CN112798861A - 电压闪变参数识别方法、装置、计算机设备和存储介质 - Google Patents

电压闪变参数识别方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112798861A
CN112798861A CN202011623862.1A CN202011623862A CN112798861A CN 112798861 A CN112798861 A CN 112798861A CN 202011623862 A CN202011623862 A CN 202011623862A CN 112798861 A CN112798861 A CN 112798861A
Authority
CN
China
Prior art keywords
flicker
signal
amplitude
frequency
component
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
Application number
CN202011623862.1A
Other languages
English (en)
Other versions
CN112798861B (zh
Inventor
张超
骆杰平
邱衍江
马永龙
何吉彪
肖铭杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011623862.1A priority Critical patent/CN112798861B/zh
Publication of CN112798861A publication Critical patent/CN112798861A/zh
Application granted granted Critical
Publication of CN112798861B publication Critical patent/CN112798861B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Abstract

本申请涉及一种电压闪变参数识别方法、装置、计算机设备和存储介质。所述方法包括：获取在新能源并网时产生的电压闪变信号，以及其相应的离散信号；基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量；通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，并对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到相对应的频谱分析结果；从频谱分析结果中筛选出待修正的初始闪变分量参数，计算与初始闪变分量参数对应的频率偏移量和幅度偏移量；根据频率偏移量和幅度偏移量，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数。采用本方法能够提高对电压闪变参数的追踪及识别效果。

Description

电压闪变参数识别方法、装置、计算机设备和存储介质
技术领域
本申请涉及电力系统技术领域，特别是涉及一种电压闪变参数识别方法、装置、计算机设备和存储介质。
背景技术
随着新能源发电技术的发展，出现了将风、电等为代表的新能源发电技术利用到电网中，然而，由于新能源的固有波动性，其在并网时会产生电压闪变，使得电网电能质量下降。一般情况下，电压闪变特征量的变化较快，在利用现有的识别算法对电压闪变特征量进行识别的时候，对现有识别算法的信号追踪能力提出了更高的要求。目前，为了提高电网的电能质量，一般考虑采样小波变换法和HHT法进行电压闪变特征量的追踪及识别。然而，一方面，虽然采用小波变换法，能够降低噪声对谐波检测精度的影响，但该方法针对小波基的选择没有统一标准且非同步采样的情况下，其带来了较大的误差；另一方面，虽然，基于HHT法能够改善检测精度，但该方法的计算量大、在噪声背景下检测精度较低。因此，利用传统的识别算法对电压闪变特征量进行追踪及识别，仍然存在识别效果差的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高对电压闪变参数的追踪及识别效果的电压闪变参数识别方法、装置、计算机设备和存储介质。
一种电压闪变参数识别方法，所述方法包括：
获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
一种电压闪变参数识别装置，所述装置包括：
获取模块，用于获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
包络提取模块，用于获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
加窗修正模块，用于通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
频谱分析模块，用于对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
筛选模块，用于从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
偏移修正模块，用于根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
上述电压闪变参数识别方法、装置、计算机设备和存储介质，一方面，基于实际的应用需求，进行信号采样间隔的设置，并根据所设置的信号采样间隔对离散化处理得到的离散信号进行包络提取，以使得闪变信号特征值变化的追踪能力得以提升，提高了闪变包络提取精度，并为后续的闪变参数识别精度的提高奠定了基础。另一方面，根据多阶自卷积窗函数对包络提取得到的第一电压闪变包络信号分量进行加窗修正处理，通过抑制频谱泄露对检测精度的影响，得以提高识别准确度。最后，对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到待修正的初始闪变分量参数，并根据与初始闪变分量参数对应的预设条数的理论幅度谱，进行频率偏移量和幅度偏移量的计算，并基于所得的频率偏移量和幅度偏移量进行闪变频率和闪变幅值的拟合修正处理，保证了闪变参数识别精度的有效性以及精准性。另外，成功识别到的目标闪变分量参数，还能够在新能源并网时，辅助进行电压闪变的抑制处理，有效的保证了电网的电能质量。
附图说明
图1为一个实施例中电压闪变参数识别方法的应用环境图；
图2为一个实施例中电压闪变参数识别方法的流程示意图；
图3为自卷积函数频谱图；
图4为一个实施例中频率偏移量和幅度偏移量计算步骤的流程示意图；
图5为闪变频率、闪变系数识别的相对误差示意图；
图6为调幅波系数相对误差的3组实验对比图；
图7为基频变动时的闪变系数、闪变频率测量的相对误差示意图；
图8为噪声源干扰下的闪变系数、闪变频率测量的相对误差示意图；
图9为麻黄沟地区线路-A相电压录波图；
图10为麻黄沟地区线路的闪变系数、闪变频率测量分析结果示意图；
图11为一个实施例中电压闪变参数识别装置的结构框图；
