一种直流输电谐波检测系统及其实现方法
技术领域
本发明涉及电力谐波监测领域,特别是一种直流输电谐波检测系统及其实现方法。
背景技术
随着电力技术的进步,直流输电系统得到了很大的发展,但直流输电系统中存在的非线性电子器件会导致系统产生谐波,由此带来的谐波污染问题持续影响电力系统的安全经济运行,造成电网功率损耗增加,影响周边电气、电信设施正常运行。因此,实现对直流输电系统谐波的精确实时检测,避免谐波对直流输电系统和周边设施产生不利影响,具有重要的现实意义。
发明内容
有鉴于此,本发明的目的是提出一种直流输电谐波检测系统及其实现方法,能够对直流输电系统谐波进行精确实时检测,并能够对谐波值进行计算,同时通过显示屏输出计算信息,通过报警灯输出越限状态。
本发明采用以下方案实现:一种直流输电谐波检测系统,包括电源模块、数据采集与处理模块、控制模块和计算模块;
所述数据采集与处理模块与所述控制模块电性相连,所述数据采集与处理模块还与外部电力系统电性相连,用以将在所述外部电力系统采集的电压量和电流量进行处理并传送至所述控制模块;所述控制模块与所述计算模块电性相连,用以将所述控制模块打包的数字量传输至所述计算模块,并由所述计算模块完成谐波值的计算;所述电源模块分别与所述数据采集与处理模块、所述控制模块和所述计算模块电性相连,用以为所述数据采集与处理模块、所述控制模块和所述计算模块供电。
进一步地,所述数据采集与处理模块包括PT/CT互感器、变送器线缆、信号处理电路、有源低通滤波电路、锁相倍频电路和模数转换电路;所述PT/CT互感器的输入端连接所述外部电力系统,所述PT/CT互感器的输出端通过所述变送器线缆与所述信号处理电路电性相连;所述信号处理电路还与所述有源低通滤波电路电性相连;所述有源低通滤波电路还分别与所述锁相倍频电路和所述模数转换电路电性相连;所述锁相倍频电路还与所述模数转换电路电性相连;所述模数转换电路还与所述控制模块电性相连,用以将电压和电流的模拟信号进行数字化,并传输至所述控制模块。
进一步地,所述控制模块包括FPGA及其外围电路;所述的外围电路包括FLASH、AD控制器和SRAM。
进一步地,所述计算模块包括嵌入式ARM处理器及其外围器件;所述外围器件包括FLASH、SDARM、硬盘存储、报警灯、显示屏以及按键;所述计算模块运行嵌入式Debian操作系统,并配置所述硬盘存储、所述Flash和所述SDRAM,完成谐波值计算,并由所述显示屏输出计算信息,通过所述按键输入参数,所述报警灯输出谐波是否超越上限。
进一步地,所述AD控制器采用AD7656作为控制芯片。
进一步地,一种基于上述的直流输电谐波检测系统的实现方法,包括以下步骤:
步骤S1:所述PT/CT互感器中的电压互感器采集所述外部电力系统中换流站直流侧电压,所述PT/CT互感器中的电流互感器采集所述外部电力系统中换流站交流侧电流,并将所述PT/CT互感器采集的电压量和电流量传输至所述信号处理电路;
步骤S2:所述信号处理电路将步骤S1中电压量和电流量对应的电压和电流信号转变为标准的电压和电流信号,并将标准的电压和电流信号传输至所述有源低通滤波电路;
步骤S3:所述有源低通滤波电路滤除2.5kHz以上的高频率扰动信号;
步骤S4:所述锁相倍频电路完成对步骤S3中滤除高频率扰动信号后的电压、电流信号进行同步采样控制;
步骤S5:所述模数转换电路对步骤S4中所述的电压、电流信号的模拟信号进行数字化;所述控制模块对电压和电流的模拟信号进行AD转换控制,并进行电压和电流的数字量打包和传输,同时将打包的数字量经由数据总线被传输至所述计算模块;
步骤S6:所述计算模块根据步骤S5传输的电压和电流的数字量完成谐波值计算。
进一步地,步骤S6所述谐波值计算采用基于FFT和三角基神经网络的融合算法,具体包括以下步骤:
