CN105406492A - 一种三相电负荷自动平衡算法 - Google Patents
一种三相电负荷自动平衡算法 Download PDFInfo
- Publication number
- CN105406492A CN105406492A CN201510597107.3A CN201510597107A CN105406492A CN 105406492 A CN105406492 A CN 105406492A CN 201510597107 A CN201510597107 A CN 201510597107A CN 105406492 A CN105406492 A CN 105406492A
- Authority
- CN
- China
- Prior art keywords
- load
- phase
- module
- algorithm
- current
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
Landscapes
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种三相电负荷自动平衡算法,涉及供电控制领域,该三相电负荷自动平衡算法包括自适应滤波模块、自动平衡算法模块、负载调整模块三部分,可以滤除电网瞬态波动干扰,提取三相电幅值、电流及其变化趋势等特征值,计算出各相电负荷调整量,充分考虑负载供电优先级,以影响最小方式调整负载,达到负荷平衡的最优状态。
Description
技术领域
本发明涉及供电控制领域,特别涉及一种三相电负荷自动平衡算法。
背景技术
在用电信息采集系统中,有些台区三相电流不平衡度小则20%,高则70%~80%,按规定三相负荷不平衡不能大于15%,计算公式:最大负荷-最小负荷/最大负荷×100%。现有的专利文献中比较有代表性的包括:以专利申请号为201410254961.5的专利“在线自动配电方法及装置”为代表的配电功率平衡方案,通过测量每相电压,将设备挂到电压最高的相线上,或者测量电流,将设备挂到电流最小的相线上。
总体来说,目前功率平衡方案的局限性为:仅根据当前电压、电流的瞬时值或简单平滑滤波处理后数值进行计算分析,分配算法多为简单地向低负载相切换,或简单进行平均值切换,对于电压、电流的变化趋势、切换算法的快速实时性、根据实际负载波动情况的自适应处理、用户供电切换优先级等都没有充分考虑,当电网中负载波动较大时,会造成大量单相用户供电频繁切换,无法达到最优的三相用电平衡状态。
发明内容
本发明所要解决的技术问题是提供一种三相电负荷自动平衡算法,解决现有三相电负荷平衡策略存在的问题,提供一种高效可靠的方案,引入控制理论中经典与现代科技相结合的神经元PID算法,实现快速三相电负荷平衡,并根据电网负载波动状态,自适应调整器控制参数,快速合理调整各相供电,根据用户优先级进行切换公职,最大限度保证单相用户供电质量。
为实现上述目的,本发明提供以下的技术方案:一种三相电负荷自动平衡算法,其特征在于:所述三相电负荷自动平衡算法包括自适应滤波模块、自动平衡算法模块、负载调整模块三部分,该三相电负荷自动平衡算法的工作流程如下:
(1)测量变压器各相线电压、电流值和各负载电压、电流值,并用自适应滤波模块衰减掉不需要的干扰和瞬态波动;
(2)根据变压器各相电流与预期电流平衡值之间的偏差及偏差变化趋势等特征,计算出各相电流预调整量;
(3)按照负载分配原则,将各相线对应负载断开或者接通,实现功率平衡,根据三相电流预调整量,结合各负载电压、电流值,生成最终负载调整控制量,并对负载电压、电流进行分析,如有异常则发出告警。
优选的,所述自适应滤波模块的自适应滤波算法为首先输入信号通过加权后产生一个输出,此输出信号是按照某一规律进行重构的,然后与期望的参考输入或训练信号进行比较形成误差信号,接着用这一误差信号来修正可编程滤波模块的权系数;
滤波器的输出y(n)计算公式为:
其中wi(n)为滤波器权系数,x(n-i)为i个采样周期前输入信号值,N为滤波器阶数;
误差e(n)的计算式为:e(n)=d(n)-y(n)
其中d(n)为期望输出值
wi修正公式wi(n+1)=wi(n)+2μ*e(n)x(n)
其中μ由系统稳定性和迭代运算收敛速度决定的自适应步长,μ的取值应当满足:0<μ<1/Pmax,其中Pmax=(UR/2)2,UR为输入信号峰值。
优选的,所述负载调整模块包括三相均衡算法模块、负载分析算法模块和负载优先调整模块三个子模块,其中三相均衡算法模块将三相电流预调整量进一步调整,使三相电流的变化量矢量和为零,即总体负载电流调整的增加量和减少量基本相同;负载分析算法模块将三相电各自负载的电流按大小进行排序,供后续调整算法使用,同时根据负载电压、电流及其变化趋势计算功率及其变化趋势;负载优先调整模块根据三相均衡算法模块输出的三相电流调整量,结合负载分析算法模块提供的负载电流值,按照负载供电优先级,采用带用户优先级的逐次逼近法生成各相电最终负载调整控制量,当负载功率超过系统安全负荷时,提供负载告警。