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的电压闪变参数识别方法，可以应用于如图1所示的应用环境中。其中，新能源并网系统102通过网络与计算机设备104进行通信。由计算机设备104获取在新能源并网时产生的电压闪变信号，并对电压闪变信号进行离散化处理，得到相应的离散信号。由计算机设备104获取信号采样间隔，并基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量。由计算机设备104对第二电压闪变包络信号分量进行频谱分析，得到与第二电压闪变包络信号分量相对应的频谱分析结果；从频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量。为消除频率偏移量和幅度偏移量带来的识别偏差，由计算机设备104根据频率偏移量和幅度偏移量、理论幅度谱、频谱分析结果中的基频以及离散信号对应的采样点长度，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数。
其中，计算机设备104具体可以是终端或服务器，终端具体可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种电压闪变参数识别方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
步骤S202，获取在新能源并网时产生的电压闪变信号，并对电压闪变信号进行离散化处理，得到相应的离散信号。
具体地，由计算机设备获取在新能源并网时产生的电压闪变信号，并通过模数转换器对电压闪变信号进行处理，将电压闪变信号从模拟信号转化为数字信号；其中，转化所得的数字信号，将作为与电压闪变信号相对应的离散信号进行输出。在进行新能源并网时，具体为将以风电等为代表的新能源发电技术并入到电网中，以此来提高电网的电能质量。
在其中一个实施例中，本申请针对矩形波调制闪变进行研究，则当前的离散信号的数学表达式可以表述为：
Figure BDA0002874416950000061
式(1)中，u(n)为电压闪变信号对应的离散信号，U0为电网工频电压的幅值，A(n)为幅值时变信号，Ω0为电网工频电压的角频率，θ0为电网工频电压的初相位，d(n)为电压闪变波动分量；l为矩形波信号分量的项数，ki为第i项调幅波的第一调制系数，Wrect(·)为矩形截断窗的离散表达形式。在一个具体的实施例中，Wrect(Ωin)的数学表达式为：
Figure BDA0002874416950000062
式(2)中，Ωi＝2πfi/fs，fi为第i项调幅波的第二调制系数。
当前实施例中，利用模数转换器将新能源并网时产生的电压闪变信号转变为离散信号，推动了后续的包络信号提取过程的顺利执行，保证了电压闪变参数识别算法的稳定性。
步骤S204，获取信号采样间隔，并基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量。
具体的，首先，由计算机设备获取信号采样间隔；信号采样间隔大于等于数值二；其次，并由计算机设备基于信号采样间隔对能量算子函数进行更新，其中，更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+r)u(n-r)； (3)
式(3)中，Ψ[·]为更新后的能量算子函数；r为信号采样间隔；n为离散采样点；n+r为以离散采样点n为起点，基于信号采样间隔r，向右进行采样，得到的右邻近点；n-r为以离散采样点n为起点，基于信号采样间隔r，向左进行采样，得到的左邻近点；u(n)为电压闪变信号对应的离散信号，u(n+r)为与右邻近点相适应的电压闪变信号对应的离散信号，u(n-r)为与左邻近点相适应的电压闪变信号对应的离散信号；
最后，再由计算机设备基于更新后的能量算子函数对离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，第一电压闪变包络信号分量的数学表达式为：
Figure BDA0002874416950000063
式(4)中，d′(n)为第一电压闪变包络信号分量，U0为幅值，Ω0为工频电压的角频率。需要说明的是，工频电压就是指国家规定电力工业及用电设备的统一标准电压。
在一个实施例中，获取到的信号采样间隔可以为2，则更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+2)u(n-2)。 (5)
再将上述的公式(1)代入到公式(5)之后，当前所得的包络信号的数学表达式为：
Figure BDA0002874416950000071
式(6)中，k为调制系数，ki、kq是在公式推导的展开式中为避免混乱所引入的分项系数，其统一解释为调制系数即可；Ωq为第q项分量对应的角频率；A(n)为幅值时变信号。
由于，在电压基频50Hz左右的矩形方波分量的项数l较小，且通常调制系数小于0.1。因此，本实施例中，仅保留式(6)中的主项分量：A2(n)sin2(2Ω0)，因此，在将上述的主项分量代入到式(4)后，当前实施例中，基于更新后的能量算子函数提取到的第一电压闪变包络信号分量具体表述为：
Figure BDA0002874416950000072
当前实施例中，通过增加采样间隔构建高精度能量算子包络提取技术，以使得对闪变信号变化的追踪能力得以提升，有效的提高了分析精度。
步骤S206，通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量。
其中，多阶自卷积窗函数是基于对现有的余弦单窗函数进行频域特性分析，并进一步基于频域特性的分析结果，从中选取性能优良的母窗函数作为自卷积窗函数。
具体的，由计算机设备通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，其中，设当前的多阶自卷积窗函数-wMSLD-p(L)是以改进的MSLD(最大旁瓣衰减)截断窗-wMSLD(L)为母窗，通过p次卷积运算得到的p阶SCW(自卷积窗)函数，其具体的数学表达式为：
wMSLD-p(n)＝wMSLD(l)*wMSLD(l)*...*wMSLD(l)； (8)
由卷积定理可知，上述多阶自卷积窗函数的频域表达式为：
WMSLD-P(ω)＝WMSLD-1(ω)×WMSLD-1(ω)×...×WMSLD-1(ω)。 (9)
式(9)中，WMSLD-1(ω)为wMSLD(l)对应的频域表达式。
进一步的，由计算机设备通过下述的公式(10)，对第一电压闪变包络信号分量进行加窗修正处理：
x(n)＝d′(n)×wMSLD-p(n)； (10)
式(10)中，d′(n)为第一电压闪变包络信号分量，wMSLD-p(n)为构建得到的多阶自卷积窗函数，x(n)为加窗修正后的第二电压闪变包络信号分量，n为离散采样点。
在一个实施例中，图3给出了2阶及4阶MSLD-SCW函数，以及p＝2时的Hamming(汉明)卷积截断窗(H-SCW)函数、4项5阶Nuttall(自卷积)卷积截断窗(N-SCW)的归一化幅度谱。由图2可以得出，MSLD-SCW函数的旁瓣性能随阶数p的增加而迅速提高，且在2阶时的综合性能最强。在一个具体的实施例中，本申请采用2阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得以抑制频谱泄露对检测精度的影响。因此，当前实施例下，第二电压闪变包络信号分量的数学表达式为：
x(n)＝d′(n)×wMSLD-2(n)。 (11)
步骤S208，对第二电压闪变包络信号分量进行频谱分析，得到与第二电压闪变包络信号分量相对应的频谱分析结果。
其中，针对使用2阶自卷积窗函数这一实施场景，由计算机设备基于下述的公式对第二电压闪变包络信号分量进行频谱分析：
Figure BDA0002874416950000091
式(12)中，kl为第l项调制波的幅值，fl为第l项调制波的频率，
Figure BDA0002874416950000092
