CN108594014A - 一种地铁车辆牵引逆变器输出谐波相角检测方法 - Google Patents
一种地铁车辆牵引逆变器输出谐波相角检测方法 Download PDFInfo
- Publication number
- CN108594014A CN108594014A CN201810693264.8A CN201810693264A CN108594014A CN 108594014 A CN108594014 A CN 108594014A CN 201810693264 A CN201810693264 A CN 201810693264A CN 108594014 A CN108594014 A CN 108594014A
- Authority
- CN
- China
- Prior art keywords
- harmonic wave
- traction invertor
- wave phase
- output
- railcar
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
Abstract
本发明提供一种地铁车辆牵引逆变器输出谐波相角检测方法，包括如下步骤：S1，采集地铁车辆牵引逆变器的输出电气参数；S2，对S1中采集的非线性数据进行标准化处理；S3，建立地铁车辆牵引逆变器输出谐波相角检测模型；S4，根据检测模型、牵引逆变器在同一时刻对应的输出幅值，利用收敛计算公式对牵引逆变器输出谐波相角检测进行迭代次数计算，当收敛达到最小时，确定出检测模型输出谐波相角数值和该收敛达到最小后的最后一组权向量；S5，计算地铁车辆牵引逆变器输出谐波相角。本发明将粒子群算法和人工神经网络模型相结合，可有效地提高学习速度、减少样本训练时间，从而提高了地铁车辆牵引逆变器输出谐波相角的检测精度。
Description
技术领域
本发明涉及地铁车辆牵引逆变器输出谐波相角检测技术领域，尤其是涉及一种地铁车辆牵引逆变器输出谐波相角检测方法。
背景技术
随着牵引逆变器模块在地铁车辆上的大量使用，使得地铁车辆牵引供电系统中的谐波特性发生变化，除了含有常见的低频带3、5、7次谐波外，在中高频带还出现了大量的高次谐波。尽管这些谐波含有率不高，但其却大大增加了牵引供电系统发生谐波谐振的可能性。而谐波谐振在牵引供电系统中引起的最直接表现是谐波畸变电流的成倍放大，由于牵引供电系统谐振导致牵引变电站及其分区谐波电流严重增大，致使母线电压急剧升高，容易导致安全事故。
但是，传统的地铁车辆牵引逆变器输出谐波相角检测方法或多或少地存在一定的局限性，主要表现在以下方面：例如，基于快速傅里叶变换的检测方法虽然检测精度高，但只能针对一段连续时间内的信号进行检测，故存在可靠性不高等问题。又如，基于瞬时无功功率理论的检测方法虽然实时性好，但存在计算量大、调整困难等缺点。总之，目前对于地铁车辆牵引逆变器输出谐波相角检测，其对谐波检测的可靠性不高，对地铁车辆牵引逆变器输出谐波的检测精度也较低。
发明内容
本发明要解决的技术问题是：针对现有技术存在的问题，提供一种地铁车辆牵引逆变器输出谐波相角检测方法，提高地铁车辆牵引逆变器输出谐波的检测精度。
本发明要解决的技术问题采用以下技术方案来实现：一种地铁车辆牵引逆变器输出谐波相角检测方法，包括如下步骤：
S1，采集地铁车辆牵引逆变器的输出电气参数；
S2，对S1中采集的非线性数据进行标准化处理；
S3，建立地铁车辆牵引逆变器输出谐波相角检测模型：
其中，
Yi表示检测模型第i次迭代计算次数后的输出样本值，f为检测模型激励函数，ωi为i-1次迭代计算后的权重值，xi为第i次迭代计算次数时的输入样本，θ为检测模型神经元阀值；imax为最大迭代次数，i为当前迭代次数，α为检测模型的学习效率，e(k)为输出样本误差，ω(k)为k时刻的权相量；
S4，根据检测模型、牵引逆变器在同一时刻对应的输出幅值，利用收敛计算公式对牵引逆变器输出谐波相角检测进行迭代次数计算，当收敛达到最小时，迭代次数计算截止，确定出检测模型输出谐波相角数值为N次，该收敛达到最小后的最后一组权向量为ω(k+1)，记为ω0；所述的收敛计算公式为：
Yi(k)-Yi'(k)≤δ，其中，
Yi(k)为k时刻牵引逆变器的输出幅值，Yi'(k)为k时刻检测模型的输出幅值，δ为检测相对误差；
S5，计算地铁车辆牵引逆变器输出谐波相角。计算公式如下：
优选地，所述的S1中，在等间隔时间内，对牵引逆变器输出非线性电压数据进行测量，并对其数据进行储存。
优选地，所述的S1中，在等间隔时间内，对牵引逆变器输出非线性电流数据进行测量，并对其数据进行储存。
优选地，所述的S1中，使用电能质量分析仪来采集地铁车辆牵引逆变器的输出电气参数。
优选地，所述的S2中，在等间隔时间T内，对采集的非线性数据进行标准化处理，得到地铁车辆牵引逆变器输出谐波相角检测模型的输入数据，用相量X(k)表示：