采用以上技术方案的有益效果是:该三相电负荷自动平衡算法可以滤除电网瞬态波动干扰,提取三相电幅值、电流及其变化趋势等特征值,计算出各相电负荷调整量,充分考虑负载供电优先级,以影响最小方式调整负载,达到负荷平衡的最优状态。并且本算法中的滤波算法和负载调整算法都可以根据电网运行情况自动进行参数调整,具备极好的适应性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的描述。
图1是本发明一种三相电负荷自动平衡算法的流程图;
图2是本发明自适应滤波模块原理图;
图3是本发明控制算法神经元模型图;
图4是本发明自动平衡算法模块框图;
图5是本发明负载调整模块框图;
图6是本发明三相均衡算法模块图。
具体实施方式
下面结合附图详细说明本发明一种三相电负荷自动平衡算法的优选实施方式。
结合图1至图6出示本发明一种三相电负荷自动平衡算法的具体实施方式:如图1所示,该三相电负荷自动平衡算法包括自适应滤波模块、自动平衡算法模块、负载调整模块三部分,该三相电负荷自动平衡算法的工作流程如下:
(1)测量变压器各相线电压、电流值和各负载电压、电流值,并用自适应滤波模块衰减掉不需要的干扰和瞬态波动;
(2)根据变压器各相电流与预期电流平衡值之间的偏差及偏差变化趋势等特征,计算出各相电流预调整量;
(3)按照负载分配原则,将各相线对应负载断开或者接通,实现功率平衡,根据三相电流预调整量,结合各负载电压、电流值,生成最终负载调整控制量,并对负载电压、电流进行分析,如有异常则发出告警。
如图2所示,为本发明所用的自适应滤波算法,工作在闭环(反馈)状态下。它的作用是无失真的通过信号中所需要的分量衰减掉不需要的地干扰或者减少信号中的畸变分量,从特性随时间变化的信道中恢复信号。
首先输入信号通过加权后产生一个输出,此输出信号是按照某一规律进行重构的,然后与期望的参考输入或训练信号进行比较形成误差信号,接着用这一误差信号来修正可编程滤波模块的权系数。
滤波器的输出y(n)计算公式为:
其中wi(n)为滤波器权系数,x(n-i)为i个采样周期前输入信号值,N为滤波器阶数。
误差e(n)的计算式为:e(n)=d(n)-y(n)
其中d(n)为期望输出值
wi修正公式wi(n+1)=wi(n)+2μ*e(n)x(n)
其中μ由系统稳定性和迭代运算收敛速度决定的自适应步长。根据相关资料,μ的取值应当满足:0<μ<1/Pmax,其中Pmax=(UR/2)2,UR为输入信号峰值。
自适应滤波算法流程分初始化、采样、计算、产生输出、反向传播学习、移位。
初始化:μ,Wi(0)
采样x(n),d(n)
计算输出y(n)
反向传播学习:
e(n)=d(n)-y(n)
wi(n+1)=wi(n)+2μ*e(n)x(n)
移位
x(n)→x(n-1)
…
x(n-i+1)→x(n-i)
Wi(n+1)→Wi(n)
n=n+1,转步骤2
自适应滤波模块能很好得以抑制干扰信号,从而能为下面的算法处理提供一个良好而稳定的输入。
如图3所示,为本发明所用的算法神经元模型。
输入参数为:
r(k)=(i(a)+i(b)+i(c))/3
x1(k)=r(k)-y(k)=e(k)
x2(k)=Δe(k)=e(k)-e(k-1)
x3(k)=e(k)-2e(k-1)+e(k-2)
其中r(k)为期望电流平衡值,e(k)为当前相位电流与期望电流之间差值,x1(k)、x2(k)、x3(k)相当于PID控制中的比例、积分、微分项。
神经元的输入为:
net(k)=Wi(k)xi(k)+θ(k)
其中Wi(K)为神经元的连接权值,相当于PID控制中的比例、积分、微分系数;θ(k)为神经元的阈值。
神经元的输出为:
u(k)=f[net(k)]
其中,
如图4所示,为本发明所用基于神经元PID的控制系统构成。可以清楚看到,神经元的权系数代Wi(k)可通过神经元的在线学习来进行自适应调整,克服了常规PID控制参数不能适应外界环境变化的缺点,因而可大大提高控制器的鲁棒性。
神经元PID的学习算法是神经元PID控制中最重要的部分,其收敛性关系到整个系统的稳定。本文中学习算法采用误差反向传播方法:沿误差函数E(k)的负梯度方向来调整权系数Wi(k),使e(k)快速趋近于0。设系统误差函数为:
由BP算法可得:
式中,η为学习速度,0<η<1。
若η为足够小,可证明当k→∞时,e(k)→0,即该学习算法收敛。
控制算法分初始化、采样、神经元计算,产生控制信号、反向传播学习、移位。
初始化:0<η<1,Wi(0),0<θ<1
采样计算r(k),y(k)
神经元计算:
x1(k)=r(k)-y(k)=e(k)
x2(k)=Δe(k)=e(k)-e(k-1)
x3(k)=e(k)-2e(k-1)+e(k-2)
net(k)=Wi(k)xi(k)+θ(k)
产生控制信号:u(k)=f[net(k)]
反向传播学习:
ΔWi(k)=Δθ(k)xi(k)
Wi(k+1)=Wi(k)+ΔWi(k)
θ(k+1)=θ(k)+Δθ(k)
移位
e(k-1)→e(k-2)
e(k)→e(k-1)
y(k)→y(k-1)
Wi(k+1)→Wi(k)
θ(k+1)→θ(k)
u(k+1)→u(k-1)
k=k+1,转步骤2
神经元PID控制器是具有自学习能力的自适应控制器,与一般的自适应控制器不同,它无需建立受控对象的精确数学模型,也无需参数辨识,可由系统偏差或采用其他控制方法来调整控制量,从而使系统跟踪期望输出,且对参数变化不灵敏。从动态响应和控制的鲁棒性上看,神经元PID控制的效果都非常好。
Δip=Δip+i(k)
如图5所示,为本发明所用负载调整模块,它由如下3个子模块组成,分别为三相均衡算法模块、负载分析算法模块和负载优先调整模块。
三相均衡算法模块:将三相电流预调整量进一步调整,使三相电流的变化量矢量和为零,即总体负载电流调整的增加量和减少量基本相同。
自动平衡算法得出的三相电流预调整量,依据是各相电流自身情况,整体上看调整量矢量和虽小,但可能不为0。如图6所示为本发明采用的三相均衡算法模块,将i(a)、i(b)、i(c)调整为i'(a)、i'(b)、i'(c)。即通过将正调整量和负调整量按照比例放大或减小,实现调整均衡。
负载分析算法模块:将三相电各自负载的电流按大小进行排序,供后续调整算法使用。同时根据负载电压、电流及其变化趋势计算功率及其变化趋势。
负载优先调整模块:根据三相均衡算法模块输出的三相电流调整量,结合负载分析算法模块提供的负载电流值,按照负载供电优先级,采用带用户优先级的逐次逼近法生成各相电最终负载调整控制量。当负载功率超过系统安全负荷时,提供负载告警。
以上的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (3)
1.一种三相电负荷自动平衡算法,其特征在于:所述三相电负荷自动平衡算法包括自适应滤波模块、自动平衡算法模块、负载调整模块三部分,该三相电负荷自动平衡算法的工作流程如下:
(1)测量变压器各相线电压、电流值和各负载电压、电流值,并用自适应滤波模块衰减掉不需要的干扰和瞬态波动;
(2)根据变压器各相电流与预期电流平衡值之间的偏差及偏差变化趋势等特征,计算出各相电流预调整量;
(3)按照负载分配原则,将各相线对应负载断开或者接通,实现功率平衡,根据三相电流预调整量,结合各负载电压、电流值,生成最终负载调整控制量,并对负载电压、电流进行分析,如有异常则发出告警。
2.根据权利要求1所述的三相电负荷自动平衡算法,其特征在于:所述自适应滤波模块的自适应滤波算法为首先输入信号通过加权后产生一个输出,此输出信号是按照某一规律进行重构的,然后与期望的参考输入或训练信号进行比较形成误差信号,接着用这一误差信号来修正可编程滤波模块的权系数;
滤波器的输出y(n)计算公式为:
其中wi(n)为滤波器权系数,x(n-i)为i个采样周期前输入信号值,N为滤波器阶数;
误差e(n)的计算式为:e(n)=d(n)-y(n)
其中d(n)为期望输出值
wi修正公式wi(n+1)=wi(n)+2μ*e(n)x(n)
其中μ由系统稳定性和迭代运算收敛速度决定的自适应步长,μ的取值应当满足:0<μ<1/Pmax,其中Pmax=(UR/2)2,UR为输入信号峰值。
3.根据权利要求1所述的三相电负荷自动平衡算法,其特征在于:所述负载调整模块包括三相均衡算法模块、负载分析算法模块和负载优先调整模块三个子模块,其中三相均衡算法模块将三相电流预调整量进一步调整,使三相电流的变化量矢量和为零,即总体负载电流调整的增加量和减少量基本相同;负载分析算法模块将三相电各自负载的电流按大小进行排序,供后续调整算法使用,同时根据负载电压、电流及其变化趋势计算功率及其变化趋势;负载优先调整模块根据三相均衡算法模块输出的三相电流调整量,结合负载分析算法模块提供的负载电流值,按照负载供电优先级,采用带用户优先级的逐次逼近法生成各相电最终负载调整控制量,当负载功率超过系统安全负荷时,提供负载告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510597107.3A CN105406492B (zh) | 2015-09-17 | 2015-09-17 | 一种三相电负荷自动平衡算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510597107.3A CN105406492B (zh) | 2015-09-17 | 2015-09-17 | 一种三相电负荷自动平衡算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105406492A true CN105406492A (zh) | 2016-03-16 |
