CN107390025A - 基于盲源分离的电力系统多谐波源辨识方法 - Google Patents

Abstract

本发明涉及一种基于盲源分离的电力系统多谐波源辨识方法，包括下列步骤：采集可观测母线i上的h次谐波电压测量母线与地之间的导纳利用复数盲源分离估计谐波电流I^h，记为y(k)＝[y₁(k),y₂(k),…,y_n(k)]^T；估算源信号的峰度估算分离信号y(k)的峰度根据的原则对代表I^h的分离信号y_i(k)进行重新排序；计算非线性负载注入母线i的有功功率无功功率和母线阻抗根据有功功率无功功率母线阻抗和的极性关系来辨识谐波，若且与同号，则母线i存在谐波源，且谐波源污染程度非常高；若且与异号，则母线i存在谐波源，且谐波源污染程度高；若且与同号，则母线i存在谐波源，但谐波源污染程度低；若且与异号，则母线i不存在谐波源。

Description

基于盲源分离的电力系统多谐波源辨识方法

技术领域

本发明涉及一种基于盲源分离的电力系统多谐波源辨识方法。

背景技术

针对电力系统谐波的辨识方法主要有：文献[1]提出用于电力推进系统的模拟退火法；文献[2]研究了一种基于回声状态神经网络的全电船电力谐波辨识方法；文献[3]和文献[4]提出以“临界阻抗”或“临界导纳”为谐波源辨识准则的状态估计法；文献[5]将希尔伯特变换技术应用于船舶电网谐波源辨识，根据谐波源信号的时频谱分布进行经验模态分解得到各次谐波分量的瞬时频率和瞬时幅值，进而识别出影响船舶电网电能质量的谐波源；文献[6]利用自适应噪声对消技术的原理，构建了基于自适应Hopfield神经网络的有源电力滤波器谐波源辨识方法；文献[7]将基于单位功率因数的移动窗积分谐波电流检测方法用于电力系统。利用诸如此类方法对存在于电力系统中的谐波源进行辨识，必需依据准确的电力网络参数和完备的拓扑结构为前提条件，很显然这在实际中是不可能的。

文献列表

[1]Guerin P.,Miegeville L.Optimal placement and sizing of harmonicfilters aboard an electric propulsion ship[J].IET Generation Transmission&Distribution,2007,vol.1,no.4,pp.613-618.

[2]Dai J.,Venayagamoorthy G.K.,Harley G.Harmonic identification usingan echo state network for adaptive control of an active filter in an electricship[C].//IJCNN 2009.Piscataway:IEEE Press,2009:pp.634-640.

[3]Vaid K.,Sood Y.R.,Jarial R.K.Identification of harmonic source inderegulated power sector[J].International Journal of Engineering Science andTechnology,2011,vol.3,no.3,pp.2435-2442.

[4]Li C.,Xu W.,Tayjasanant T.A critical impedance based method foridentifying harmonic sources[J].IEEE Transactions on Power Delivery,2004,vol.19,no.2,pp.671-678.

[5]苏玉香,刘国平,沈晓群.改进的Hilbert-Huang变换在船舶电网谐波检测中的应用[J].电工电能新技术,2011,30(3):10-14.

[6]黄巧亮.基于改进型神经网络的船舶APF谐波检测[J].江苏船舶,2011,28(6):23-25.

[7]赵怀军,宋倩楠,邱宗明.舰船电力系统单位功率因数谐波电流检测方法的研究[J].兵工学报,2007,28(11):1388-1392.

发明内容

本发明旨在提供一种基于盲源分离的电力系统多谐波源辨识方法，以解决目前无法在没有准确的电力网络参数和完备的拓扑结构的情况下识别出存在于电力系统中的谐波源的问题。为此，本发明采用的具体技术方案如下：

一种基于盲源分离的电力系统多谐波源辨识方法，其中，所述方法包括下列步骤：

S1.采集可观测母线i上的h次谐波电压测量母线与地之间的导纳

S2.利用复数盲源分离估计谐波电流I^h，记为y(k)＝[y₁(k),y₂(k),…,y_n(k)]^T；

S3.估算源信号的峰度

S4.估算分离信号y(k)的峰度

S5.根据的原则对代表I^h的分离信号y_i(k)(i＝1,2,…,n)进行重新排序；

S6.计算非线性负载注入母线i的有功功率P_i ^h、无功功率和母线阻抗根据有功功率P_i ^h、无功功率母线阻抗和的极性关系来辨识谐波，具体地，若P_i ^h>0且与同号，则母线i存在谐波源，且谐波源污染程度非常高；若且与异号，则母线i存在谐波源，且谐波源污染程度高；若P_i ^h<0且与同号，则母线i存在谐波源，但谐波源污染程度低；若P_i ^h<0且与异号，则母线i不存在谐波源。