步骤S61:将含有谐波成分的直流侧电压数据和交流测电流数据输入神经网络;
步骤S62:将步骤S61中的电压和电流数据输入FFT进行预处理,分解得到幅值、频率和相角数据x(ti),i=N,N为样本的个数,即为所述三角基神经网络的每个神经子网络的输入数据;
步骤S63:将步骤S62中分解得到的幅值、频率和相角数据分别输入所述三角基神经网络三个神经子网络的隐含层,每个神经子网络以三角函数作为隐含层激活函数;所述神经子网络隐含层激活函数为:
其中,jm为谐波次数,φm为相位;每个神经子网络隐含层神经元个数为m,m为谐波个数;
步骤S64:所述三角基神经网络的三个神经子网络的每个神经子网络分别输出幅值、频率和相角的结果;所述每个神经子网络的输出为:
步骤S65:计算每个神经子网络输入与输出的误差以及误差指标
步骤S66:调整学习算法的学习速率和惯性系数,经过训练,得到谐波幅值即连接权值、次数和相角,所述次数和相角即为参数;所述连接权值w=[w1,w2,...,wk],所述次数和相角分别为j=[j1,j2,...,jk],φ=[φ1,φ2,...,φk];所述学习算法采用惯性算法,具体为:wk(i+1)=wk+Δwk(i)
jk(i+1)=jk(i)+Δjk(i)
步骤S67:根据步骤S66中得到的连接权值和参数,分别得到对应次数的谐波幅值和相角即为所述谐波值。
与现有技术相比,本发明有以下有益效果:
本发明的检测系统基于嵌入式ARM平台,运行FFT和神经网络算法,能对直流输电系统电力谐波进行实时检测和分析计算,通过显示屏输出计算信息,通过报警灯输出越限状态。
附图说明
图1为本发明实施例的硬件框图。
图2为本发明实施例的神经网络结构框图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供了一种直流输电谐波检测系统包括电源模块、数据采集与处理模块、控制模块和计算模块;
所述数据采集与处理模块与所述控制模块电性相连,所述数据采集与处理模块还与外部电力系统电性相连,用以将在所述外部电力系统采集的电压量和电流量进行处理并传送至所述控制模块;所述控制模块与所述计算模块电性相连,用以将所述控制模块打包的数字量传输至所述计算模块,并由所述计算模块完成谐波值的计算;所述电源模块分别与所述数据采集与处理模块、所述控制模块和所述计算模块电性相连,用以为所述数据采集与处理模块、所述控制模块和所述计算模块供电。
在本实施例中,所述数据采集与处理模块包括PT/CT互感器、变送器线缆、信号处理电路、有源低通滤波电路、锁相倍频电路和模数转换电路;所述PT/CT互感器的输入端通过电缆与所述外部电力系统连接,所述PT/CT互感器的输出端通过所述变送器线缆与所述信号处理电路的输入端相连接,测量出的电压量和电流量送入信号处理电路;所述信号处理电路还与所述有源低通滤波电路电性相连;所述有源低通滤波电路还分别与所述锁相倍频电路和所述模数转换电路电性相连;所述锁相倍频电路还与所述模数转换电路电性相连;所述模数转换电路还与所述控制模块电性相连,用以将模拟信号进行数字化,并把数字信号传输至所述控制模块。
在本实施例中,所述控制模块包括FPGA及其外围电路;所述的外围电路包括FLASH、AD控制器和SRAM。
在本实施例中,所述计算模块包括嵌入式ARM处理器及其外围器件;所述外围器件包括FLASH、SDARM、硬盘存储、报警灯、显示屏以及按键;所述计算模块运行嵌入式Debian操作系统,并配置所述硬盘存储、所述Flash和所述SDRAM,完成谐波值计算,并由所述显示屏输出计算信息,通过所述按键输入参数,所述报警灯输出谐波是否超越上限。
在本实施例中,所述AD控制器采用AD7656作为控制芯片。
较佳的,在本实施例中,一种基于上述直流输电谐波检测系统的实现方法,包括以下步骤:
