特性必然不同,其在多个尺度下的小波能谱的分布必然存在差异,因此,在构造小波能谱矩阵的基础上,借鉴数字图像处理中的相似度的思想,提出基于小波能谱矩阵相似度的分类方法.建立各种电力暂态的标准能谱矩阵,计算测试样本的能谱矩阵与各种标准能谱矩阵的相似度,按照相似度最大原则实现分类.对电力系统单相接地故障暂态、线路正常开关操作暂态、电容投切操作暂态和雷电扰动暂态的仿真分析表明,该方法对电力暂态的识别率高.