其中，Ns为检测信号采样频率，即Ns＝1/T。
与现有技术相比，本发明的有益效果是：通过将粒子群算法和人工神经网络模型相结合，应用于地铁车辆牵引逆变器输出谐波的相角检测，可有效地提高学习速度、减少样本训练时间，克服了现有的地铁车辆牵引逆变器输出谐波相角检测可靠性不高的问题，提高了地铁车辆牵引逆变器输出谐波相角检测精度，极大地降低了地铁车辆牵引供电系统发生谐波谐振的概率。
附图说明
图1为本发明一种地铁车辆牵引逆变器输出谐波相角检测方法的检测模型结构图。
图2为地铁车辆牵引逆变器输出谐波相角检测的误差图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明进行详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种地铁车辆牵引逆变器输出谐波相角检测方法，具体包括如下步骤：
第1步，采集地铁车辆牵引逆变器的输出电气参数。电压、电流等非线性电气数据。
等间隔时间T内，对地铁车辆牵引逆变器的输出电压、电流等非线性电气参数进行测量，并对其数据进行分类储存。具体如下：
在上述式(1)中，Avu、Avv、Avw表示牵引逆变器输出非线性三相的各相电压值，Aiu、Aiv、Aiw表示牵引逆变器输出非线性三相的各相电流值。
本实施例中，可以使用电能质量分析仪对地铁车辆牵引逆变器输出非线性电压、电流数值进行测量，取值时间为4ms，连续取值50个样本，具体如下：
第2步，对地铁车辆牵引逆变器输出电压、电流等非线性数据进行标准化处理。
在对上述的式(1)中数据进行标准化处理时，其处理步骤如下：
由于在牵引逆变器的输出电压、电流波形中，包含了所有未知次数的谐波含量，即：
上述的式(2)中，At表示输出谐波幅值，表示谐波相角。进一步对其进行傅里叶变换后，可得：
上述的式(3)中，Ns为检测信号采样频率，即Ns＝1/T。
故，地铁车辆牵引逆变器输出谐波相角检测模型的输入数据可用相量X(k)表示，其表达式如下：
对上述的式(1-1)的时间序列数据进行处理，分别如下：
上述的式(3-3)、式(4-4)中，k的取值范围为1，2，…，50。
第3步，建立地铁车辆牵引逆变器输出谐波相角检测模型。
地铁车辆牵引逆变器输出谐波相角检测模型的结构图如图1所示。
其数学模型定义如下：
上述的式(5)中，Yi表示检测模型第i次迭代计算次数后的输出样本值，f为检测模型激励函数，ωi为i-1次迭代计算后的权重值，xi为第i次迭代计算次数时的输入样本，θ为检测模型神经元阀值。
基于粒子群算法的权向量更新迭代算法如下：
上述的式(6)中，imax为最大迭代次数，i为当前迭代次数，α为检测模型的学习效率(一般为常数)，e(k)为输出样本误差，ω(k)为k时刻的权相量。
第4步，根据检测模型、牵引逆变器在同一时刻对应的输出幅值，进行迭代次数计算截止条件判定。
判定地铁车辆牵引逆变器输出谐波相角检测迭代次数计算的截止条件如下：
Yi(k)-Yi'(k)≤δ (7)
上述的式(7)中，Yi(k)为k时刻牵引逆变器的输出幅值，Yi'(k)为k时刻检测模型的输出幅值，δ为检测相对误差(一般为常数)。
当满足上述的式(7)时，收敛达到最小，迭代次数计算截止。此时，可以确定出检测模型输出谐波相角数值为N次，与其对应的是，该收敛达到最小后的最后一组权向量为ω(k+1)，记为ω0。
通常，采用牵引逆变器的输出电压幅值，再根据上述的式(7)所计算出来的地铁车辆牵引逆变器输出谐波相角的检测精度更高。因此，本实施例中，上述式(7)中的Yi(k)为k时刻牵引逆变器的输出电压幅值，Yi'(k)为k时刻检测模型的输出电压幅值。
第5步，地铁车辆牵引逆变器输出谐波相角检测。
将地铁车辆牵引逆变器输出谐波相角设定为其数值如下：
上述的式(8)中，为检测模型输出第N次谐波相角数值，ω0为收敛达到最小后的最后一组权向量，即，ω0＝ω(k+1)。
地铁车辆牵引逆变器输出谐波相角检测的误差如图2所示，本实施例中，当迭代次数计算截止时，设定检测相对误差δ为常数0.021。检测模型的学习效率α取值为0.018。由此，根据上述的式(5)、(6)、(7)、(8)，即可计算出地铁车辆牵引逆变器输出谐波相角其计算结果如下表所示：
表1牵引逆变器输出谐波相角(取平方值)
本发明将粒子群算法和人工神经网络模型相结合，应用于地铁车辆牵引逆变器输出谐波的相角检测，可有效地提高学习速度、减少样本训练时间，克服了现有的地铁车辆牵引逆变器输出谐波相角检测可靠性不高的问题，提高了地铁车辆牵引逆变器输出谐波相角检测精度，极大地降低了地铁车辆牵引供电系统发生谐波谐振的概率，为地铁车辆最大限度地避免发生牵引供电系统谐波谐振提供了有力的相应理论参考。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，应当指出的是，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种地铁车辆牵引逆变器输出谐波相角检测方法，其特征在于：包括如下步骤：