为第l项调制波的相位；k＝0,1,2,...,N-1为目标采样点；Δf＝fs/N，fs为基频，N为采样长度；WMSLD-2(·)为二阶自卷积窗函数wMSLD-2(n)对应的频域表达式。
步骤S210，从频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量。
其中，理论幅度谱为理论峰值频点附近的最大幅度谱。理论峰值频点为理论上最大分量的谱线对应的频点。由于，在检测中因栅栏效应必然不会采到理论峰值频点对应的谱线信息，只能取其附近的第kα条谱线，因此，当前实施例中，基于理论峰值频点附近的最大幅度谱，进行频率偏移量和幅度偏移量的计算。
具体的，为方便分析推导，首先，由计算机设备基于上述的公式(12)，从中筛选出推导第l次闪变分量参数，将其作为初始闪变分量参数，则第l次闪变分量参数的幅值如式(13)所示：
Figure BDA0002874416950000093
其次，再由计算机设备确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量。
在一个实施例中，采用三谱线插值法计算频率偏移量和幅度偏移量，当前需要取第kα条谱线左右范围内的次大幅度谱线kα-1、kα+1，辅助公式的推导，其中，上述三条理论幅度谱的幅值如式(14)-(15)所示：
Figure BDA0002874416950000094
Figure BDA0002874416950000095
式(14)-(15)中，yα为最大幅度谱kα对应的幅值，yα-1、yα+1分别为次大幅度谱kα-1、kα+1对应的幅值。
由计算机设备基于上述所得的各项幅值进行比值参数的设置，并对比值参数进行拟合计算，得到相应的频率偏移量和幅度偏移量。
当前实施例中，基于三谱线参数信息校正原理进行频率偏移量和幅度偏移量计算，有效的弥补理论与实际测得值之间的偏差，提高了识别准确度。
步骤S212，根据频率偏移量和幅度偏移量、理论幅度谱、频谱分析结果中的基频以及离散信号对应的采样点长度，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
具体的，由计算机设备根据频率偏移量、频谱分析结果中的基频以及离散信号对应的采样点长度，对初始闪变频率进行修正处理，得到修正后的目标闪变频率；根据理论幅度谱、幅度偏移量以及离散信号对应的采样点长度，对初始闪变幅值进行修正处理，得到修正后的目标闪变幅值。
在其中一个实施例中，由计算机设备根据下述修正计算公式，对初始闪变频率进行修正处理：
fl＝(kα+α)×Δf；
其中，fl为修正后的目标闪变频率，kα为理论峰值频点对应的最大幅度谱，α为频率偏移量，Δf＝fs/N，fs为基频，N为离散信号对应的采样点长度；
由计算机设备根据下述修正计算公式，对初始闪变幅值进行修正处理：
kl＝N-p(yα-1+m1yα+yα+1)g(α)；
其中，kl为修正后的目标闪变幅值，N离散信号对应的采样点长度，p为多阶自卷积窗函数对应的总阶数；yα为最大幅度谱对应的理论幅值，yα-1为第一次大幅度谱对应的理论幅值，yα+1为第二次大幅度谱对应的理论幅值；m1为加权系数，g(α)为幅度偏移量。
上述电压闪变参数识别方法中，一方面，基于实际的应用需求，进行信号采样间隔的设置，并根据所设置的信号采样间隔对离散化处理得到的离散信号进行包络提取，以使得闪变信号特征值变化的追踪能力得以提升，提高了闪变包络提取精度，并为后续的闪变参数识别精度的提高奠定了基础。另一方面，根据多阶自卷积窗函数对包络提取得到的第一电压闪变包络信号分量进行加窗修正处理，通过抑制频谱泄露对检测精度的影响，得以提高识别准确度。最后，对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到待修正的初始闪变分量参数，并根据与初始闪变分量参数对应的预设条数的理论幅度谱，进行频率偏移量和幅度偏移量的计算，并基于所得的频率偏移量和幅度偏移量进行闪变频率和闪变幅值的拟合修正处理，保证了闪变参数识别精度的有效性以及精准性。另外，成功识别到的目标闪变分量参数，还能够在新能源并网时，辅助进行电压闪变的抑制处理，有效的保证了电网的电能质量。
在一个实施例中，如图4所示，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量的执行步骤，包括：
步骤S402，确定初始闪变分量参数所对应的实际幅度谱与理论幅度谱，理论幅度谱包括理论峰值频点对应的最大幅度谱，以及在理论峰值频点左、右范围内的第一次大幅度谱以及第二次大幅度谱。
其中，基于步骤S210可知，第一次大幅度谱以及第二次大幅度谱均以理论峰值频点为起始采样点，在确定了采样间隔之后，即可在理论峰值频点左、右范围内，依次基于确定得到的次大频点，进行第一次大幅度谱以及第二次大幅度谱的确定。
步骤S404，确定实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，并根据实际幅值和理论幅值，进行第一拟合参数的设置。
具体的，由计算机设备基于公式(13)-(15)，在代入相关的已知参数的情况下，进一步计算得到实际幅值以及理论幅值。当前即可根据所得的实际幅值和理论幅值，进行第一拟合参数的设置。
在其中一个实施例中，由计算机设备基于下述公式进行第一拟合参数的设置：
Figure BDA0002874416950000111
式(16)中，β为第一拟合参数。记参数α＝kl-kα-0.5，则α取值范围是α∈[-0.5,0.5]。将式(14)-(15)代入式(16)，可以把β看作是α的函数，即β＝f(α)。在区间[-0.5,0.5]取一组数据并代入式(16)，即可得一组β。
当前实施例中，根据实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，进行拟合参数的设置，进一步保证了拟合数据的可靠性，提高了闪变参数识别准确度。
步骤S406，以频率偏移量为因变量，第一拟合参数为自变量，进行反拟合计算，得到与初始闪变分量参数对应的频率偏移量。
具体的，由计算机设备以频率偏移量α为因变量，第一拟合参数β为自变量，进行反拟合计算，在一个实施例中，可基于Matlab-矩阵工厂数学仿真软件中的polyfit(β，α，7)函数进行频率偏移量的反拟合计算。最终，计算得到的频率偏移量的数学表达式如下式所示：
Figure BDA0002874416950000121
当前实施例中，根据Matlab仿真软件中的polyfit函数进行频率偏移量的反拟合计算，简化了计算过程，提高了电压闪变参数识别算法的有效性以及执行效率。
步骤S408，以幅度偏移量为因变量，频率偏移量为自变量，进行正拟合计算，得到与初始闪变分量参数对应的幅度偏移量。
具体的，采用与步骤S406相同的取值代入求解思想，由计算机设备以幅度偏移量g(α)为因变量，频率偏移量α为自变量，进行正拟合计算。在一个实施例中，可基于Matlab仿真软件中的polyfit(α，g(α)，6)函数进行幅度偏移量的正拟合计算。最终，计算得到的幅度偏移量的数学表达式如下式所示：
Figure BDA0002874416950000122
当前实施例中，根据Matlab仿真软件中的polyfit函数进行幅度偏移量的正拟合计算，简化了计算过程，进一步保证了幅度偏移量的计算准确度，提高了电压闪变参数识别算法的有效性。
如图5所示，首先在待分析包络信号中仅添加单频调制分量的工况下进行仿真，设置参数f0＝50Hz，
Figure BDA0002874416950000123
