CN116865269B - 一种风电机组高谐波补偿方法及系统 - Google Patents

Abstract

本发明涉及风力发电机测试技术领域，具体涉及一种风电机组高谐波补偿方法及系统，包括：获取风电机组的电压时序序列以及该序列中每个电压值对应的风速，将该序列分段成多个电压时序子段，并确定目标电压时序子段；根据各目标电压时序子段中相同位置的电压值以及对应的风速，确定去噪电压时序子段及其每个电压值对应的拟合风速；根据去噪电压时序子段的谐波影响程度、电压时序子段相对去噪电压时序子段的偏离程度、电压时序子段中每个位置的电压值对应的风速以及拟合风速，测试出电压时序子段中每个电压值对应的谐波影响程度，并对电压值进行去谐波补偿。本发明通过准确测试出风力发电机的谐波影响程度，提高了谐波补偿准确性。

Description

一种风电机组高谐波补偿方法及系统

技术领域

本发明涉及风力发电机测试技术领域，具体涉及一种风电机组高谐波补偿方法及系统。

背景技术

风力发电作为清洁能源之一，是我国电力能源的重要组成部分。在风力发电过程中，常常会产生谐波，谐波具有传感性，会对电力系统造成污染，例如会导致设备过热、电力损耗、共振等问题，严重情况下会导致设备损坏。因此，在风力发电过程中，通常需要对风电机组发电产生的谐波进行测试，继而进行补偿，然后才可以进入电力系统中。

现有在对风电机组发电产生的谐波进行测试时，通过对风电机组的输出电压变化幅值进行采集，并对采集的电压幅值进行分析来确定谐波影响程度。衡量谐波影响程度的指标有多种，如THD(Total Harmonic Distortion，总谐波畸变)、TDD(Total DemandDistortion，总需量畸变)等。但是由于采集的电压幅值可能会受到噪声、风速本身变化等因素的影响，导致所确定的谐波影响程度不够准确，从而影响后续谐波补偿的精确性。虽然现有技术中存在均值滤波、中值滤波等多种常规的去噪方法，但是由于风电机组的输出电压本身的波动性较大，且又受到不同程度的谐波的影响，导致这些常规去噪方法的去噪效果较差，从而无法有效提高谐波影响程度的确定准确性。因而，如何准确确定风电机组的谐波影响程度，进而进行精准的谐波补偿，成为一个亟待解决的重要问题。

发明内容

本发明的目的在于提供一种风电机组高谐波补偿方法及系统，用于解决现有由于确定谐波影响程度不够准确，导致谐波补偿精确性低的问题。

为解决上述技术问题，本发明提供了一种风电机组高谐波补偿方法，包括以下步骤：

获取风电机组的电压时序序列以及所述电压时序序列中每个电压值对应的风速，对所述电压时序序列进行分段，获取至少两个电压时序子段；

确定每两个所述电压时序子段之间的相似程度，并根据所述相似程度，筛选出至少两个目标电压时序子段；

根据各个所述目标电压时序子段中相同位置的电压值以及所述相同位置的电压值对应的风速，确定去噪电压时序子段以及所述去噪电压时序子段中每个位置的电压值对应的拟合风速；

确定所述去噪电压时序子段的谐波影响程度以及各个所述电压时序子段相对所述去噪电压时序子段的偏离程度，并根据各个所述电压时序子段和所述去噪电压时序子段中每个相同位置的电压值对应的风度和拟合风速的差异，以及所述去噪电压时序子段的谐波影响程度和各个所述电压时序子段对应的所述偏离程度，确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度；

根据各个所述电压时序子段中每个位置的电压值对应的谐波影响程度，对各个所述电压时序子段中每个位置的电压值进行去谐波补偿。

进一步的，对所述电压时序序列进行分段，获取至少两个电压时序子段，包括：

利用不同的分段长度对所述电压时序序列进行分段，获取不同的分段长度对应的各个初始电压时序子段；

对同一分段长度对应的各个初始电压时序子段进行趋势项分解，获取同一分段长度对应的各个趋势项子段；

确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值；

根据不同的分段长度对应的趋势相似指标值，确定最优的分段长度，并将所述最优的分段长度所对应的各个初始电压时序子段，确定为所述至少两个电压时序子段。

进一步的，确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值，包括：

确定同一分段长度对应的每相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值；

根据同一分段长度对应的每相邻两个趋势项子段所对应的所有差值绝对值中的最大值以及所有差值绝对值的平均值，确定同一分段长度对应的每相邻两个趋势项子段之间的差异指标值，所述所有差值绝对值中的最大值以及所有差值绝对值的平均值均与所述差异指标值成正相关关系；

对所述差异指标值进行负相关归一化，从而得到同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度；

根据同一分段长度对应的所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值，确定不同的分段长度对应的趋势相似指标值，所述所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值均与所述趋势相似指标值成正相关关系。

进一步的，确定最优的分段长度，包括：

确定不同的分段长度对应的趋势相似指标值中的最大值，并将最大值对应的分段长度确定为最优的分段长度。

进一步的，确定每两个所述电压时序子段之间的相似程度，包括：

将所述电压时序子段分解成不同频次对应的分解电压时序子段，并确定每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离；