步骤S1:所述PT/CT互感器中的电压互感器采集所述外部电力系统中换流站直流侧电压,所述PT/CT互感器中的电流互感器采集所述外部电力系统中换流站交流侧电流,并将所述PT/CT互感器采集的电压量和电流量传输至所述信号处理电路;
步骤S2:所述信号处理电路将步骤S1中电压量和电流量对应的电压和电流信号转变为标准的电压和电流信号,并将标准的电压和电流信号传输至所述有源低通滤波电路;
步骤S3:所述有源低通滤波电路滤除2.5kHz以上的高频率扰动信号;
步骤S4:所述锁相倍频电路完成对步骤S3中滤除高频率扰动信号后的电压、电流信号进行同步采样控制;
步骤S5:所述模数转换电路对步骤S4中所述的电压、电流信号的模拟信号进行数字化;所述控制模块对电压和电流的模拟信号进行AD转换控制,并进行电压和电流的数字量打包和传输,同时将打包的数字量经由数据总线被传输至所述计算模块;
步骤S6:所述计算模块根据步骤S5传输的电压和电流的数字量完成谐波值计算。
在本实施例中,步骤S6所述谐波值计算采用基于FFT和三角基神经网络的融合算法,具体包括以下步骤:
步骤S61:将含有谐波成分的直流侧电压数据和交流测电流数据输入神经网络;
步骤S62:将步骤S61中的电压和电流数据输入FFT进行预处理,分解得到幅值、频率和相角数据x(ti),i=N,N为样本的个数,即为所述三角基神经网络的每个神经子网络的输入数据;
步骤S63:将步骤S62中分解得到的幅值、频率和相角数据分别输入所述三角基神经网络的三个神经子网络的隐含层,每个神经子网络以三角函数作为隐含层激活函数;所述神经子网络隐含层激活函数为:
其中,jm为谐波次数,φm为相位;每个神经子网络隐含层神经元个数为m,m为谐波个数;
步骤S64:所述三角基神经网络的三个神经子网络的每个神经子网络分别输出幅值、频率和相角的结果;所述每个神经子网络的输出为:
步骤S65:计算每个神经子网络输入与输出的误差以及误差指标
步骤S66:调整学习算法的学习速率和惯性系数,经过训练,得到谐波幅值即连接权值、次数和相角,所述次数和相角即为参数;所述连接权值w=[w1,w2,...,wk],所述次数和相角分别为j=[j1,j2,...,jk],φ=[φ1,φ2,...,φk];所述学习算法采用惯性算法,具体为:wk(i+1)=wk+Δwk(i)
jk(i+1)=jk(i)+Δjk(i)
步骤S67:根据步骤S66中得到的连接权值和参数,分别得到对应次数的谐波幅值和相角即为谐波分量也为所述谐波值。
较佳的,在本实施例中,控制模块是完成直流侧电压和交流测电流信号AD转换功能和数字量传输控制功能的核心。FPGA完成对模数转换的控制、数字量打包和传输,打包的数字量经由数据总线被传输至计算模块。计算模块是完成谐波值计算及附属功能的最主要部件。
较佳的,在本实施例中,软件算法部分包括融合FFT和神经网络的检测算法以及基于ARM+Debian平台编译的检测程序。三角基神经网络采用了BP神经网络的结构,以三角函数作为隐含层激活函数。谐波信号是包含幅值、频率和相角的三维数据,为了降低算法复杂度、加快神经网络的学习速度和收敛速度,提高检测精度,将神经网络分为三个神经子网络,形成一个三维四层的三角基神经网络。
较佳的,在本实施例中,所述神经网络的结构如下:
输入层:将含有谐波成分的直流侧电压数据和交流测电流数据输入神经网络。
变换层:本层包含FFT,电压和电流数据输入FFT进行预处理,分解得到幅值、频率和相角数据。
隐含层:将幅值、频率和相角数据分别输入三个神经子网的隐含层,每个神经子网以三角函数作为隐含层激活函数。
输出层:三个神经子网分别输出幅值、频率和相角的结果。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。