fs＝400Hz，采样点数N＝4096。调幅波幅值系数kl的变化区间为(0.4％，0.8％)，频率系数fl的变化区间为[1Hz，35Hz]，本申请的包络信号幅值及频率两大参数提取的相对误差ekl和efl，如图5(a)-图5(b)所示。
由图5(a)-图5(b)的仿真结果可见，当闪变调制波形中仅含单一频率的包络成分时，除在固有的误差峰值点25Hz处发生闪变外，基于本申请的闪变参数识别方法的闪变系数ml相对误差处于10E-2％至10E-4％数量级，fl的相对误差为10E-3％至10E-6％数量级，其均满足对精度误差的控制要求。
由于次/超同步频率分量不仅威胁电网安全稳定运行，还可能降低系统包络参数识别准确度。本申请考虑对矩形波调制闪变信号叠加不同类型的次/超同步谐波分量，并使其频点值不断接近，具体参数设置如下：(1)含有20Hz与80Hz间谐波分量；(2)含有20Hz与55Hz间谐波分；(3)含有25Hz与35Hz间谐波分；幅值均设定为0.5％，其余参数设置相同，基于本发明算法的检测相对误差分布如图6(a)-图6(c)所示。
由图6(a)-图6(c)可知，闪变参数识别精度相比于无谐波与稳态谐波均有所下降，闪变幅值为10E-1％至10E-3％数量级，闪变频率为10E-1％至10E-3％数量级。当次谐波的频率不断靠近闪变频率误差峰值点25Hz时，其估计误差值也达到最大，其幅值相对误差为3％，其频率相对误差为2.57E-2％。另，当谐波频点值不断接近时，闪变参数检测相对误差增值也随之增大，但仍能满足检测要求，可以高精度的完成对目标的检测。
由于电网的实际频率值受负荷变化的影响，会在50Hz附近发生偏离，不同程度的影响闪变参数检测结果。本申请中，考虑设置基频变动处于(49.5Hz，50.5Hz)范围内，闪变频率区间为：(1Hz，35Hz)，调幅波电压幅值0.1p.u.，其他参数设置固定。
由图7(a)-图7(b)可知，当基频存在偏移现象时，本申请的闪变参数识别法仍保持较高精度，闪变系数和频率参数的识别误差分别为(10E-1％,10E-3％)数量级和(10E-3％,10E-5％)，由参数估计误差可见，本申请能够有效克服频率变动时的闪变参数估计精度降低的问题。
由于风电并网运维环境中的噪声干扰严重影响对参数分析准确度，在前节仿真实验基础上添加不同信噪比的噪声源，改进优化算法的ekl和efl的分布如图8所示。
由图8(a)-图8(b)可知，在添加白噪声之后，闪变参数测量误差相较于实验室环境有所增大。当信噪比较小时(SNR≤35dB)，闪变包络的参数提取误差较大，如SNR＝23dB时，kl的相对误差约为1％数量级，fl的相对误差约为10E-3％数量级；随着SNR值的增加(SNR＞35dB)，闪变包络各分量参数识别精度也有逐渐提高。仿真结果表明，本申请的抗噪性能优良，在噪声背景下仍可有效实现预期识别功能。
图9为从现场采集到麻黄沟地区线路的A相电压录波值，从录波图中可看出，电压波动性明显且波形畸变严重。本申请中，通过分析系统上位机软件实现对离散化后的数据进行分析与处理，从而实现电压闪变包络参数识别功能。其中，分别选用图5-图8所示二等对照组算法与本申请公开的电压闪变参数识别算法，共同对图9进行分析，得到由图10所示的闪变包络参数分析结果。基于图10(a)-图10(b)可知，当前的线路电压虽然存在微弱闪变，但本发明提出的电压闪变参数识别算法的准确性仍然较高。如：基于对照组算法的第一闪变包络分量的闪变系数识别误差相对于本算法为0.0025；频率检测相对误差为0.0761，泄漏量较大。通过上述分析可以得出，本发明算法能够更精准、有效地实现实际电网电压闪变从参数识别与分析。
基于上述的理论分析，以及对实际的仿真结果的分析可知，本实施例中，结合多阶自卷积函数对信号做截断处理，以及三谱线参数信息校正原理，进行闪变频率以及闪变幅度的校正，能够为后续抑制电压闪变提供参考依据，并以此提高新能源并网系统的电压电能质量。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，提供了一种电压闪变参数识别装置1100，包括：获取模块1101、包络提取模块1102、加窗修正模块1103、频谱分析模块1104、筛选模块1105和偏移修正模块1106，其中：
获取模块1101，用于获取在新能源并网时产生的电压闪变信号，并对电压闪变信号进行离散化处理，得到相应的离散信号。
包络提取模块1102，用于获取信号采样间隔，并基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量。
加窗修正模块1103，用于通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量。
频谱分析模块1104，用于对第二电压闪变包络信号分量进行频谱分析，得到与第二电压闪变包络信号分量相对应的频谱分析结果。
筛选模块1105，用于从频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量。
偏移修正模块1106，用于根据频率偏移量和幅度偏移量、理论幅度谱、频谱分析结果中的基频以及离散信号对应的采样点长度，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
在一个实施例中，获取模块1101还用于获取在新能源并网时产生的电压闪变信号，并通过模数转换器对电压闪变信号进行处理，将电压闪变信号从模拟信号转化为数字信号；
将转化所得的数字信号作为与电压闪变信号相对应的离散信号。
在一个实施例中，包络提取模块1102还用于获取信号采样间隔；信号采样间隔大于等于数值二；基于信号采样间隔对能量算子函数进行更新，其中，更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+r)u(n-r)；
式中，Ψ[·]为更新后的能量算子函数；r为信号采样间隔；n为离散采样点；n+r为以离散采样点n为起点，基于信号采样间隔r，向右进行采样，得到的右邻近点；n-r为以离散采样点n为起点，基于信号采样间隔r，向左进行采样，得到的左邻近点；u(n)为电压闪变信号对应的离散信号，u(n+r)为与右邻近点相适应的电压闪变信号对应的离散信号，u(n-r)为与左邻近点相适应的电压闪变信号对应的离散信号；基于更新后的能量算子函数对离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，第一电压闪变包络信号分量的数学表达式为：
Figure BDA0002874416950000151
式中，d′(n)为第一电压闪变包络信号分量，U0为幅值，Ω0为工频电压的角频率。
在一个实施例中，加窗修正模块1103还用于基于MSLD-最大旁瓣衰减组合余弦窗函数进行多阶自卷积窗函数的构建；通过构建得到的多阶自卷积窗函数，对第一电压闪变包络信号分量进行加权截断处理，得到加窗修正后的第二电压闪变包络信号分量；其中，第二电压闪变包络信号分量的数学表达式为：
x(n)＝d′(n)×wMSLD-p(n)；
式中，d′(n)为第一电压闪变包络信号分量，wMSLD-p(n)为构建得到的p阶自卷积窗函数，x(n)为加窗修正后的第二电压闪变包络信号分量，n为离散采样点。
在一个实施例中，筛选模块1105还用于确定初始闪变分量参数所对应的实际幅度谱与理论幅度谱，理论幅度谱包括理论峰值频点对应的最大幅度谱，以及在理论峰值频点左、右范围内的第一次大幅度谱以及第二次大幅度谱；确定实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，并根据实际幅值和理论幅值，进行第一拟合参数的设置；以频率偏移量为因变量，第一拟合参数为自变量，进行反拟合计算，得到与初始闪变分量参数对应的频率偏移量；以幅度偏移量为因变量，频率偏移量为自变量，进行正拟合计算，得到与初始闪变分量参数对应的幅度偏移量。