S1，采集地铁车辆牵引逆变器的输出电气参数；
S2，对S1中采集的非线性数据进行标准化处理；
S3，建立地铁车辆牵引逆变器输出谐波相角检测模型：
其中，
Yi表示检测模型第i次迭代计算次数后的输出样本值，f为检测模型激励函数，ωi为i-1次迭代计算后的权重值，xi为第i次迭代计算次数时的输入样本，θ为检测模型神经元阀值；imax为最大迭代次数，i为当前迭代次数，α为检测模型的学习效率，e(k)为输出样本误差，ω(k)为k时刻的权相量；
S4，根据检测模型、牵引逆变器在同一时刻对应的输出幅值，利用收敛计算公式对牵引逆变器输出谐波相角检测进行迭代次数计算，当收敛达到最小时，迭代次数计算截止，确定出检测模型输出谐波相角数值为N次，该收敛达到最小后的最后一组权向量为ω(k+1)，记为ω0；所述的收敛计算公式为：
Yi(k)-Yi′(k)≤δ，其中，
Yi(k)为k时刻牵引逆变器的输出幅值，Yi'(k)为k时刻检测模型的输出幅值，δ为检测相对误差；
S5，计算地铁车辆牵引逆变器输出谐波相角。计算公式如下：
2.根据权利要求1所述的地铁车辆牵引逆变器输出谐波相角检测方法，其特征在于：所述的S1中，在等间隔时间内，对牵引逆变器输出非线性电压数据进行测量，并对其数据进行储存。
3.根据权利要求1所述的地铁车辆牵引逆变器输出谐波相角检测方法，其特征在于：所述的S1中，在等间隔时间内，对牵引逆变器输出非线性电流数据进行测量，并对其数据进行储存。
4.根据权利要求1-3任一项所述的地铁车辆牵引逆变器输出谐波相角检测方法，其特征在于：所述的S1中，使用电能质量分析仪来采集地铁车辆牵引逆变器的输出电气参数。
5.根据权利要求1所述的地铁车辆牵引逆变器输出谐波相角检测方法，其特征在于：所述的S2中，在等间隔时间T内，对采集的非线性数据进行标准化处理，得到地铁车辆牵引逆变器输出谐波相角检测模型的输入数据，用相量X(k)表示：
其中，Ns为检测信号采样频率，即Ns＝1/T。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810693264.8A CN108594014A (zh) | 2018-06-29 | 2018-06-29 | 一种地铁车辆牵引逆变器输出谐波相角检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810693264.8A CN108594014A (zh) | 2018-06-29 | 2018-06-29 | 一种地铁车辆牵引逆变器输出谐波相角检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108594014A true CN108594014A (zh) | 2018-09-28 |
Family
ID=63634354
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810693264.8A Pending CN108594014A (zh) | 2018-06-29 | 2018-06-29 | 一种地铁车辆牵引逆变器输出谐波相角检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108594014A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202119835U (zh) * | 2011-05-20 | 2012-01-18 | 四川电力科学研究院 | 非稳定谐波及间谐波测量仪 |
| CN103267896A (zh) * | 2013-05-07 | 2013-08-28 | 江苏理工学院 | 周期信号初相角的测量方法 |
| US20140222357A1 (en) * | 2005-01-27 | 2014-08-07 | Electro Industries/Gauge Tech | Intelligent electronic device with enhanced power quality monitoring and communications capability |
-
2018
- 2018-06-29 CN CN201810693264.8A patent/CN108594014A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140222357A1 (en) * | 2005-01-27 | 2014-08-07 | Electro Industries/Gauge Tech | Intelligent electronic device with enhanced power quality monitoring and communications capability |