进一步的，所述步骤S2具体包括以下过程：

S21.计算对其进行Schur分解，获得白化矩阵B(k)，其中，h次谐波电压V^h作为观测信号X(k)，R_X(k)是k时刻的X(k)的自相关矩阵；

S22.计算V(k)＝B(k)X(k)；

S23.计算

S24.设i为1；

S25.如果i≤n，则跳至S26；否则，跳至S212；

S26.计算

S27.计算上标“*”为取共轭复数的运算符；

S28.计算

S29.计算

S210.如果i>1，进行去相关处理，即计算否则，跳至S23；

S211.令i＝i+1，跳至S25；

S212.计算分离信号y(k)＝W(k)V(k)。

进一步的，所述步骤S3具体包括以下过程：

S31.计算并对R_XX(k)进行Schur分解，获得特征值μ＝[μ₁,μ₂,…μ_n]；

S32.计算并对R_4X(k)进行Schur分解，获得特征值λ＝[λ₁,λ₂,…λ_n]，其中R_4X(k)是k时刻的X(k)的4阶累积量矩阵；

S33.设i为1；

S34.如果i≤n，则跳至S35，否则，跳至计算步骤S4；

S35.计算

S36.令i＝i+1，跳至S34。

进一步的，所述步骤S4具体包括以下过程：

S41.设i为1；

S42.如果i≤n，则跳至S43，否则，跳至计算步骤S5；

S43.计算

S44.令i＝i+1，跳至步骤S42。

进一步的，所述步骤S6具体包括以下过程：

S61.计算和Re[·]和Im[·]分别表示取实部和虚部运算；

S62.计算V_i ^h(1:k)和的1:k表示采样点从1至k；

S63.设i为1；

S64.如果i≤n，则跳至S65；否则，跳至S67；

S65.如果P_i ^h>0且与同号，则母线i存在谐波源，且谐波源污染程度非常高；如果P_i ^h>0且与异号，则母线i存在谐波源，且谐波源污染程度高；如果P_i ^h<0且与同号，则母线i存在谐波源，但谐波源污染程度低；如果P_i ^h<0且与异号，则母线i不存在谐波源；

S66.令i＝i+1，跳至步骤S64；

S67.结束。

本发明采用上述技术方案，具有的有益效果是，本发明能够识别出存在于电力系统中的谐波源而无需知道准确的电力网络参数和完备的拓扑结构，在实际应用中具有显著效果。

附图说明

图1是本发明实施例的基于盲源分离的电力系统多谐波源辨识方法的流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

电力系统中的谐波源识别原理

将相量测量单元采集获得的可观测母线上的谐波电压记为V_i ^h(i＝1,2,…,n)为第i条母线的h次谐波电压，它们均为复数。

阻抗矩阵记为则第i条母线的h次谐波电压与n个谐波源注入电流的关系为：

因此，非线性负载注入至第i条母线的h次谐波复功率为：

如果只有第i条母线存在非线性负载，则式(1)可以简化为式(2)：

第i条母线上的有功功率和无功功率分别由式(3)和式(4)表示：

式中，Re[·]和Im[·]分别表示取实部和虚部运算。对于任何拓扑结构的电力网，都为正，所以谐波源注入的实谐波功率始终为正；相反的，如果某节点未含任何谐波源，则其注入系统的实谐波功率为负。而依据非谐波源的特性不同，可能为正也可能为负；由非谐波源母线注入系统节点的符号与它的特性一致，即的符号与的符号相同，但如果某节点含有多个谐波源，第i条母线上的有功功率和无功功率分别由式(5)和式(6)表示，P_i ^h的符号与的符号有可能相反，而节点上的无源元件特性依然能反映了谐波源。因此，我们可利用P_i ^h、和的极性来辨识非线性多谐波源。

其中只有V_l ^h为已知量，而和Z^h均为未知量，传统估算的方法必需以Z^h已知为前提，然而准确地估算Z^h是无法实现的，因此，本发明利用复数盲源分离算法来估算这种估算方法不需要以Z^h已知为前提。

盲源分离算法

盲源分离算法盲源分离又称盲信号分离，是现代信号处理研究中的一个热点，它所要解决的问题是在不知道源信号和不对未知的混叠系统(接收系统)的参数做任何先验信息假设的情况下，如何仅根据信号的统计独立特性将源信号从观测到的混叠信号中恢复出来。在盲源分离算法理论框架下，将h次谐波电压视为观测信号x(k)，谐波源注入电流视为源信号s(k)，阻抗矩阵记为Z^h记为A，那么盲源分离算法的混合模型记为：x(k)＝As(k)，k为时域采样点。盲源分离就是在仅已知x(k)的前提下，依靠信号的统计特性从x(k)分离或恢复出s(k)。由于A为列满秩且为n阶，源信号s(k)可由式(7)确定它的唯一估计值。

y(k)＝A^-1x(k) (7)