在一个实施例中，偏移修正模块1106还用于根据频率偏移量、频谱分析结果中的基频以及离散信号对应的采样点长度，对初始闪变频率进行修正处理，得到修正后的目标闪变频率；根据理论幅度谱、幅度偏移量以及离散信号对应的采样点长度，对初始闪变幅值进行修正处理，得到修正后的目标闪变幅值。
在一个实施例中，偏移修正模块1106还用于根据初始闪变频率的修正计算公式，进行目标闪变频率的计算：
fl＝(kα+α)×Δf；
其中，fl为修正后的目标闪变频率，kα为理论峰值频点对应的最大幅度谱，α为频率偏移量，Δf＝fs/N，fs为基频，N为离散信号对应的采样点长度；
根据初始闪变幅值的修正计算公式，进行目标闪变幅值的计算：
kl＝N-p(yα-1+m1yα+yα+1)g(α)；
其中，kl为修正后的目标闪变幅值，N离散信号对应的采样点长度，p为多阶自卷积窗函数对应的总阶数；yα为最大幅度谱对应的理论幅值，yα-1为第一次大幅度谱对应的理论幅值，yα+1为第二次大幅度谱对应的理论幅值；m1为加权系数，g(α)为幅度偏移量。
关于电压闪变参数识别装置的具体限定可以参见上文中对于电压闪变参数识别方法的限定，在此不再赘述。上述电压闪变参数识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
上述电压闪变参数识别装置，一方面，基于实际的应用需求，进行信号采样间隔的设置，并根据所设置的信号采样间隔对离散化处理得到的离散信号进行包络提取，以使得闪变信号特征值变化的追踪能力得以提升，提高了闪变包络提取精度，并为后续的闪变参数识别精度的提高奠定了基础。另一方面，根据多阶自卷积窗函数对包络提取得到的第一电压闪变包络信号分量进行加窗修正处理，通过抑制频谱泄露对检测精度的影响，得以提高识别准确度。最后，对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到待修正的初始闪变分量参数，并根据与初始闪变分量参数对应的预设条数的理论幅度谱，进行频率偏移量和幅度偏移量的计算，并基于所得的频率偏移量和幅度偏移量进行闪变频率和闪变幅值的拟合修正处理，保证了闪变参数识别精度的有效性以及精准性。另外，成功识别到的目标闪变分量参数，还能够在新能源并网时，辅助进行电压闪变的抑制处理，有效的保证了电网的电能质量。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端或服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和通信接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电压闪变参数识别方法。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取在新能源并网时产生的电压闪变信号，并对电压闪变信号进行离散化处理，得到相应的离散信号；获取信号采样间隔，并基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量；通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；对第二电压闪变包络信号分量进行频谱分析，得到与第二电压闪变包络信号分量相对应的频谱分析结果；从频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量；根据频率偏移量和幅度偏移量、理论幅度谱、频谱分析结果中的基频以及离散信号对应的采样点长度，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取在新能源并网时产生的电压闪变信号，并通过模数转换器对电压闪变信号进行处理，将电压闪变信号从模拟信号转化为数字信号；将转化所得的数字信号作为与电压闪变信号相对应的离散信号。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取信号采样间隔；信号采样间隔大于等于数值二；基于信号采样间隔对能量算子函数进行更新，其中，更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+r)u(n-r)；
式中，Ψ[·]为更新后的能量算子函数；r为信号采样间隔；n为离散采样点；n+r为以离散采样点n为起点，基于信号采样间隔r，向右进行采样，得到的右邻近点；n-r为以离散采样点n为起点，基于信号采样间隔r，向左进行采样，得到的左邻近点；u(n)为电压闪变信号对应的离散信号，u(n+r)为与右邻近点相适应的电压闪变信号对应的离散信号，u(n-r)为与左邻近点相适应的电压闪变信号对应的离散信号；基于更新后的能量算子函数对离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，第一电压闪变包络信号分量的数学表达式为：
Figure BDA0002874416950000181
式中，d′(n)为第一电压闪变包络信号分量，U0为幅值，Ω0为工频电压的角频率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于MSLD-最大旁瓣衰减组合余弦窗函数进行多阶自卷积窗函数的构建；通过构建得到的多阶自卷积窗函数，对第一电压闪变包络信号分量进行加权截断处理，得到加窗修正后的第二电压闪变包络信号分量；其中，第二电压闪变包络信号分量的数学表达式为：
x(n)＝d′(n)×wMSLD-p(n)；
式中，d′(n)为第一电压闪变包络信号分量，wMSLD-p(n)为构建得到的p阶自卷积窗函数，x(n)为加窗修正后的第二电压闪变包络信号分量，n为离散采样点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定初始闪变分量参数所对应的实际幅度谱与理论幅度谱，理论幅度谱包括理论峰值频点对应的最大幅度谱，以及在理论峰值频点左、右范围内的第一次大幅度谱以及第二次大幅度谱；确定实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，并根据实际幅值和理论幅值，进行第一拟合参数的设置；以频率偏移量为因变量，第一拟合参数为自变量，进行反拟合计算，得到与初始闪变分量参数对应的频率偏移量；以幅度偏移量为因变量，频率偏移量为自变量，进行正拟合计算，得到与初始闪变分量参数对应的幅度偏移量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据频率偏移量、频谱分析结果中的基频以及离散信号对应的采样点长度，对初始闪变频率进行修正处理，得到修正后的目标闪变频率；根据理论幅度谱、幅度偏移量以及离散信号对应的采样点长度，对初始闪变幅值进行修正处理，得到修正后的目标闪变幅值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据下述初始闪变频率的修正计算公式，进行目标闪变频率的计算：
fl＝(kα+α)×Δf；
其中，fl为修正后的目标闪变频率，kα为理论峰值频点对应的最大幅度谱，α为频率偏移量，Δf＝fs/N，fs为基频，N为离散信号对应的采样点长度；
根据下述初始闪变幅值的修正计算公式，进行目标闪变幅值的计算：
kl＝N-p(yα-1+m1yα+yα+1)g(α)；