| CN202119835U (zh) * | 2011-05-20 | 2012-01-18 | 四川电力科学研究院 | 非稳定谐波及间谐波测量仪 |
| CN103267896A (zh) * | 2013-05-07 | 2013-08-28 | 江苏理工学院 | 周期信号初相角的测量方法 |
Non-Patent Citations (5)
| Title |
|---|
| JANISON RODRIGUES DE CARVALHO 等: "A PLL-based multirate structure for time-varying power", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
| 童春辉 等: "《内燃机车电力传动》", 31 August 1981, 中国铁道出版社 * |
| 谢海林: "《中低速磁浮交通系统工程化应用 长沙磁浮快线》", 30 April 2018, 中国铁道出版社 * |
| 马建伟 等: "线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测", 《低压电器》 * |
| 马良 等: "《高等运筹学教程》", 31 May 2015, 上海人民出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103235180B (zh) | 一种电网间谐波测量方法 | |
| CN102749521B (zh) | 一种电力系统谐波阻抗计算方法 | |
| CN103401238B (zh) | 一种基于总体测辨法的电力负荷建模方法 | |
| CN102288807A (zh) | 一种测量电网电压闪变的方法 | |
| CN103353550A (zh) | 一种测量电力系统信号频率及谐波参数的方法 | |
| CN109828163A (zh) | 一种用于电网的三相不平衡检测方法 | |
| CN102662106A (zh) | 谐波电网电能计量方法 | |
| CN107390022B (zh) | 基于离散频谱校正的电能计量方法 | |
| CN105375528B (zh) | 一种单相非隔离光伏并网系统对地寄生电容评估方法 | |
| CN108362928A (zh) | 接触网电压非接触式测量设备及方法 | |
| CN112018784B (zh) | 一种基于同步相量测量数据的次同步谐振溯源方法 | |
| CN108535613A (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
| CN103399204A (zh) | 一种基于Rife-Vincent（II）窗插值FFT的谐波与间谐波检测方法 | |
| CN105425038A (zh) | 一种电力系统间谐波测量方法 | |
| CN110308332A (zh) | 一种变电站接地网接地阻抗检测方法、系统及介质 | |
| CN105486921A (zh) | 凯撒三阶互卷积窗三谱线插值的谐波与间谐波检测方法 | |
| CN107844670A (zh) | 一种谐波统计所需样本数量的计算方法 | |
| CN109581045B (zh) | 一种满足iec标准框架的间谐波功率计量方法 | |
| CN113253052A (zh) | 一种基于改进smmg的高压直流输电线路故障测距方法 | |
| CN110174553A (zh) | 一种基于解析模态分解的密集频率谐波/间谐波检测方法 | |
| Zhu et al. | Novel wavefront detection and fault location method based on Hilbert-Huang transform for long HVDC transmission lines | |
| CN110163148A (zh) | 一种电动汽车直流充电畸变信号自适应识别方法 | |
| CN107167658B (zh) | 一种高精度抗干扰的电力系统基波频率及相位测量方法 | |
| CN108594014A (zh) | 一种地铁车辆牵引逆变器输出谐波相角检测方法 | |
| Mishra et al. | empirical mode decomposition assisted fault localization for UPFC compensated system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |