配电网多谐波源识别方法的研究

摘要

随着国民经济的快速发展以及电力市场的逐步形成,电能质量问题在许多国家己经引起了电力部门和用户的广泛关注。谐波问题是电能质量问题的一个重要方面。一方面,我国电力工业蓬勃发展、电力负荷急剧增长,电力电子器件的广泛应用以及非线性和冲击性负荷的大量接入使得电网被注入大量的谐波分量,导致电网电压及电流波形产生了严重的畸变;另一方面,现代社会快速发展,高度自动化和智能化的工业用电设备对供电质量的要求也越来越高。因此,为了提高电能质量,快速有效地治理谐波,减少谐波污染,提高电网的用电效益并改善电气环境,必须首先对电网进行谐波源识别,确定谐波源注入电网的谐波电流大小。
　　目前国内外谐波源识别技术主要根据量测点个数分为基于多点测量和单点测量两种。基于多点测量的方法主要包括神经网络法和谐波状态估计法等。神经网络法中模型对训练样本依赖性较大,而且其联接权矩阵易受电网运行情况影响,缺乏灵活性和适应性。谐波状态估计法是在不知道谐波源具体信息的情况下,利用安装在选定母线和线路上的同步量测设备所提供的数据,根据一定的估计准则,推断整个电网的谐波电压与谐波电流状态,分析找出系统中的谐波源。此方法相对来说比较有效,但需要整个电网的拓扑结构及元件的电气参数,且元件模型必须准确,否则对估计结果影响较大。基于单点测量的方法主要是围绕对系统和用户谐波阻抗的估算来展开。现在主要使用的方法为“非干预式”方法中的波动量法、线性回归法。波动量法是根据PCC处谐波电压、电流波动量的比值来估计谐波阻抗,这就要求测量精度高或测量值有足够大的波动。线性回归法通过PCC处的谐波电压、电流值估算系统谐波阻抗,计算简单实用。最新提出的偏最小二乘法能够克服变量相关性对系统建模的不良影响,但未考虑测量值中存在较大误差或其他异常值时的情况。
　　本文根据各方法优缺点的分析,提出了多点测量条件下的基于盲源分离—独立分量分析的谐波源识别方法和单点测量条件下的基于稳健偏最小二乘法的谐波发射水平评估方法。多点测量条件下,所用到的盲源分离法能够在源信号不可测及混合系统特性未知的情况下恢复出无法直接观测的各个原始信号。由于 ICA能够去除分量间的低阶相关性和高阶相关性,使它们被分解为若干个互相独立的成分,因此本文采用快速ICA来实现盲源分离。基于快速ICA的盲源分离法能够在电力网络的拓扑结构和电气参数未知的情况下,只利用母线上的测量数据就能分离出电力系统的谐波源,求出谐波源注入电网的谐波电流大小,并根据快速 ICA求解得到的代表关注节点谐波电压与谐波源电流的关系的混合矩阵,跟踪计算关注节点上各谐波源对电压畸变的贡献量。单点测量条件下的稳健偏最小二乘法是将快速MCD与偏最小二乘法结合,利用快速MCD中的稳健协方差矩阵来提高偏最小二乘法对建模数据中异常值的免疫力。通过稳健偏最小二乘回归算法求解回归系数,由回归系数映射出系统谐波阻抗,并跟踪计算用户的谐波发射水平。
　　在IEEE14节点的测试系统上对基于盲源分离—快速独立分量分析的谐波源识别方法进行了Matlab仿真分析。本测试系统中,含有3个谐波源和3个测量点,将测量点作为关注节点,每个谐波源均含有5、7、11次谐波分量。根据仿真结果,快速ICA算法分离出来的估计信号和实际注入电网的谐波电流的波形是非常相近的。再对波形数据进行误差和相关系数分析,各次谐波电流的估计误差均在3％以内,而相关系数是在0.9左右,说明ICA算法能很好地识别出电力系统中谐波源产生谐波的大小。最后,根据估计的谐波电流计算关注节点上各谐波源对电压畸变的贡献百分比。
　　单点测量条件下,分别对利用偏最小二乘法(不含异常值、含异常值情况)和稳健偏最小二乘法(含异常值)这三种情况进行了仿真计算,通过结果分析,比较了三种情况下的估计值与实际值之间的差异,证明了稳健偏最小二乘法的抗干扰性和准确性。另外,还对重庆江津35kV靑杠变电站下的某钢厂的谐波发射水平进行了评估,此实例计算结果也进一步验证了该方法的准确性和可行性。