其中，kl为修正后的目标闪变幅值，N离散信号对应的采样点长度，p为多阶自卷积窗函数对应的总阶数；yα为最大幅度谱对应的理论幅值，yα-1为第一次大幅度谱对应的理论幅值，yα+1为第二次大幅度谱对应的理论幅值；m1为加权系数，g(α)为幅度偏移量。
上述计算机设备，一方面，基于实际的应用需求，进行信号采样间隔的设置，并根据所设置的信号采样间隔对离散化处理得到的离散信号进行包络提取，以使得闪变信号特征值变化的追踪能力得以提升，提高了闪变包络提取精度，并为后续的闪变参数识别精度的提高奠定了基础。另一方面，根据多阶自卷积窗函数对包络提取得到的第一电压闪变包络信号分量进行加窗修正处理，通过抑制频谱泄露对检测精度的影响，得以提高识别准确度。最后，对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到待修正的初始闪变分量参数，并根据与初始闪变分量参数对应的预设条数的理论幅度谱，进行频率偏移量和幅度偏移量的计算，并基于所得的频率偏移量和幅度偏移量进行闪变频率和闪变幅值的拟合修正处理，保证了闪变参数识别精度的有效性以及精准性。另外，成功识别到的目标闪变分量参数，还能够在新能源并网时，辅助进行电压闪变的抑制处理，有效的保证了电网的电能质量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：获取在新能源并网时产生的电压闪变信号，并对电压闪变信号进行离散化处理，得到相应的离散信号；获取信号采样间隔，并基于信号采样间隔对离散信号进行包络提取，得到第一电压闪变包络信号分量；通过多阶自卷积窗函数对第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；对第二电压闪变包络信号分量进行频谱分析，得到与第二电压闪变包络信号分量相对应的频谱分析结果；从频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与初始闪变分量参数对应的预设条数的理论幅度谱，基于理论幅度谱计算得到与初始闪变分量参数对应的频率偏移量和幅度偏移量；根据频率偏移量和幅度偏移量、理论幅度谱、频谱分析结果中的基频以及离散信号对应的采样点长度，进行修正处理，得到与初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取在新能源并网时产生的电压闪变信号，并通过模数转换器对电压闪变信号进行处理，将电压闪变信号从模拟信号转化为数字信号；将转化所得的数字信号作为与电压闪变信号相对应的离散信号。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取信号采样间隔；信号采样间隔大于等于数值二；基于信号采样间隔对能量算子函数进行更新，其中，更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+r)u(n-r)；
式中，Ψ[·]为更新后的能量算子函数；r为信号采样间隔；n为离散采样点；n+r为以离散采样点n为起点，基于信号采样间隔r，向右进行采样，得到的右邻近点；n-r为以离散采样点n为起点，基于信号采样间隔r，向左进行采样，得到的左邻近点；u(n)为电压闪变信号对应的离散信号，u(n+r)为与右邻近点相适应的电压闪变信号对应的离散信号，u(n-r)为与左邻近点相适应的电压闪变信号对应的离散信号；基于更新后的能量算子函数对离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，第一电压闪变包络信号分量的数学表达式为：
Figure BDA0002874416950000211
式中，d′(n)为第一电压闪变包络信号分量，U0为幅值，Ω0为工频电压的角频率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于MSLD-最大旁瓣衰减组合余弦窗函数进行多阶自卷积窗函数的构建；通过构建得到的多阶自卷积窗函数，对第一电压闪变包络信号分量进行加权截断处理，得到加窗修正后的第二电压闪变包络信号分量；其中，第二电压闪变包络信号分量的数学表达式为：
x(n)＝d′(n)×wMSLD-p(n)；
式中，d′(n)为第一电压闪变包络信号分量，wMSLD-p(n)为构建得到的p阶自卷积窗函数，x(n)为加窗修正后的第二电压闪变包络信号分量，n为离散采样点。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定初始闪变分量参数所对应的实际幅度谱与理论幅度谱，理论幅度谱包括理论峰值频点对应的最大幅度谱，以及在理论峰值频点左、右范围内的第一次大幅度谱以及第二次大幅度谱；确定实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，并根据实际幅值和理论幅值，进行第一拟合参数的设置；以频率偏移量为因变量，第一拟合参数为自变量，进行反拟合计算，得到与初始闪变分量参数对应的频率偏移量；以幅度偏移量为因变量，频率偏移量为自变量，进行正拟合计算，得到与初始闪变分量参数对应的幅度偏移量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据频率偏移量、频谱分析结果中的基频以及离散信号对应的采样点长度，对初始闪变频率进行修正处理，得到修正后的目标闪变频率；根据理论幅度谱、幅度偏移量以及离散信号对应的采样点长度，对初始闪变幅值进行修正处理，得到修正后的目标闪变幅值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据下述初始闪变频率的修正计算公式，进行目标闪变频率的计算：
fl＝(kα+α)×Δf；
其中，fl为修正后的目标闪变频率，kα为理论峰值频点对应的最大幅度谱，α为频率偏移量，Δf＝fs/N，fs为基频，N为离散信号对应的采样点长度；
根据下述初始闪变幅值的修正计算公式，进行目标闪变幅值的计算：
kl＝N-p(yα-1+m1yα+yα+1)g(α)；
其中，kl为修正后的目标闪变幅值，N离散信号对应的采样点长度，p为多阶自卷积窗函数对应的总阶数；yα为最大幅度谱对应的理论幅值，yα-1为第一次大幅度谱对应的理论幅值，yα+1为第二次大幅度谱对应的理论幅值；m1为加权系数，g(α)为幅度偏移量。
上述存储介质，一方面，基于实际的应用需求，进行信号采样间隔的设置，并根据所设置的信号采样间隔对离散化处理得到的离散信号进行包络提取，以使得闪变信号特征值变化的追踪能力得以提升，提高了闪变包络提取精度，并为后续的闪变参数识别精度的提高奠定了基础。另一方面，根据多阶自卷积窗函数对包络提取得到的第一电压闪变包络信号分量进行加窗修正处理，通过抑制频谱泄露对检测精度的影响，得以提高识别准确度。最后，对加窗修正后的第二电压闪变包络信号分量进行频谱分析，得到待修正的初始闪变分量参数，并根据与初始闪变分量参数对应的预设条数的理论幅度谱，进行频率偏移量和幅度偏移量的计算，并基于所得的频率偏移量和幅度偏移量进行闪变频率和闪变幅值的拟合修正处理，保证了闪变参数识别精度的有效性以及精准性。另外，成功识别到的目标闪变分量参数，还能够在新能源并网时，辅助进行电压闪变的抑制处理，有效的保证了电网的电能质量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电压闪变参数识别方法，其特征在于，所述方法包括：
获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