确定不同频次对应的占比权重值，频次越大，对应的占比权重值越小；

根据每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离以及对应频次对应的占比权重值，对所述动态时间规整距离进行加权求和，并将加权求和的负相关归一化结果确定为每两个所述电压时序子段之间的相似程度。

进一步的，筛选出至少两个目标电压时序子段，包括：

判断每两个所述电压时序子段之间的相似程度是否大于设定程度阈值，若大于所述设定程度阈值，则将对应的两个所述电压时序子段确定为目标电压时序子段。

进一步的，确定去噪电压时序子段，包括：

根据各个所述目标电压时序子段中每个相同位置的电压值的平均值，从而得到各个所述目标电压时序子段中每个相同位置对应的电压均值；

根据各个所述目标电压时序子段中每个相同位置的电压值与对应电压均值的差异，确定各个所述目标电压时序子段中每个位置的电压值对应的电压聚集程度；

根据所述电压聚集程度，确定各个所述目标电压时序子段中每个位置的电压值对应的参考置信度；

确定各个所述目标电压时序子段中每个位置的电压值对应的风速在电压风速变化曲线中对应的斜率值，并确定所述斜率值的负相关归一化值；

根据各个所述目标电压时序子段中每个相同位置的电压值和对应的参考置信度，以及所述每个相同位置的电压值对应的风速所对应斜率值的负相关归一化值，确定去噪电压时序子段中每个位置的电压值。

进一步的，确定所述去噪电压时序子段中每个位置的电压值对应的拟合风速，包括：

将各个所述目标电压时序子段中每个相同位置的电压值对应的参考置信度与对应的风速的乘积值之间的平均值，确定为所述去噪电压时序子段中每个位置的电压值对应的拟合风速。

进一步的，确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度，对应的计算公式为：

其中，表示每个电压时序子段中第k个位置的电压值对应的谐波影响程度；/>表示每个电压时序子段相对去噪电压时序子段的偏离程度；/>表示去噪电压时序子段的谐波影响程度；/>表示每个电压时序子段中第k个位置的电压值对应的风速和所述去噪电压时序子段中第k个位置的电压值对应的拟合风速，在电压风速变化曲线上所对应的两个数据点的连线的斜率值；/>表示以自然常数e为底数的指数函数。

为解决上述技术问题，本发明还提供了一种风电机组高谐波补偿系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的计算机指令，以实现上述任一项所述的一种风电机组高谐波补偿方法的步骤。

本发明具有如下有益效果：本发明可以准确测试出风力发电机的电压时序序列中每个电压值对应的谐波影响程度，并基于该谐波影响程度对电压值进行去谐波补偿，有效提高了谐波补偿准确性。具体的，对风电机组的电压时序序列进行分段，得到多个电压时序子段，并通过对这些电压时序子段的相似情况进行分析，筛选出受到外界环境影响基本相同的电压分布相似的各目标电压时序子段。通过对各目标电压时序子段中相同位置的电压值进行分析，同时进一步对外界风速实际变化对电压的影响进行考虑，确定不受到噪声影响的去噪电压时序子段以及去噪电压时序子段中每个电压值对应的拟合风速，该拟合风速是指去噪电压时序子段中每个电压值对应的理论上的风速。确定该去噪电压时序子段的谐波影响程度，然后根据各个电压时序子段相对该去噪电压时序子段的偏离程度，并结合各个电压时序子段中每个电压值对应的风速与该去噪电压时序子段中相同位置的电压值的拟合风速的差异，对受到噪声影响的各个电压时序子段的谐波影响程度进行评估，从而准确测试出风力发电机的电压时序序列中每个电压值对应的谐波影响程度，有效提高了风力发电机的谐波补偿准确性，提高风力发电机的发电质量了。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明实施例的风电机组高谐波补偿方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。

风电机组高谐波补偿方法实施例：

为了解决现有由于确定谐波影响程度不够准确，导致谐波补偿精确性低的问题，本实施例提供了一种风电机组高谐波补偿方法，该方法对应的流程图如图1所示，包括以下步骤：

步骤S1：获取风电机组的电压时序序列以及所述电压时序序列中每个电压值对应的风速，对所述电压时序序列进行分段，获取至少两个电压时序子段。

在风电机组工作过程中，按照设定的采样频率，对风电机组的输出电压以及风电机组外界环境的风速进行同步采样，从而可以得到风电机组的各个采样时刻的电压值和风速。采样频率的大小可以根据需要进行合理设定，在本实施例中，设定该采样频率为1秒一次。

为了对风电机组进行谐波补偿，获取风电机组在过去距离当前最近的设定时间段内的各个采样时刻的电压值和风速，并将这些电压值按照其采样时刻的先后顺序进行排列，从而可以得到风电机组的电压时序序列，同时可以确定该电压时序序列中每个电压值对应的风速。设定时间段的大小可以根据需要进行设定，在本实施例中，设定该设定时间段的取值为5分钟。

作为其他的实施方式，也可以对该电压时序序列进行曲线拟合，在进行曲线拟合时，可以以该电压时序序列中每个电压值为纵坐标，并以每个电压值对应的采样时刻作为横坐标，从而得到电压拟合曲线。此时可以将该电压拟合曲线看作是电压时序序列，同时对风速同样进行曲线拟合，从而可以得到该电压时序序列中每个电压值对应的风速。

在获取到电压时序序列之后，为了便于对电压时序序列进行分析，需要对电压时序序列进行分段，从而筛选出受到外界环境影响基本相同的电压分布相似的多个子段。虽然电压的变化呈现周期性的正弦分布，但是由于受到风速的影响，会导致不同段的电压分布情况不同，因此需要分析分割该电压时序序列的最优分段长度，并利用该最优分段长度对该电压时序序列进行分段，获取各个电压时序子段，实现步骤包括：

利用不同的分段长度对所述电压时序序列进行分段，获取不同的分段长度对应的各个初始电压时序子段；

对同一分段长度对应的各个初始电压时序子段进行趋势项分解，获取同一分段长度对应的各个趋势项子段；

确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值；

根据不同的分段长度对应的趋势相似指标值，确定最优的分段长度，并将所述最优的分段长度所对应的各个初始电压时序子段，确定为所述至少两个电压时序子段。

可选择的，确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值，包括：

确定同一分段长度对应的每相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值；

根据同一分段长度对应的每相邻两个趋势项子段所对应的所有差值绝对值中的最大值以及所有差值绝对值的平均值，确定同一分段长度对应的每相邻两个趋势项子段之间的差异指标值，所述所有差值绝对值中的最大值以及所有差值绝对值的平均值均与所述差异指标值成正相关关系；

对所述差异指标值进行负相关归一化，从而得到同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度；

根据同一分段长度对应的所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值，确定不同的分段长度对应的趋势相似指标值，所述所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值均与所述趋势相似指标值成正相关关系。

具体的，为了获取最优的分段长度，进而获取该最优的分段长度下的各个电压时序子段，根据经验获取不同的分段长度。在本实施例中，分段长度的取值范围为，且分段长度的变化步长为1。利用不同的分段长度，按照从前往后的顺序分别对电压时序序列进行截取，从而得到不同的分段长度对应的各个初始电压时序子段。利用STL算法(Seasonal-Trend decomposition procedure based on Loess,时间序列分解算法)对所获取同一分段长度对应的各个初始电压时序子段进行分解，从而得到各个初始电压时序子段对应的趋势项子段。确定趋势项子段中每个位置的电压值对应的变化斜率值，该变化斜率值用于表征每个位置的电压值的变化趋势。该变化斜率值可以是趋势项子段中每个位置的电压值与其后一个位置的电压值的差值的相反数，也可以是趋势项子段中每个位置的电压值与其后一个位置的电压值的差值与对应两个电压值所对应两个采样时刻的差值的比值。对于趋势项子段中两个端点位置的电压值，可以利用现有技术中的插值法来确定其对应的变化斜率值。

在确定同一分段长度对应的各个趋势项子段中每个位置的电压值对应的变化斜率值之后，基于这些变化斜率值，确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，对应的计算公式为：

其中，表示同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度；/>表示同一分段长度对应的每相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值，/>表示同一分段长度对应的所有相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值的平均值；/>表示取最大值符号；表示同一分段长度对应的所有相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值中的最大值；/>表示以自然常数e为底数的指数函数。

对于上述的同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度的计算公式，通过对比同一分段长度对应的每两个相邻趋势项子段中相同位置的电压值对应的变化斜率值的差异情况，可以评估出这两个相邻趋势项子段的相似情况，当两个趋势项子段中相同位置的电压值对应的变化斜率值的差值绝对值中的最大值和平均值越大时，此时差异指标值的取值就越大，说明这两个趋势项子段的变化斜率值的差异情况越大，这两个趋势项子段对应的两个初始电压时序子段的趋势越不相似，此时对该差异指标值/>进行负相关归一化得到趋势相似度，对应的趋势相似度的取值就越小。

需要说明的是，在确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度时，由于需要两个趋势项子段的数据长度应该相同，且确定趋势相似度的最终目的是确定最优的分段长度，因此当同一分段长度对应的最后一个趋势项子段的长度小于该分段长度时，则该最后一个趋势项子段无需参与趋势相似度的计算。并且，在根据同一分段长度对应的每相邻两个趋势项子段所对应的所有差值绝对值中的最大值以及所有差值绝对值的平均值，确定同一分段长度对应的每相邻两个趋势项子段之间的差异指标值时，在保证该所有差值绝对值中的最大值以及所有差值绝对值的平均值均与差异指标值成正相关关系的情况下，该所有差值绝对值中的最大值以及所有差值绝对值的平均值也可以是其他组合关系，例如可以是相加关系。

在确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度之后，确定该分段长度对应的所有趋势相似度中的最小值和平均值，并根据该所有趋势相似度中的最小值和平均值，确定每个分段长度对应的趋势相似指标值，对应的计算公式为：

其中，表示每个分段长度对应的趋势相似指标值；/>表示每个分段长度对应的所有相邻两个趋势项子段之间的趋势相似度D中的最小值；/>表示每个分段长度对应的所有相邻两个趋势项子段之间的趋势相似度D的平均值。

对于上述的每个分段长度对应的趋势相似指标值的计算公式，趋势相似指标值表征了每个分段长度对整个电压时序序列的分割优秀程度，当某个分段长度对应的所有趋势相似度中的最小值和平均值均较大时，说明该分段长度所对应的相邻初始电压时序子段越相似，此时该分段长度对应的趋势相似指标值的取值就越大。

需要说明的是，在根据同一分段长度对应的所有每相邻两个趋势项子段之间的趋势相似度中的最小值和平均值，确定不同的分段长度对应的趋势相似指标值时，在保证所有每相邻两个趋势项子段之间的趋势相似度中的最小值和平均值均与趋势相似指标值成正相关关系的前提下，所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值也可以是其他组合关系，例如可以是相加关系。

在确定不同的分段长度对应的趋势相似指标值之后，由于最优的分段长度所截取的初始电压时序子段之间的趋向相似度一定是最大的，因此确定这些趋势相似指标值中的最大值，将该最大值对应的分段长度确定为最优的分段长度，并将该最优的分段长度所对应的各个初始电压时序子段，确定为各个电压时序子段。

应当理解的是，上述实施例仅仅是给出了将风电机组的电压时序序列分割成各个电压时序子段的一个具体方式，在保证电压时序序列所分割成的各个电压时序子段彼此比较相似的基础上，还可以采用其他的方式对风电机组的电压时序序列进行分割。例如，可以将风电机组的电压时序序列输入到预先训练好的神经网络中，由该神经网络来确定最优的分段长度，从而最终得到各个电压时序子段。

步骤S2：确定每两个所述电压时序子段之间的相似程度，并根据所述相似程度，筛选出至少两个目标电压时序子段。

对于根据最优的分段长度对电压时序序列进行截取所得到的各个电压时序子段，计算这些电压时序子段之间的相似程度，从而获取到这些电压时序子段中分布相似的子段，实现步骤包括：

将所述电压时序子段分解成不同频次对应的分解电压时序子段，并确定每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离；

确定不同频次对应的占比权重值，频次越大，对应的占比权重值越小；

根据每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离以及对应频次对应的占比权重值，对所述动态时间规整距离进行加权求和，并将加权求和的负相关归一化结果确定为每两个所述电压时序子段之间的相似程度。

具体的，由于噪声是随机性分布的，其在不同电压时序子段内的表现形式不同。由于噪声的随机分布特性，可以对不同电压时序子段内的共同分布特征进行分析，这些共同分布特征受到噪声的影响程度较小。为了对不同电压时序子段内的共同分布特征进行分析，需要计算不同电压时序子段之间的相似程度，并筛选出分布相似的一部分电压时序子段，再对这部分电压时序子段种的共同分布特征进行分析。

考虑到由于噪声以及谐波的存在，导致直接计算不同电压时序子段之间的相似程度的准确程度不高，因此利用EMD算法(Empirical Mode Decomposition，经验模态分解算法)将利用最优的分段长度所截取到的电压时序子段分解成不同频次对应的子段，并将这些子段称为分解电压时序子段，然后分析每两个压时序子段之间的不同频率之下的分解电压时序子段的相似程度。在分析相似程度时，根据先验知识得知，频次越小的分解电压时序子段所包含的信息越不丰富，但是频次越小的分解电压时序子段代表了整个电压时序子段的趋势性，因此频次越小的分解电压时序子段在计算相似程度时对应的占比权重就应该越大；频次越大的分解电压时序子段所包含的内容越丰富，但是存在噪声的概率也越大，因此频次越大的分解电压时序子段在计算相似程度时对应的占比权重就应该越小。因此，将所有频次按照从小到大的顺序进行排列，从而得到一个频次序列。此时，确定每两个电压时序子段之间的相似程度对应的计算公式为：

其中，表示每两个电压时序子段之间的相似程度；/>表示每两个电压时序子段分解成的第i个频次对应的分解电压时序子段之间的动态时间规整距离；/>表示第i个频次对应的占比权重值；/>表示分解成的频次的总数目；/>表示小于或者等于i的频次序号；/>表示以自然常数e为底数的指数函数。

对于上述的每两个电压时序子段之间的相似程度的计算公式，当动态时间规整距离越小时，表明两个电压时序子段分解成的对应频次下的分解电压时序子段越相似。通过考虑不同频次对应的占比权重，频率越大，分解电压时序子段对应的占比权重就越小；频率越小，分解电压时序子段对应的占比权重就越大，对不同频次下的分解电压时序子段之间的动态时间规整距离进行综合衡量，得到动态时间规整距离的加权求和结果，通过对加权求和结果进行负相关归一化，最终得到两个电压时序子段之间的相似程度。当动态时间规整距离的加权求和结果越小时，对应得到的相似程度越大，表明两个电压时序子段越相似。

通过上述方式确定每两个电压时序子段之间的相似程度之后，通过设置阈值获取到相似程度较大的目标电压时序子段合集，即：判断每两个所述电压时序子段之间的相似程度是否大于设定程度阈值，若大于所述设定程度阈值，则将对应的两个所述电压时序子段确定为目标电压时序子段。其中，设定程度阈值可以根据需要进行设定，在本实施例中，设置该设定程度阈值的取值为0.75。由各个目标电压时序子段构成目标电压时序子段合集，在该集合中，各个目标电压时序子段对应的外界环境干扰（主要是指风速干扰）基本相同，其彼此之间的相似程度都较高，且由于噪声分布是随机的，这些彼此之间相似程度都较高的目标电压时序子段中随机分布的噪声也较少，便于后续分析这些子段中的共同分布特征也就是谐波特征。

步骤S3：根据各个所述目标电压时序子段中相同位置的电压值以及所述相同位置的电压值对应的风速，确定去噪电压时序子段以及所述去噪电压时序子段中每个位置的电压值对应的拟合风速。

通过对各个目标电压时序子段中的共同分布特征进行分析，可以确定消除了噪声干扰的电压基底，也就是去噪电压时序子段，实现步骤包括：

根据各个所述目标电压时序子段中每个相同位置的电压值的平均值，从而得到各个所述目标电压时序子段中每个相同位置对应的电压均值；

根据各个所述目标电压时序子段中每个相同位置的电压值与对应电压均值的差异，确定各个所述目标电压时序子段中每个位置的电压值对应的电压聚集程度；

根据所述电压聚集程度，确定各个所述目标电压时序子段中每个位置的电压值对应的参考置信度；

确定各个所述目标电压时序子段中每个位置的电压值对应的风速在电压风速变化曲线中对应的斜率值，并确定所述斜率值的负相关归一化值；

根据各个所述目标电压时序子段中每个相同位置的电压值和对应的参考置信度，以及所述每个相同位置的电压值对应的风速所对应斜率值的负相关归一化值，确定去噪电压时序子段中每个位置的电压值。

具体的，为了确定去噪电压时序子段，对各个目标电压时序子段中不同位置的电压值进行分析，根据目标电压时序子段中每个电压值的离散情况确定每个电压值对应的置信度。在确定目标电压时序子段中每个电压值的离散情况时，对于各个目标电压时序子段中每个相同位置的电压值，利用统计学原理去掉每个相同位置的电压值中的最大值和最小值，然后计算剩余的所有电压值的平均值，并将该平均值作为各个目标电压时序子段中每个相同位置对应的电压均值。将各个目标电压时序子段中每个相同位置对应电压值与该电压均值进行比较，从而确定各个目标电压时序子段中每个相同位置的电压值对应的参考置信度，对应的计算公式为：

其中，表示第i个目标电压时序子段中第k个位置的电压值对应的参考置信度；/>表示第i个目标电压时序子段中第k个位置的电压值对应的电压聚集程度；/>表示各个目标电压时序子段中第k个位置对应的电压均值；/>表示以自然常数e为底数的指数函数；| |表示取绝对值符号。

对于上述的第i个目标电压时序子段中第k个位置的电压值对应的参考置信度的计算公式，通过将该第i个目标电压时序子段中第k个位置的电压值与各个目标电压时序子段中第k个位置的电压值的平均值的差值绝对值与该平均值做比值，并利用指数函数对该比值进行负相关映射处理，从而得到电压聚集程度/>，当该比值越大时，表明电压值越离散，对应的电压聚集程度/>的取值就越小。当电压聚集程度/>小于聚集程度阈值/>时，则认为该第i个目标电压时序子段中第k个位置的电压值/>的可信度越低，此时其参考置信度等于电压聚集程度/>；而当电压聚集程度/>大于或者等于聚集程度阈值时，则认为该第i个目标电压时序子段中第k个位置的电压值/>的可信度较高，此时其参考置信度等于1。聚集程度阈值/>的具体取值可以根据实际情况进行设定，本实施例设置该聚集程度阈值/>的取值为0.8。

在通过上述方式确定各个目标电压时序子段中每个电压值对应的参考置信度之后，基于各个目标电压时序子段中每个相同位置的电压值和对应的参考置信度，对各个目标电压时序子段中每个相同位置的电压值进行共同特征提取，即可以重新拟合出包含噪声程度较小的电压时序子段。但是考虑到风电机组的输出电压会明显受到风速的影响，根据先验知识得知，在风电机组没有达到额定电压时，风速增加会导致风电机组的电压增加，当风速超过一定值时，风速的增减对电压的变化影响较小，因此为了减少甚至消除风速变化对电压变化的影响，从而提高最终所重新拟合出的电压时序子段的准确性，获取风电机组的电压随风速的变化曲线，这里简称为电压风速变化曲线。由于该风电机组的电压风速变化曲线的获取方式属于现有技术，此处不再赘述。基于该电压风速变化曲线，可以确定该曲线上每个风速所对应的斜率值。由于各个目标电压时序子段中每个位置的电压值均对应一个风速，此时即可确定该风速在电压风速变化曲线上的斜率值。

基于各个目标电压时序子段中每个相同位置的电压值和对应的参考置信度，以及每个相同位置的电压值对应的风速所对应的斜率值，确定去噪电压时序子段中每个位置的电压值，对应的计算公式为：

其中，表示去噪电压时序子段中第k个位置的电压值；/>表示第i个目标电压时序子段中第k个位置的电压值；/>表示第i个目标电压时序子段中第k个位置的电压值对应的参考置信度；/>表示第i个目标电压时序子段中第k个位置的电压值对应的风速对应的斜率值；/>表示目标电压时序子段的总数目；/>表示归一化函数。

在上述的去噪电压时序子段中第k个位置的电压值的计算公式中，通过利用目标电压时序子段中第k个位置的电压值对应的风速的斜率值的负相关归一化结果去量化该第k个位置的电压值的参考置信度，当斜率值越大时，说明此时风电机组的输出电压受到风速变化的影响程度越大，该参考置信度越不准确，则该参考置信度应当降低，而当斜率值越小时，说明此时风电机组的输出电压受到风速变化的影响程度越小，该参考置信度越准确。通过将各个目标电压时序子段中每个相同位置的电压值、参考置信度和斜率值的负相关归一化结果的乘积进行累加并取平均值，从而准确得到去除噪声影响的去噪电压时序子段中每个位置的谐波影响电压值。

在确定去噪电压时序子段之后，为了便于后续确定各个电压时序序列中每个电压值的谐波影响程度，还需要确定该去噪电压时序子段中每个位置的电压值对应的拟合风速，即：将各个所述目标电压时序子段中每个相同位置的电压值对应的参考置信度与对应的风速之间的乘积值之间的平均值，确定为所述去噪电压时序子段中每个位置的电压值对应的拟合风速。也就是，通过利用各个目标电压时序子段中每个相同位置的电压值对应的参考置信度，对各个目标电压时序子段中每个相同位置的电压值对应的风速进行置信度考核后求平均，从而得到对应的拟合风速。

步骤S4：确定所述去噪电压时序子段的谐波影响程度以及各个所述电压时序子段相对所述去噪电压时序子段的偏离程度，并根据各个所述电压时序子段和所述去噪电压时序子段中每个相同位置的电压值对应的风度和拟合风速的差异，以及所述去噪电压时序子段的谐波影响程度和各个所述电压时序子段对应的所述偏离程度，确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度。

利用现有技术获得去噪电压时序子段的谐波影响程度，在本实施例中，该谐波影响程度是指总谐波畸变THD。作为其他的实施方式，该谐波影响程度也可以是用于衡量去噪电压时序子段受谐波影响成的总需量畸变TDD。

确定各个电压时序子段相对去噪电压时序子段的偏离程度，后续通过对该偏离程度进行分析，便于确定各个电压时序序列中每个电压值的谐波影响程度。在本实施例中，在确定各个电压时序子段相对去噪电压时序子段的偏离程度时，是根据每个电压时序子段与该去噪电压时序子段中相同位置的电压值的差值的累加和的平均值，从而得到偏离置信度。同时，根据每个电压时序子段与该去噪电压时序子段中相同位置的电压值，计算两个子段之间的DTW距离，从而得到偏离距离值。根据每个电压时序子段相对该去噪电压时序子段的偏离置信度和偏离距离值，确定每个电压时序子段相对去噪电压时序子段的偏离程度，对应的计算公式为：

其中，表示每个电压时序子段相对去噪电压时序子段的偏离程度；/>表示每个电压时序子段相对该去噪电压时序子段的偏离置信度；/>表示每个电压时序子段相对该去噪电压时序子段的偏离距离值；/>表示归一化函数。

在上述的每个电压时序子段相对去噪电压时序子段的偏离程度的计算公式中，利用偏离置信度对偏离距离值进行修正，当偏离置信度和偏离距离值均较大时，则说明对应电压时序子段相对去噪电压时序子段的偏离程度越大，该偏离程度是由噪声干扰造成，此时对应电压时序子段与去噪电压时序子段的谐波影响程度相差较大。

基于去噪电压时序子段的谐波影响程度、去噪电压时序子段中每个位置的电压值对应的拟合风速、各个电压时序子段对应的偏离程度以及各个电压时序子段中每个位置的电压值对应的风速，确定各个电压时序子段中每个位置的电压值对应的谐波影响程度，对应的计算公式为：

其中，表示每个电压时序子段中第k个位置的电压值对应的谐波影响程度；/>表示每个电压时序子段相对去噪电压时序子段的偏离程度；/>表示去噪电压时序子段的谐波影响程度；/>表示每个电压时序子段中第k个位置的电压值对应的风速和所述去噪电压时序子段中第k个位置的电压值对应的拟合风速，在电压风速变化曲线上所对应的两个数据点的连线的斜率值；/>表示以自然常数e为底数的指数函数。

在上述的每个电压时序子段中第k个位置的电压值对应的谐波影响程度的计算公式中，通过分析得知在计算每个电压时序子段的谐波影响时，可以通过判断每个电压时序子段相对去噪电压时序子段的偏离情况获得，偏离程度越大，说明对应电压时序子段的谐波影响程度越大。但是由于风速的变化也会影响电压的变化，进而影响到电压时序子段的谐波影响程度，因此需要通过风速的变化情况对电压的偏离情况进行修正，风速的变化所引起的电压的变化程度越大，说明电压的变化受到风速的影响越严重。为了对风速的变化所引起的电压的变化程度进行评估，获取每个电压时序子段和去噪电压时序子段中每个相同位置的风速和拟合风速在电压风速变化曲线上所对应的两个数据点，确定两个数据点的连线的斜率值，该斜率值一定大于或者等于0。当斜率值越大时，说明风速的变化所引起的电压的变化程度越大，因此利用该斜率值的负相关归一化值对根据偏离情况所确定的谐波影响程度/>进行修正，最终得到准确的谐波影响程度。

步骤S5：根据各个所述电压时序子段中每个位置的电压值对应的谐波影响程度，对各个所述电压时序子段中每个位置的电压值进行去谐波补偿。

在确定各个电压时序子段中每个位置的电压值对应的谐波影响程度之后，根据该谐波影响程度，调节谐波电容器的功率，当谐波影响程度越大时，则谐波电容器的功率就越大，以对各个电压时序子段中每个位置的电压值进行去谐波补偿，从而减小谐波对设备的影响。由于谐波补偿的具体实现过程属于现有技术，此处不再赘述。

风电机组高谐波补偿系统实施例：

为了解决现有由于确定谐波影响程度不够准确，导致谐波补偿精确性低的问题，基于相同的发明构思，本实施例还提供了一种风电机组高谐波补偿系统，该系统包括处理器和存储器，该处理器用于处理存储在存储器中的计算机指令，以实现上述的风电机组高谐波补偿方法的步骤。由于该系统实质上是一种软件系统，其重点在于实现上述的风电机组高谐波补偿方法，而该方法已经在上述内容中进行了详细介绍，此处不再赘述。

风电机组高谐波检测方法实施例：

现有在对风电机组发电产生的谐波进行检测时，通过对风电机组的输出电压变化幅值进行采集，并对采集的电压幅值进行分析来确定谐波影响程度。但是由于采集的电压幅值可能会受到噪声、风速本身变化等因素的影响，从而导致所确定的谐波影响程度不够准确。虽然现有技术中存在均值滤波、中值滤波等多种常规的去噪方法，但是由于风电机组的输出电压本身的波动性较大，且又受到不同程度的谐波的影响，导致这些常规去噪方法的去噪效果较差，从而无法有效提高谐波影响程度的确定准确性。

为了解决上述现有确定谐波影响程度不够准确的问题，本实施例提供了一种风电机组高谐波检测方法，包括以下步骤：

获取风电机组的电压时序序列以及所述电压时序序列中每个电压值对应的风速，对所述电压时序序列进行分段，获取至少两个电压时序子段；

确定每两个所述电压时序子段之间的相似程度，并根据所述相似程度，筛选出至少两个目标电压时序子段；

根据各个所述目标电压时序子段中相同位置的电压值以及所述相同位置的电压值对应的风速，确定去噪电压时序子段以及所述去噪电压时序子段中每个位置的电压值对应的拟合风速；

确定所述去噪电压时序子段的谐波影响程度以及各个所述电压时序子段相对所述去噪电压时序子段的偏离程度，并根据各个所述电压时序子段和所述去噪电压时序子段中每个相同位置的电压值对应的风度和拟合风速的差异，以及所述去噪电压时序子段的谐波影响程度和各个所述电压时序子段对应的所述偏离程度，确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度。

由于该风电机组高谐波检测方法中的各个步骤与上述风电机组高谐波补偿方法实施例中的步骤S1-S4完全相同，此处对该风电机组高谐波检测方法中的各个步骤不再进行赘述。

上述风电机组高谐波检测方法通过对风电机组的电压时序序列进行分段，得到多个电压时序子段，并通过对这些电压时序子段的相似情况进行分析，筛选出受到外界环境影响基本相同的电压分布相似的各目标电压时序子段。通过对各目标电压时序子段中相同位置的电压值进行分析，同时进一步对外界风速实际变化对电压的影响进行考虑，确定不受到噪声影响的去噪电压时序子段以及去噪电压时序子段中每个电压值对应的拟合风速，该拟合风速是指去噪电压时序子段中每个电压值对应的理论上的风速。确定该去噪电压时序子段的谐波影响程度，然后根据各个电压时序子段相对该去噪电压时序子段的偏离程度，并结合各个电压时序子段中每个电压值对应的风速与该去噪电压时序子段中相同位置的电压值的拟合风速的差异，对受到噪声影响的各个电压时序子段的谐波影响程度进行评估，从而准确测试出电压时序序列中每个电压值对应的谐波影响程度。

需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种风电机组高谐波补偿方法，其特征在于，包括以下步骤：

获取风电机组的电压时序序列以及所述电压时序序列中每个电压值对应的风速，对所述电压时序序列进行分段，获取至少两个电压时序子段；

确定每两个所述电压时序子段之间的相似程度，并根据所述相似程度，筛选出至少两个目标电压时序子段；

根据各个所述目标电压时序子段中相同位置的电压值以及所述相同位置的电压值对应的风速，确定去噪电压时序子段以及所述去噪电压时序子段中每个位置的电压值对应的拟合风速；

确定所述去噪电压时序子段的谐波影响程度以及各个所述电压时序子段相对所述去噪电压时序子段的偏离程度，并根据各个所述电压时序子段和所述去噪电压时序子段中每个相同位置的电压值对应的风度和拟合风速的差异，以及所述去噪电压时序子段的谐波影响程度和各个所述电压时序子段对应的所述偏离程度，确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度；

根据各个所述电压时序子段中每个位置的电压值对应的谐波影响程度，对各个所述电压时序子段中每个位置的电压值进行去谐波补偿；

确定各个所述电压时序子段中每个位置的电压值对应的谐波影响程度，对应的计算公式为：

其中，表示每个电压时序子段中第k个位置的电压值对应的谐波影响程度；/>表示每个电压时序子段相对去噪电压时序子段的偏离程度；/>表示去噪电压时序子段的谐波影响程度；/>表示每个电压时序子段中第k个位置的电压值对应的风速和所述去噪电压时序子段中第k个位置的电压值对应的拟合风速，在电压风速变化曲线上所对应的两个数据点的连线的斜率值；/>表示以自然常数e为底数的指数函数。

2.根据权利要求1所述的一种风电机组高谐波补偿方法，其特征在于，对所述电压时序序列进行分段，获取至少两个电压时序子段，包括：

利用不同的分段长度对所述电压时序序列进行分段，获取不同的分段长度对应的各个初始电压时序子段；

对同一分段长度对应的各个初始电压时序子段进行趋势项分解，获取同一分段长度对应的各个趋势项子段；

确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值；

根据不同的分段长度对应的趋势相似指标值，确定最优的分段长度，并将所述最优的分段长度所对应的各个初始电压时序子段，确定为所述至少两个电压时序子段。

3.根据权利要求2所述的一种风电机组高谐波补偿方法，其特征在于，确定同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度，并根据所述趋势相似度，确定不同的分段长度对应的趋势相似指标值，包括：

确定同一分段长度对应的每相邻两个趋势项子段中相同位置的电压值对应的变化斜率值之间的差值绝对值；

根据同一分段长度对应的每相邻两个趋势项子段所对应的所有差值绝对值中的最大值以及所有差值绝对值的平均值，确定同一分段长度对应的每相邻两个趋势项子段之间的差异指标值，所述所有差值绝对值中的最大值以及所有差值绝对值的平均值均与所述差异指标值成正相关关系；

对所述差异指标值进行负相关归一化，从而得到同一分段长度对应的每相邻两个趋势项子段之间的趋势相似度；

根据同一分段长度对应的所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值，确定不同的分段长度对应的趋势相似指标值，所述所有相邻两个趋势项子段之间的趋势相似度中的最小值和平均值均与所述趋势相似指标值成正相关关系。

4.根据权利要求2所述的一种风电机组高谐波补偿方法，其特征在于，确定最优的分段长度，包括：

确定不同的分段长度对应的趋势相似指标值中的最大值，并将最大值对应的分段长度确定为最优的分段长度。

5.根据权利要求1所述的一种风电机组高谐波补偿方法，其特征在于，确定每两个所述电压时序子段之间的相似程度，包括：

将所述电压时序子段分解成不同频次对应的分解电压时序子段，并确定每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离；

确定不同频次对应的占比权重值，频次越大，对应的占比权重值越小；

根据每两个所述电压时序子段对应的相同频次的分解电压时序子段之间的动态时间规整距离以及对应频次对应的占比权重值，对所述动态时间规整距离进行加权求和，并将加权求和的负相关归一化结果确定为每两个所述电压时序子段之间的相似程度。

6.根据权利要求1所述的一种风电机组高谐波补偿方法，其特征在于，筛选出至少两个目标电压时序子段，包括：

判断每两个所述电压时序子段之间的相似程度是否大于设定程度阈值，若大于所述设定程度阈值，则将对应的两个所述电压时序子段确定为目标电压时序子段。

7.根据权利要求1所述的一种风电机组高谐波补偿方法，其特征在于，确定去噪电压时序子段，包括：

根据各个所述目标电压时序子段中每个相同位置的电压值的平均值，从而得到各个所述目标电压时序子段中每个相同位置对应的电压均值；

根据各个所述目标电压时序子段中每个相同位置的电压值与对应电压均值的差异，确定各个所述目标电压时序子段中每个位置的电压值对应的电压聚集程度；

根据所述电压聚集程度，确定各个所述目标电压时序子段中每个位置的电压值对应的参考置信度；

确定各个所述目标电压时序子段中每个位置的电压值对应的风速在电压风速变化曲线中对应的斜率值，并确定所述斜率值的负相关归一化值；

根据各个所述目标电压时序子段中每个相同位置的电压值和对应的参考置信度，以及所述每个相同位置的电压值对应的风速所对应斜率值的负相关归一化值，确定去噪电压时序子段中每个位置的电压值。

8.根据权利要求7所述的一种风电机组高谐波补偿方法，其特征在于，确定所述去噪电压时序子段中每个位置的电压值对应的拟合风速，包括：

将各个所述目标电压时序子段中每个相同位置的电压值对应的参考置信度与对应的风速的乘积值之间的平均值，确定为所述去噪电压时序子段中每个位置的电压值对应的拟合风速。

9.一种风电机组高谐波补偿系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的计算机指令，以实现如权利要求1-8中任一项所述的一种风电机组高谐波补偿方法的步骤。