式(7)中，A^-1为A的逆矩阵，y(k)＝[y₁(k),y₂(k),…,y_n(k)]^T为s(k)的估计值。盲源分离过程可以描述为式(8)。

y(k)＝W(k)B(k)x(k) (8)

式(8)中，B(k)为白化矩阵；理想情况下W(k)＝[B(k)A]^-1。与A相同，W(k)也含有个n维的列向量w_i(k)(i＝1,2,…,n)，W(k)＝[w₁(k),w₂(k),…,w_n(k)]^T，本发明选定式(9)作为估计最优权抽取向量的代价函数。

式(9)中，y_i(k)＝w_i(k)^T[B(k)x(k)]，E[·]为求期望运算符，|y_i|⁴表示求序列y_i(k)的4次幂，|y_i|⁴表示求序列y_i(k)的4次幂，|y_i|²表示求序列y_i(k)的2次幂。

w_i(k)(i＝1,2,…,n)可由式(10)-式(13)迭代得到。

R_XX＝E{[B(k)x(k)][B(k)x(k)]^H} (12)

然而，为了避免代价函数收敛后得到两个相同的解，即两次分离出同一个信号，则要求每完成一次迭代计算就需要一次去相关处理，我们采用基于Gram-Schmidt规范化的退化方法来消除不同w_i(k)之间的相关性，它具体的计算式为：

由于本发明采用的盲源分离算法同其它的盲源分离算法一样也存着分离次序的模糊性，即分离后信号排序与源信号不一致。式(15)定义信号的峰度，不同信号的峰度是不一样，因此我们利用这种特性来消除分离次序的模糊性，通过混合矩阵，有序地估算源信号的峰度，而分离后的信号依估算的峰度排序，从而使分离信号的排序与源信号一致。

令U＝B(k)A，则V＝Us(k)。

式中，上标“H”符为Hermitian转置运算。记μ＝[μ₁,μ₂,…μ_n]＝diag{U^-1E[YY^H](U^H)^-1}。

记

λ＝[λ₁,λ₂,…λ_n]＝diag{U^-1E[YY^HYY^H][U^H]^-1} (18)