2.根据权利要求1所述的方法，其特征在于，所述获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号，包括：
获取在新能源并网时产生的电压闪变信号，并通过模数转换器对所述电压闪变信号进行处理，将所述电压闪变信号从模拟信号转化为数字信号；
将转化所得的数字信号作为与所述电压闪变信号相对应的离散信号。
3.根据权利要求1所述的方法，其特征在于，所述获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量，包括：
获取信号采样间隔；所述信号采样间隔大于等于数值二；
基于所述信号采样间隔对能量算子函数进行更新，其中，更新后的能量算子函数的数学表达式为：
Ψ[u(n)]＝u2(n)-u(n+r)u(n-r)；
式中，Ψ[·]为更新后的能量算子函数；r为信号采样间隔；n为离散采样点；n+r为以离散采样点n为起点，基于信号采样间隔r，向右进行采样，得到的右邻近点；n-r为以离散采样点n为起点，基于信号采样间隔r，向左进行采样，得到的左邻近点；u(n)为所述电压闪变信号对应的离散信号，u(n+r)为与所述右邻近点相适应的电压闪变信号对应的离散信号，u(n-r)为与所述左邻近点相适应的电压闪变信号对应的离散信号；
基于更新后的能量算子函数对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；其中，所述第一电压闪变包络信号分量的数学表达式为：
Figure FDA0002874416940000021
式中，d′(n)为第一电压闪变包络信号分量，U0为幅值，Ω0为工频电压的角频率。
4.根据权利要求1所述的方法，其特征在于，所述通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量，包括：
基于MSLD-最大旁瓣衰减组合余弦窗函数进行多阶自卷积窗函数的构建；
通过构建得到的多阶自卷积窗函数，对所述第一电压闪变包络信号分量进行加权截断处理，得到加窗修正后的第二电压闪变包络信号分量；其中，所述第二电压闪变包络信号分量的数学表达式为：
x(n)＝d′(n)×wMSLD-p(n)；
式中，d′(n)为第一电压闪变包络信号分量，wMSLD-p(n)为构建得到的p阶自卷积窗函数，x(n)为加窗修正后的第二电压闪变包络信号分量，n为离散采样点。
5.根据权利要求1所述的方法，其特征在于，所述从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量，包括：
确定所述初始闪变分量参数所对应的实际幅度谱与理论幅度谱，所述理论幅度谱包括理论峰值频点对应的最大幅度谱，以及在所述理论峰值频点左、右范围内的第一次大幅度谱以及第二次大幅度谱；
确定所述实际幅度谱所对应的实际幅值，以及各理论幅度谱分别对应的理论幅值，并根据所述实际幅值和理论幅值，进行第一拟合参数的设置；
以频率偏移量为因变量，第一拟合参数为自变量，进行反拟合计算，得到与所述初始闪变分量参数对应的频率偏移量；
以幅度偏移量为因变量，频率偏移量为自变量，进行正拟合计算，得到与所述初始闪变分量参数对应的幅度偏移量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数，包括：
根据所述频率偏移量、频谱分析结果中的基频以及离散信号对应的采样点长度，对初始闪变频率进行修正处理，得到修正后的目标闪变频率；
根据所述理论幅度谱、幅度偏移量以及离散信号对应的采样点长度，对初始闪变幅值进行修正处理，得到修正后的目标闪变幅值。
7.根据权利要求6所述的方法，其特征在于，所述初始闪变频率的修正计算公式为：
fl＝(kα+α)×Δf；
其中，fl为修正后的目标闪变频率，kα为理论峰值频点对应的最大幅度谱，α为频率偏移量，Δf＝fs/N，fs为基频，N为所述离散信号对应的采样点长度；
所述初始闪变幅值的修正计算公式为：
kl＝N-p(yα-1+m1yα+yα+1)g(α)；
其中，kl为修正后的目标闪变幅值，N所述离散信号对应的采样点长度，p为所述多阶自卷积窗函数对应的总阶数；yα为最大幅度谱对应的理论幅值，yα-1为第一次大幅度谱对应的理论幅值，yα+1为第二次大幅度谱对应的理论幅值；m1为加权系数，g(α)为幅度偏移量。
8.一种电压闪变参数识别装置，其特征在于，所述装置包括：
获取模块，用于获取在新能源并网时产生的电压闪变信号，并对所述电压闪变信号进行离散化处理，得到相应的离散信号；
包络提取模块，用于获取信号采样间隔，并基于所述信号采样间隔对所述离散信号进行包络提取，得到第一电压闪变包络信号分量；
加窗修正模块，用于通过多阶自卷积窗函数对所述第一电压闪变包络信号分量进行加窗修正处理，得到加窗修正后的第二电压闪变包络信号分量；
频谱分析模块，用于对所述第二电压闪变包络信号分量进行频谱分析，得到与所述第二电压闪变包络信号分量相对应的频谱分析结果；
筛选模块，用于从所述频谱分析结果中筛选出待修正的初始闪变分量参数，并确定与所述初始闪变分量参数对应的预设条数的理论幅度谱，基于所述理论幅度谱计算得到与所述初始闪变分量参数对应的频率偏移量和幅度偏移量；
偏移修正模块，用于根据所述频率偏移量和幅度偏移量、所述理论幅度谱、频谱分析结果中的基频以及所述离散信号对应的采样点长度，进行修正处理，得到与所述初始闪变分量参数对应的目标闪变分量参数；闪变分量参数包括闪变频率和闪变幅值，且，成功识别到的所述目标闪变分量参数用于在新能源并网时，辅助进行电压闪变的抑制处理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202011623862.1A 2020-12-30 2020-12-30 电压闪变参数识别方法、装置、计算机设备和存储介质 Active CN112798861B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011623862.1A CN112798861B (zh) 2020-12-30 2020-12-30 电压闪变参数识别方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011623862.1A CN112798861B (zh) 2020-12-30 2020-12-30 电压闪变参数识别方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112798861A true CN112798861A (zh) 2021-05-14
CN112798861B CN112798861B (zh) 2022-08-02

Family

ID=75807561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011623862.1A Active CN112798861B (zh) 2020-12-30 2020-12-30 电压闪变参数识别方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112798861B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625074A (zh) * 2021-07-02 2021-11-09 深圳供电局有限公司 暂态电能质量扰动引起长时闪变超标的判别方法和装置
CN115015682A (zh) * 2022-08-09 2022-09-06 南京佑友软件技术有限公司 一种电能质量实时在线监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164411A (ja) * 1997-08-18 1999-03-05 Toshiba Eng Co Ltd 系統電圧のフリッカ測定装置
CN104714075A (zh) * 2015-02-05 2015-06-17 湖南大学 一种电网电压闪变包络参数提取方法
US20150195487A1 (en) * 2014-01-03 2015-07-09 Mediatek Singapore Pte. Ltd. Method for flicker detection and associated circuit
CN108535613A (zh) * 2018-04-13 2018-09-14 湖南大学 一种基于组合窗函数的电压闪变参数检测方法
CN109782063A (zh) * 2018-10-23 2019-05-21 国网安徽省电力有限公司芜湖供电公司 一种基于纳托尔自卷积窗三谱线插值fft的动态间谐波分析方法
CN110221116A (zh) * 2019-06-11 2019-09-10 贵州电网有限责任公司 基于加窗插值和解析模式分解的电压闪变包络检测方法
CN110320400A (zh) * 2019-06-11 2019-10-11 贵州电网有限责任公司 准同步采样和改进能量算子的电压闪变包络参数提取方法
CN111984920A (zh) * 2020-08-31 2020-11-24 广东电网有限责任公司广州供电局 次/超同步谐波参数识别方法、装置、设备和介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164411A (ja) * 1997-08-18 1999-03-05 Toshiba Eng Co Ltd 系統電圧のフリッカ測定装置
US20150195487A1 (en) * 2014-01-03 2015-07-09 Mediatek Singapore Pte. Ltd. Method for flicker detection and associated circuit
CN104714075A (zh) * 2015-02-05 2015-06-17 湖南大学 一种电网电压闪变包络参数提取方法
CN108535613A (zh) * 2018-04-13 2018-09-14 湖南大学 一种基于组合窗函数的电压闪变参数检测方法
CN109782063A (zh) * 2018-10-23 2019-05-21 国网安徽省电力有限公司芜湖供电公司 一种基于纳托尔自卷积窗三谱线插值fft的动态间谐波分析方法
CN110221116A (zh) * 2019-06-11 2019-09-10 贵州电网有限责任公司 基于加窗插值和解析模式分解的电压闪变包络检测方法
CN110320400A (zh) * 2019-06-11 2019-10-11 贵州电网有限责任公司 准同步采样和改进能量算子的电压闪变包络参数提取方法
CN111984920A (zh) * 2020-08-31 2020-11-24 广东电网有限责任公司广州供电局 次/超同步谐波参数识别方法、装置、设备和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张恒煜: "电力系统间谐波检测方法与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625074A (zh) * 2021-07-02 2021-11-09 深圳供电局有限公司 暂态电能质量扰动引起长时闪变超标的判别方法和装置
CN115015682A (zh) * 2022-08-09 2022-09-06 南京佑友软件技术有限公司 一种电能质量实时在线监测方法
CN115015682B (zh) * 2022-08-09 2022-11-08 南京佑友软件技术有限公司 一种电能质量实时在线监测方法

Also Published As

Publication number Publication date
CN112798861B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN112798861B (zh) 电压闪变参数识别方法、装置、计算机设备和存储介质
CN104897960B (zh) 基于加窗四谱线插值fft的谐波快速分析方法及系统
CN101113995A (zh) 基于Nuttall窗双峰插值FFT的基波与谐波检测方法
CN111984920B (zh) 次/超同步谐波参数识别方法、装置、设备和介质
CN108490257B (zh) 一种基于频谱曲线拟合的短时窗间谐波测量方法
CN110045186B (zh) 电力系统公共连接点处的系统谐波阻抗估计方法和系统
CN107844670A (zh) 一种谐波统计所需样本数量的计算方法
CN108776263B (zh) 基于高阶汉宁自卷积窗及改进插值算法的谐波检测方法
Novanda et al. Unscented Kalman Filter for frequency and amplitude estimation
CN109061345B (zh) 适用于电力系统的有效值测量方法与系统
US20120081104A1 (en) Method for measurement of total harmonic distortion
CN112904141A (zh) 一种高压交流输电线路可听噪声声功率计算方法及装置
Manganiello et al. FPGA implementation of the EIS technique for the on-line diagnosis of fuel-cell systems
CN112305485A (zh) 电容式电压互感器的谐波电压测量误差修正方法及装置
JP5335522B2 (ja) 自然エネルギー発電出力変動の分析方法、分析プログラム及び推定方法
CN105334381A (zh) 一种交流有功功率的测量方法和装置
CN112505391B (zh) 一种频率自适应的交流信号有效值获取方法
CN113937793A (zh) 一种基于阻抗分段降阶模型零点辨识的稳定性分析方法
CN109541304A (zh) 基于六项最小旁瓣窗插值的电网高次弱幅值谐波检测方法
Zeng et al. A novel approach for harmonic parameters estimation under nonstationary situations
CN104977514A (zh) 一种高压直流线路起晕电压判定方法
CN105372492A (zh) 基于三条dft复数谱线的信号频率测量方法
Shao et al. Power harmonic detection method based on dual HSMW Window FFT/apFFT comprehensive phase difference
CN112485522B (zh) 基于电能数据感知的平顶窗函数同步相量测量方法及装置
CN113358922B (zh) 非稳态电网信号的基波、谐波、间谐波电能功率测量方法

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
GR01 Patent grant
GR01 Patent grant