CN105406492B CN105406492B (zh) | 2018-07-17 |
Family
ID=55471816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510597107.3A Expired - Fee Related CN105406492B (zh) | 2015-09-17 | 2015-09-17 | 一种三相电负荷自动平衡算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105406492B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655227A (zh) * | 2017-01-18 | 2017-05-10 | 天津大学 | 一种基于智能软开关的有源配电网馈线负载平衡方法 |
CN113866524A (zh) * | 2021-10-15 | 2021-12-31 | 杭州电子科技大学 | 一种三相电力不平衡程度变化趋势衡量方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004202572A (ja) * | 2002-11-08 | 2004-07-22 | Jfe Steel Kk | ガスシールドアーク溶接用溶接ワイヤ |
CN1929233A (zh) * | 2005-09-07 | 2007-03-14 | 北京英斯泰克视频技术有限公司 | 三相负载智能自动平衡方法和系统 |
CN201444583U (zh) * | 2009-01-06 | 2010-04-28 | 廖学中 | 三相不平衡监测及调整系统 |
CN102664422A (zh) * | 2012-05-24 | 2012-09-12 | 电子科技大学 | 一种利用储能系统平滑风电场输出功率的方法 |
CN103997051A (zh) * | 2014-06-10 | 2014-08-20 | 长沙高升电子电器科技有限公司 | 在线自动配电方法及装置 |
-
2015
- 2015-09-17 CN CN201510597107.3A patent/CN105406492B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004202572A (ja) * | 2002-11-08 | 2004-07-22 | Jfe Steel Kk | ガスシールドアーク溶接用溶接ワイヤ |
CN1929233A (zh) * | 2005-09-07 | 2007-03-14 | 北京英斯泰克视频技术有限公司 | 三相负载智能自动平衡方法和系统 |
CN201444583U (zh) * | 2009-01-06 | 2010-04-28 | 廖学中 | 三相不平衡监测及调整系统 |
CN102664422A (zh) * | 2012-05-24 | 2012-09-12 | 电子科技大学 | 一种利用储能系统平滑风电场输出功率的方法 |
CN103997051A (zh) * | 2014-06-10 | 2014-08-20 | 长沙高升电子电器科技有限公司 | 在线自动配电方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655227A (zh) * | 2017-01-18 | 2017-05-10 | 天津大学 | 一种基于智能软开关的有源配电网馈线负载平衡方法 |
CN106655227B (zh) * | 2017-01-18 | 2019-02-15 | 天津大学 | 一种基于智能软开关的有源配电网馈线负载平衡方法 |
CN113866524A (zh) * | 2021-10-15 | 2021-12-31 | 杭州电子科技大学 | 一种三相电力不平衡程度变化趋势衡量方法及系统 |
CN113866524B (zh) * | 2021-10-15 | 2023-11-24 | 杭州电子科技大学 | 一种三相电力不平衡程度变化趋势衡量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105406492B (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marei et al. | A novel control algorithm for the DG interface to mitigate power quality problems | |
Gupta et al. | Fuzzy logic controlled shunt active power filter for reactive power compensation and harmonic elimination | |
CN110045610A (zh) | 逆变器改进型多步模型预测控制方法、设备及存储设备 | |
CN108767869B (zh) | 一种基于人工神经网络的静态无功补偿器电压调节方法 | |
Arya et al. | Implementation of kernel incremental metalearning algorithm in distribution static compensator | |
CN108429286A (zh) | 一种基于自抗扰控制的并网电流调节器 | |
CN106849082B (zh) | 含光伏配电网的统一电能质量调节器谐波控制方法 | |
CN104993502B (zh) | 一种功率闭环模式下的一次调频实现方法及装置 | |
CN110912137B (zh) | 一种计及交流潮流的柔性配电网运行域模型构建方法 | |
Song et al. | Security-constrained line loss minimization in distribution systems with high penetration of renewable energy using UPFC | |
Mangaraj et al. | DSTATCOM deploying CGBP based icos ϕ neural network technique for power conditioning | |
Sanjenbam et al. | Reduced voltage sensors based UPQC tied solar PV system enabling power quality improvement | |
Lin | Intelligent neural-network-based adaptive power-line conditioner for real-time harmonics filtering | |
CN105406492A (zh) | 一种三相电负荷自动平衡算法 | |
Meng et al. | Tertiary control for optimal unbalance compensation in islanded microgrids | |
Nguyen et al. | Harmonics identification with artificial neural networks: Application to active power filtering | |
CN115811035B (zh) | 变压器铁心多点接地电流最优限流阻抗选取装置及方法 | |
Chittora et al. | Performance evaluation of a new Kalman filter based least mean square algorithm for power quality improvement | |
CN115207988B (zh) | 一种新能源发电变流器的控制方法及系统 | |
Fei et al. | Adaptive Fuzzy-Neural-Network Control of Active Power Filter Using Fuzzy Backstepping Approach | |
Janpong et al. | DC-bus voltage control for single-phase active power filter using neural network | |
Marei et al. | An intelligent control for the DG interface to mitigate voltage flicker | |
Kamarposhti | Power quality compensation in distribution system based on instantaneous power theory and recursive fuzzy proportional-integral controller | |
Babu et al. | Power quality improvement based on PSO algorithm incorporating UPQC | |
CN110247427A (zh) | 一种电网参数在线识别的并网逆变器谐振智能抑制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180717 Termination date: 20200917 |