其中

由上分析，通过观测信号估算源信号的峰度可由式(19)描述。

由式(19)估算源信号的峰度后，再根据对y(k)的元素进行重新排序，从而消除分离信号次序的模糊性。

参照图1，具体描述本发明的基于盲源分离的电力系统多谐波源辨识方法。该方法包括下列步骤：

步骤1.由相量测量单元采集获得母线上的谐波电压测量母线与地之间的导纳

步骤2.利用复数盲源分离估计谐波电流y(k)＝[y₁(k),y₂(k),…,y_n(k)]^T，即为I^h；

步骤2.1计算对其进行Schur分解，获得白化矩阵B(k)，其中，R_X(k)是k时刻的X(k)的自相关矩阵；

步骤2.2计算V(k)＝B(k)X(k)；

步骤2.3计算

步骤2.4设i为1；

步骤2.5如果i≤n，则跳至步骤2.6；否则，跳至步骤2.12；

步骤2.6计算

步骤2.7计算上标“*”为取共轭复数的运算符；

步骤2.8计算

步骤2.9计算

步骤2.10如果i>1，进行去相关处理，即计算否则，跳至步骤3；

步骤2.11令i＝i+1，跳至步骤2.5；

步骤2.12计算分离信号y(k)＝W(k)V(k)。

步骤3.估计源信号(分离前I^h)的峰度

步骤3.1计算并对R_XX(k)进行Schur分解，获得特征值μ＝[μ₁,μ₂,…μ_n]；

步骤3.2计算并对R_4X(k)进行Schur分解，获得特征值λ＝[λ₁,λ₂,…λ_n]，其，中R_4X(k)是k时刻x(k)的4阶累积量矩阵；

步骤3.3设i为1；

步骤3.4如果i≤n，则跳至步骤3.5；否则，跳至步骤4；

步骤3.5计算

步骤3.6令i＝i+1，跳至步骤3.4。

步骤4.计算分离信号y(k)的峰度

步骤4.1设i为1；

步骤4.2如果i≤n，则跳至步骤4.3；否则，跳至步骤5；

步骤4.3计算

步骤4.4令i＝i+1，跳至步骤4.2。

步骤5.采用的原则对代表I^h的分离信号y_i(k)(i＝1,2,…,n)进行重新排序。

步骤6.辨识谐波源

步骤6.1计算和

步骤6.2计算V_i ^h(1:k)和的1:k表示采样点从1至k；

步骤6.3设i为1；

步骤6.4如果i≤n，则跳至步骤6.5；否则，跳至步骤6.7；

步骤6.5如果P_i ^h>0且与同号，则母线i存在谐波源，且谐波源污染程度非常高；如果P_i ^h>0且与异号，则母线i存在谐波源，且谐波源污染程度高；如果P_i ^h<0且与同号，则母线i存在谐波源，但谐波源污染程度低；如果P_i ^h<0且与异号，则母线i不存在谐波源；

步骤6.6i＝i+1，跳至步骤6.4；

步骤6.7结束。

本发明不仅能够识别出电力系统中是否存在谐波源，而且能够指出该谐波源的对电力系统的危害程度。因此，电力工作人员可根据本发明的方法，结合目前的用电情况，作出相应的应对措施，保证电力系统的正常运行。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (5)

1.一种基于盲源分离的电力系统多谐波源辨识方法，其特征在于，所述方法包括下列步骤：

S1.采集可观测母线i上的h次谐波电压测量母线与地之间的导纳i＝1,2,...,n；

S2.利用复数盲源分离估计谐波电流I^h，记为y(k)＝[y₁(k),y₂(k),…,y_n(k)]^T；

S3.估算源信号的峰度

S4.估算分离信号y(k)的峰度K_yi(k)；

S5.根据的原则对代表I^h的分离信号y_i(k)(i＝1,2,…,n)进行重新排序；

S6.计算非线性负载注入母线i的有功功率无功功率和母线阻抗根据有功功率无功功率母线阻抗和的极性关系来辨识谐波，具体地，若且与同号，则母线i存在谐波源，且谐波源污染程度非常高；若且与异号，则母线i存在谐波源，且谐波源污染程度高；若且与同号，则母线i存在谐波源，但谐波源污染程度低；若且与异号，则母线i不存在谐波源。

2.如权利要求1所述的基于盲源分离的电力系统多谐波源辨识方法，其特征在于，所述步骤S2具体包括以下过程：

S21.计算对其进行Schur分解，获得白化矩阵B(k)，其中，h次谐波电压V^h作为观测信号X(k)，R_X(k)是k时刻的X(k)的自相关矩阵；

S22.计算V(k)＝B(k)X(k)；

S23.计算

S24.设i为1；

S25.如果i≤n，则跳至S26；否则，跳至S212；

S26.计算

S27.计算上标“*”为取共轭复数的运算符；

S28.计算

S29.计算

S210.如果i>1，进行去相关处理，即计算否则，跳至S23；

S211.令i＝i+1，跳至S25；

S212.计算分离信号y(k)＝W(k)V(k)。

3.如权利要求1所述的基于盲源分离的电力系统多谐波源辨识方法，其特征在于，所述步骤S3具体包括以下过程：

S31.计算并对R_XX(k)进行Schur分解，获得特征值μ＝[μ₁,μ₂,…μ_n]；

S32.计算并对R_4X(k)进行Schur分解，获得特征值λ＝[λ₁,λ₂,…λ_n]，其中R_4X(k)是k时刻的X(k)的4阶累积量矩阵；

S33.设i为1；

S34.如果i≤n，则跳至S35，否则，跳至计算步骤S4；

S35.计算

S36.令i＝i+1，跳至S34。

4.如权利要求1所述的基于盲源分离的电力系统多谐波源辨识方法，其特征在于，所述步骤S4具体包括以下过程：

S41.设i为1；

S42.如果i≤n，则跳至S43，否则，跳至计算步骤S5；

S43.计算

S44.令i＝i+1，跳至步骤S42。

5.如权利要求1所述的基于盲源分离的电力系统多谐波源辨识方法，其特征在于，所述步骤S6具体包括以下过程：

S61.计算和i＝1,2,…,n，Re[·]和Im[·]分别表示取实部和虚部运算；

S62.计算 和的1:k表示采样点从1至k；

S63.设i为1；

S64.如果i≤n，则跳至S65；否则，跳至S67；

S65.如果且与同号，则母线i存在谐波源，且谐波源污染程度非常高；如果且与异号，则母线i存在谐波源，且谐波源污染程度高；如果且与同号，则母线i存在谐波源，但谐波源污染程度低；如果且与异号，则母线i不存在谐波源；

S66.令i＝i+1，跳至步骤S64；

S67.结束。